获取xml文件内容_获取xml文件内容又加号截断了

复杂XML文档的翻译与本地化
　　复杂XML文档的翻译与本地化

　　一、翻译包含HTML样式的XML文档（实体篇）

　　入门XML的时候，您只需要知道：XML是什么？元素、标签、文本和属性是什么？如何翻译单语XML文档？这一部分我再带来高阶一点的XML文档的知识。先从包含HTML样式的XML文档讲起。比如，这里有一个文本：

　　里面有一堆看上去乱七八糟的东西，比如：和。这些乱七八糟的东西其实是实体。如果您看不懂这个文档，我再给您放另一个图：

　　上述两个图，除了第一张图多了一些乱七八糟的“实体”，其它都是一样的。是的，这两个文档就是同一个文档，只是写法不同。为什么写法不同呢？我们先讲实体的概念。

　　1.1 什么是实体？

　　XML规范规定，如果有些字符（详见下列表格）出现在要显示的文本中，它们应该写成实体。如果您想要您需要改为：< (小于号)&lt;> (大于号)&gt;&(和)&amp;' (英文单引号)&apos;'' (英文双引号)&quot;

　　我们来看个例子。假设您想实现的文本是：

　　您的XML应该这么写：

　　在这里：大于号没有写成>，而是单引号也没有直接写为'，而是

　　这就是实体。XML的实体是对数据的引用，而不是直接使用该数据。通过上述表格，我们也发现了，实体的标准写法是：以一个与字符（&）开始，以一个分号（;）结束。

　　那，遇到包含实体的文本，应该怎么翻译呢？

　　1.2 如何翻译包含实体的XML文档？

　　我们回到图一的文档：

　　如果把这个文档直接导入memoQ进行翻译，默认情况下，memoQ默认的XML过滤器就可以自动识别这样的文本。所以，如果这个文本直接导入memoQ，会是这样的：

　　是的，我们发现了：memoQ自动把转为了，把转为了。

　　这时候我们也发现，咦，memoQ自动转换为HTML的样式了：不就是一个换行标签嘛！不就是一个加粗样式嘛！

　　所以您可以理解为：这个文本是在XML基础上包含了HTML样式。那就简单了，您可以用层叠过滤器解决。关于层叠过滤器，您可以查看帮助文档：https://docs.memoq.com/current/en/Places/create-new-filter-cascading.html?Highlight=cascading%20filter我们以后也会再讲，慢慢涨知识既然是XML文档，所以我们第一层过滤器还用XML过滤器；既然包含HTML样式，所以我们叠加一层HTML过滤器。

　　重新导入后，就OK啦！该变为标签的也变为标签了这样就不用担心出现字符串误译或者丢失的问题了

　　二、翻译包含HTML样式的XML文档（CDATA篇）

　　在这一部分我会讲另一种XML 中包含 HTML 的文本，也就是包含 CDATA 的文档。包含CDATA的XML也是应用程序本地化中常遇到的一种文档格式。我们先来看它长什么样子：

　　我们发现它是符合 XML 标准的：第一行说明语句：第二行和最后一行根元素：中间有是的子元素。

　　但是也有点不一样，就是多了一些的东西。这就是 CDADA 文档。那么它到底是个什么，又该如何翻译呢？

　　2.1 什么是 CDADA?

　　我们知道，计算机在读取编程文件的时候，是一行一行来读的。我用前面的 XML 文档为例。

　　计算机就会先读取第一行：，然后计算机就知道了：“哦，原来是个xml文档，要识别为XML文档~”。然后继续往下读，“哦，是个示例呀~”。可是如果遇到走不通的地方，计算机读不懂，就会提示您：“哎呀，出错惹，我读不懂啊”。（这就是我们经常说的报错。）可是为什么会有报错呢？可能的原因有：代码逻辑有问题。或者这是个XML文档，您写的不是XML样式，所以您跟它说，它确实读不懂。（

