正则篇（六）：用正则将文本标记为标签

资深的职业译员或者是项目经理一看标题就明白，这次，我要讲如何定义标签。

但是可能还是有些新人朋友，还是不太理解什么意思。这里有两个词：正则、标签。

1. 正则是什么呢？请参考我之前写的：正则篇（一）：认识正则表达式

2. 标签又是什么呢？标签，英文名字是Tag，又是什么意思呢？技术百科里有一个定义：

A tag is a piece of information that describes the data or content that it is assigned to. Tags are nonhierarchical keywords used for Internet bookmarks, digital images, videos, files and so on. A tag doesn't carry any information or semantics itself.（摘自技术百科：https://www.techopedia.com/definition/5240/tag-metadata）

通过定义我们不难发现，

标签是信息，用来描述数据和内容。——这说明，如果丢了这个标签，就一定会丢掉某些信息。这在本地化的时候是绝对不允许的。

丢了标签研发会生气的，因为人家辛辛苦苦写好的代码，你给人家搞丢了。测试跑不通了😭，产品上不了线了😡，研发要挨骂了💢～

既然不能丢，我应该怎么办呢？

——当然是保留这些标签了。

可是问题来了：万一翻译看不懂这些标签，就给翻译了。这可怎么办？

所以，为了防止译员在看不懂的情况下，也不要乱来，项目经理就可以用正则表达式提前把这些不能动的“信息”内容（一般是代码、结构化标签等）标记起来，让译员不要动。

在memoQ中，需要用到正则表达式标注器。

这个操作是怎么样呢？我们来看两个案例。

案例一

这是一份游戏领域的常见文本，源文档是excel表格，其中C列是需要翻译的中文原文。但是我们发现，原文中有[color=f0abfe]、[/color]等代码块，不需要且不能翻译，翻译完成后要保留代码块。

这个文本的内容节选自九月份新出的一款游戏《哈利波特：魔法觉醒》中的剧情片段。

游戏文本的样式基本都是这样的，每一列的内容不重要，除了C列，其他都是我编的我编的我编的～只是为了给大家演示～

如果直接把这个文本导入到memoQ中，译员说丢就丢了～

就算没有丢，如果译员不懂，说不定就给改了～

所以，为了防止译员数据丢失，我们需要固定住原文中的代码，比如[color=#f0abfe]、[/color]和{Propstring}。

（如果你还是听不懂，不要着急，往下看标记后的内容，我想应该会有些帮助吧～）

在这里，我们借助正则表达式标注器，添加一个正则：

(\[|{)\/*.+?(\}|])

当然，为了防止我以后还会用这个表达式，我可以保存到我的正则库里面，或者我保存为一个新的正则表达式标注器的过滤器供下次试用。

那么设置完成后，这类文本就会变为标签啦～（看红颜色的文本）

案例二

这是一份本地化项目的常见文本，源文档是PO格式，我们看其中几句话。

这份文本如果直接导入后，同样，译员在处理的过程中会遇到一些问题。比如这里的<br>、<span>、</span>和</b>等。

因此，我们需要同样的方法，利用正则表达式标注器定义一条符合这几个内容的正则。你可以试一下：\<.+?>。

这时候，如果译员丢了标签或被修改了内容，在确认句段的时候就会有警告提醒～

Opps～你的标签缺失啦～

如果是这样，如果通过正则表达式把这些代码块给标注起来，PM就再也不同担心代码被乱动啦～

当然我们在处理项目的过程中，会遇到各种各样的文本，比如XML、Json、String、txt、Markdown等等，它们都有可能含有标签和实体，但是我们可以有这个解决问题的方法，那就是通过正则表达式将这类文本标记为标签，可以从一定程度上降低这类质量问题发生可能性不是？

重点‼️

定义的前提是要先识别出这类文本，如果你都识别这类文本，那～是另一回事了～

如果你遇到难解析的文本，欢迎留言，我们可以一起尝试一下用正则解析？

好啦这期正则篇先到这里，下期我们分享用正则检查译文质量。

你还想学什么，欢迎来问～

往期精选

正则篇（五）：用正则进行文本解析

正则篇（四）：源文件准备

正则篇（三）：用正则在CAT中查找和替换

正则篇（二）：如何写一个正则表达式

正则篇（一）：认识正则表达式