　　如果是代码有问题，您可以自行检查并解决第二个原因，怎么解决呢？改成它能懂得语言；——比如我们前面讲的改为实体，如果读不懂，就改为既然读不懂，就别难为计算机了——比如通过 CDATA 就是一种解决方法。

　　怎么解决呢？我们先来看看 CDATA 是什么。CDATA 的全名是character data。在 XML 文档中，文本均会被计算机读取和解析，但是被 CDATA 包起来的文本除外。比如某些代码，包含像 、 、 等字符，我们可以将其定义为 CDATA，这样计算机就不会读这部分内容，也就会减少出错了。CDATA 部分由 开始，由 结束：我们还是以本文开篇的 CDATA 文档为例，这次我们用 Chrome 打开看一下。

　　我们发现，由 CDATA 包起来的内容是没有读取的但我们其实想要的结果是：不管是什么Java XML HTML 语言，都是要读的，也还是要翻译的。那么遇到 CDATA 该怎么翻译呢？

　　2.2 如何翻译包含CDATA 的XML？

　　我们先看源文档：

　　其实不是不能读，是不能用 XML 读了。要用它支持的语言读。所以：如果要翻译出 CDATA 的部分，必须要知道 CDATA 包起来的部分是什么。在这个例子中，我们发现，其实被 CDADA 包起来的内容是 HTML 样式，像、都是，当然也有实体，像、。

　　所以还是用层叠过滤器：既然是XML文档，那第一层过滤器还是用 XML 过滤器；既然 CDATA 部分是 HTML 样式，那第二层我们就用HTML 过滤器。

　　继续加过滤器，加一层正则表达式标注器，标记为标签。该是段落识别为段落，该是标签识别为标签，该是特殊字符的还原特殊字符

　　记得怎么用正则标注标签吗？不记得看这里回顾：正则篇（六）：用正则将文本标记为标签

　　三、翻译含有DTD样式的XML文档

　　有时候，我们也会收到这样的文件包：文件包里既有xml文档，又有一个dtd文档。

　　如果打开其中一个XML文档，是长这样的：

　　您会发现：似乎和图1的XML不一样这个文档多了第二行：——其实，这是DOCTYPE 声明的内容，用来告诉您：“这是这个文档类型是一个PartPage，引用的是外部的partpage.dtd文档”。您也会发现：这个第二行的最后"partpage.dtd"不就是文件包中的后缀名为*.dtd的partpage.dtd文档嘛！是的！如果您打开这份*.dtd文档（其实这就是一个ASCII的文本文件）——也就是包含 DTD 的 "partpage.dtd" 文件，长这样：这就是含有DTD的XML文档，那，DTD是什么？

　　3.1 认识DTD

　　3.1.1 定义

　　DTD 是英文Document Type Definition的首字母缩写，中文意思为“文档类型定义”。通过DTD我们可以验证XML是“合法”，也就是说：验证您的XML文档结构是否拥有正确语法，或者您可以理解为是否符合要求。如果您不想知道这是什么，也可以直接往下划，直接看如何翻译含有DTD的XML，找到方法论。那么问题来了：正确语法是什么？或者说：要求是什么？3.1.2 DTD构成首先，在原XML中已经声明了：，您可以理解为自我介绍：“我引入partpage文档；”

　　我们看一下DTD的这个构成：

　　3.1.2.1 元素

　　在 DTD 中，元素通过ELEMENT来进行声明。语法如下：所以我们看第2行，说明了：根元素元素应该包含哪几个子元素，这里有、、、等。所以您会发现，在右侧的正文XML中就是按照这几个元素及关系在定义的。

　　再比如第7行就定义了：父元素应该包含、两个子元素。

　　那元素名右上角的星号（*）、加号（+）号等等是什么意思呢？

　　类似我们前面讲的正则的符号表示，详见：常规XML文档的翻译与本地化：星号（*）表示该元素出现零次或多次。理解了星号，加号就很容易理解了：加号（+）表示该元素至少出现一次，也就是一次或多次。

　　所以，在上图中，右侧的XML文件有、、、元素，但是没有或者等元素。但是我们在右图，在右侧的XML中就有了元素，但是却没有元素。

　　3.1.2.2 属性

　　在 DTD 中，属性通过 ATTLIST 声明来进行声明。语法如下：比如这里的第100行：Item元素包含了 priority 属性属性类型是CDATA。关于CDATA，参见：翻译包含HTML样式的XML文档 (CDATA篇)该元素默认值，表示priority 属性不是必需的。所以第53行的Item有priority属性，但是像69行、74行、79行就没有priority属性。

　　3.1.2.3 实体

　　前面我们讲过XML的实体，详见：翻译包含HTML样式的XML文档（实体篇）。在 DTD 中，实体通过 ENTITY 来进行声明：，或者。因为这个文档中没有，所以我不介绍了，大家需要的话去网络上查找

　　3.2 如何翻译含有DTD样式的XML文档？

　　在翻译包含DTD的XML时，可以有2步：检查翻译包配置及测试过滤器

　　3.2.1 翻译包检查

　　在正式启动翻译之前，您需要检查源文档和翻译包。您需要检查：1、发送过来的翻译包是单个文档还是多个文件的翻译包；如果是多个文档的翻译包，哪几个文档需要翻译？比如这个翻译包：文件包里有4个xml文档，以及一个dtd文档。

　　2、检查需要翻译的XML文档，看一下源文XML文档是否有外部引用；比如，下图中就包含了一个"partpage"的dtd引用。

　　3、如果XML中有有外部引用，对比翻译包中的引用文档是否和声明中的引用一致。在本案例中，根据上面两张图，发现翻译包中的引用文档和声明中的引用是一致的。

　　既然收到的翻译包没有明显的错误，那我们导入memoQ进行翻译我们前面一直讲：导入翻译文档，需要设置正确的过滤器。那么，包含DTD的XML文档应该如何配置呢？

　　3.2.2 为包含DTD的XML配置过滤器

　　当然，在CAT中，过滤器也可以叫解析器。都一样~配置过滤器有三个步骤：选择正确的过滤器配置过滤器检查过滤器。

　　3.2.2.1 选择正确的过滤器

　　既然是XML文档，那么我们就用XML过滤器即可。所以在导入时，选择：导入 -> 找到需要翻译的4个XML文档 ->选择 XML 过滤器，如图所示。

　　3.2.2.2 配置过滤器

　　默认的过滤器不能满足我们的需要，所以我们可以更改过滤器配置。操作如下：1、在文档导入选项 -> 点击“更改过滤器配置” -> 跳转出“文档导入设置”窗口；

　　2、在“文档导入设置”窗口 -> 点击“DTD/架构文件”的“浏览” -> 选择正确的dtd文档；

　　3、点击“①标签和属性” -> 配置XML过滤器。具体如下：点击 “②填充” -> 自动填充 ③标签 和 ④标签属性在 ⑤标签设置” -> 设置哪些标签需要翻译、哪些标签属于行内标签在 ⑥属性设置” -> 设置哪些标签属性需要翻译、哪些标签属于非译元素或上下文等条件可以参考 ⑦实例 为每一个 ③标签 和 ④标签属性单独设置不同条件还可以在 ⑧预览区预览实际文件内容您还可以点击 ⑨保存过滤器，保存并 ⑩重命名一个新的过滤器，供下次使用。

　　更多关于XML翻译的解析器设置，请参考：常规XML文档的翻译与本地化-如何翻译单语XML文档？4、过滤器配置完成后，点击确定即可导入翻译文档

　　3.2.2.3 检查过滤器

　　按照配置过滤器的操作，导入后如图所示：

　　为了保障译文的格式准确性，我们要测试，看一下译文是否可以按照目标语言顺利导出比如在这里，您可以借助小牛机器翻译，利用MT进行预翻译。

　　并把MT的译文导出检查一下~如果导出后的译文如图所示，可以顺利显示，就说明是成功的：

　　如果没问题，那就可以正式启动翻译了更多关于memoQ翻译的操作，详见：memoQ入门指南。

　　四、翻译XSD文档

　　4.1 认识XSD文档

　　XML Schema Definition（XSD），也是定义 XML 文档的合法构建模块，非常类似 XSD，也是应用程序本地化中常见的文档。所以，我们来简单了解一下XML Schema Definition（XSD）。在看本文前，请确保您已经：了解XML是什么了解XML的元素、标签、文本、属性和实体；对DTD有基本的认识。

　　4.1.1 XSD定义

　　XML Schema 的作用是定义 XML 文档的合法构建模块。其实真的定义跟XSD也差不多~通过XSD我们可以验证XML是“合法”，同理，我们通过xsd也是为了验证XML是否“合法”。在这里我用一个翻译包给大家看一下：文件包里既有xml文档，又有一个 *.xsd 文档。

　　打开这两个文档，如图所示。

　　我们发现：XML中的元素名就是右侧XSD文档中定义好的，比如：XML第2行的根元素，是右侧XSD文档第3行的name属性值；XML第3行的元素，是右侧XSD文档第6行的name属性值；XML第4行的元素，是右侧XSD文档第9行的name属性值。

　　左侧XML的结构是按照右侧XSD定义的，比如：在右侧XSD文档中，第一个根元素属性值Root，就是左侧的XML的根元素；在右侧XSD文档中，第二行子元素属性值Customers，就是左侧的XML的的子元素。同理，也是的子元素。

　　左侧XML元素的数量是按照右侧XSD定义的，比如：在右侧XSD文档中，第九行就说明了XML第4行的元素，是可以出现0次-无数次的。

　　对XML Schema来说，它可以:定义文档中的元素名，元素的属性值定义元素和属性的数据类型定义各个元素的关系，哪个元素是子元素，哪些元素是兄弟元素定义子元素的次序定义子元素的数目等

　　所以说 XML Schema 比 XSD 更强大，而且据说很快会在大部分网络应用程序中取代 XSD。

　　4.1.2 XSD构成如图所示，首先，XSD也是XML文档，所以结构符合XML的文档结构：第一行的是声明语句。从第二行开始，就是根元素元素。元素可包含属性。一个 schema 声明往往看上去类似这样：根元素之间还有子元素、等。

　　我们看一下XSD的构成。

　　4.1.2.1 元素在 XSD 中，元素依然是通过element来进行定义。语法如下：其中：name的属性值 xxx，指元素名type的属性值 yyy，指元素的数据类型

　　所以，如图所示，在右侧xsd中（绿色方框）就定义了左侧XML的元素（红色方框）有： 等；其中，如蓝色椭圆所示，元素 是根元素的子元素；如灰黑色椭圆所示，元素 是元素 的子元素；

　　更多关于XSD的元素和数据类型，您可以去网络上查找~比如复合元素（complexType）是什么，在这个案例中，其实、就是复合元素。

　　4.1.2.2 属性

　　在 XSD 中，属性通过 attribute 来进行声明。语法如下：如图所示，在右侧XSD中就声明了：元素的属性是，其属性值（左侧XML文档的第65行）应该是日期时间数据类型，也就是在右侧第72行看到的。

　　4.1.2.3 其它

　　当然，其它内容xsd的介绍，若您感兴趣的话可以去网络上查找，比如：通过元素来表示子元素出现的顺序，每个子元素可出现 0 到任意次数。

　　通过元素来指定属性或元素值（或一组值）必须是指定范围内的键。

　　4.2 如何翻译XSD文档？

　　在翻译包含XSD的XML时，也是有2步：检查翻译包配置及测试过滤器

　　4.2.1 翻译包检查在正式启动翻译之前，您需要检查源文档和翻译包。您需要检查：1、发送过来的翻译包是单个文档还是多个文件的翻译包；如果是多个文档的翻译包，哪几个文档需要翻译？比如这个翻译包：文件包里有1个xml文档，以及一个*.xsd文档。明确一点：xsd是架构文件，不需要翻译，需要翻译的是其XML文档

　　2、检查需要翻译的XML文档，看一下源文XML文档和xsd是否一致；在这个案例中，您会发现：左侧XML中的元素名和属性值和右侧XSD文档的定义是一致的，比如：XML第2行的根元素，是右侧XSD文档第3行的name属性值；左侧XML的结构是按照右侧XSD定义的，比如：在右侧XSD文档中，第一个根元素属性值Root，就是左侧的XML的根元素。

　　如果既然收到的翻译包没有明显的错误，那您就可以利用memoQ进行翻译了我们前面一直讲：导入翻译文档，需要设置正确的过滤器。那么，包含XSD的XML文档应该如何配置呢？

　　4.2.2 为包含XSD的XML配置过滤器和配置DTD完全一致我们在前面讲过，翻译包含DTD的XML文档，配置过滤器有三个步骤：选择正确的过滤器配置过滤器检查过滤器。

　　翻译包含架构文件的XML操作也是一模一样4.2.2.1 选择正确的过滤器既然是XML文档，那么我们就用XML过滤器即可。所以在导入时，选择：导入 -> 找到需要翻译的XML文档 ->选择 XML 过滤器，如图所示。

　　4.2.2.2 配置过滤器默认的过滤器不能满足我们的需要，所以我们可以更改过滤器配置。操作如下：1、在文档导入选项 -> 点击“更改过滤器配置” -> 跳转出“文档导入设置”窗口；

　　2、在“文档导入设置”窗口 -> 点击“DTD/架构文件”的“浏览” -> 选择正确的XSD文档；

　　3、点击“①标签和属性” -> “②填充”

　　4、自动弹出Namespace URL -> 点击确定

　　5、配置如图所示的 ③标签 和 ④标签属性在 ⑤标签设置” -> 设置哪些标签需要翻译、哪些标签属于行内标签在 ⑥属性设置” -> 设置哪些标签属性需要翻译、哪些标签属于非译元素或上下文等条件可以参考 ⑦实例 为每一个 ③标签 和 ④标签属性单独设置不同条件还可以在 ⑧预览区预览实际文件内容您还可以点击 ⑨保存过滤器，保存并 ⑩重命名一个新的过滤器，供下次使用。

　　更多关于XML翻译的解析器设置，请参考：如何翻译单语XML文档？6、过滤器配置完成后，点击确定即可导入翻译文档~

　　4.2.2.3 检查过滤器按照配置过滤器的操作，导入后如下图所示：我们发现：编辑器的界面看上去都是正常的，比如：① 是memoQ的功能区；② 是memoQ的翻译区，我们可以在这里翻译；③ 是memoQ的预览区，我们可以在这里预览原文；④ 是memoQ的翻译结果区，所有的翻译结果（机器翻译、术语库、记忆库、片段提示等）都在这里呈现；⑤ 是文档的统计栏，我可以看项目和文档的统计情况，比如进度、已编辑的句段统计、QA统计、原文译文的长度比例和字符数量等等。

　　4.2.3 测试译文但是，过滤器配置完，不代表万事大吉记得我们之前讲过的编码问题吗？如图所示，虽然翻译好了，但是导出后的编码有问题。

　　所以，为了保障译文的格式准确性，我们要测试，看一下译文是否可以按照目标语言顺利导出比如在这里，我依然借助小牛机器翻译，利用MT进行了预翻译。

　　并把MT的译文导出检查一下~如果导出后的译文如图所示，可以顺利显示，就说明是OK的：

　　果然没问题，那我们就可以正式启动翻译啦~更多关于memoQ翻译的操作，详见：memoQ 入门指南。相关推荐: 常规XML文档的翻译与本地化认识翻译与本地化的源文档：XML文档入门（一）如何用AI自动化翻译XML和HTML文档？全方位游戏质量管理——LangLink游戏本地化案例分享分享提高职业译员翻译生产力十个维度

　　上一篇: 常规XML文档的翻译与本地化