多标记文件如何有效定位标记错漏

大家从我的历史博文以及我的自我介绍就能看出，我是一个十项全能的翻译人，不但做翻译，还做专业排版，特别是将排版的前期纳入翻译流程，从而大幅提高效；一言以蔽之，就是在双语对照环境中，将双语文本对齐，然后将排版相关标记从原文复制到译文中（2021年我给澳洲中文翻译协会做过一次线上讲座，进行过具体介绍）。

最近在完成联合国一个几百页的一个法律年鉴项目中，遇到了一个非常棘手的问题，接连好几天试图解决，都没成功，最终借助一个方法，高效解决。下面具体介绍一下，希望对大家有所借鉴。

首先，这个项目是一个IDML文件，有3000多个段落（上万的句子，几十万字），其中一多半段落有排版相关标记，比如斜体、粗体、交叉参照、外链等等。

按照惯例，我将并不需要翻译的书目部分，以及其他一些非译单元（比如数字等等），全部锁定，然后将需要翻译的部分专门做了一个视图，打开进行双语对照和标记恢复工作。完成后，我借助QA工具，完成文字质检和标记验证工作，导出中文IDML文件，没有报错，但用Indesign打开这个文件时，软件界面僵死，没有任何额外信息。我的直接告诉我，还是标记有问题。于是回到memoQ，继续进行QA，忽略或解决了一些不太严重标记问题，比如前后顺序颠倒，结果还是不行。之后，我又尝试用几个旧版本Indesign尝试，还是同样的僵死问题。

最后，我开始怀疑memoQ标记验证功能有缺陷，于是决定扩展一下，用自己的方法进行标记验证。

首先，为了避免遗漏，我将整个IDML文件打开，进行QA，然后制作一个专门选中“Unsupressed warning”（未抑制的警告）的视图，取名为 issues，然后将这个视图导出RTF。为了确保看清楚到底是什么标记出了问题，我在导出是专门选中了“Export the full text of inline tags”（导出线内标记的完整文本）。在Word打开RTF：

因为只是要对比原文连和译文列的标记，所以首先用Word的搜索替换功能，将黑色文本（其实Text 1风格）替换掉，只保留红色标记：

替换结果如下：

下面，我要借助谷歌大神Fraser的diff-match-patch在线工具 - https://neil.fraser.name/software/diff_match_patch/demos/diff.html，进行文本对比。具体步骤并入下：

首先，我将前两列内容选中，粘贴到diff窗口的Text Version 1文本框，然后将第二列删除，在选中前两列，复制粘贴到 Text Version 2。我之所以也让第一列参与对比，是因为这列带连续序号，可以清楚标记参与对比的文字属于那个翻译单元。按ComputeDiff，几秒钟后得到结果：

哈，一下子就看到了标记的异同！第一段，删除了两个nl，这个无关痛痒，因为nl是new line的意思，表示换行；因为中文通常比原文短，所以有些换行也就不需要了。看到第二段的那个删除的标记，我立马知道问题所在了。那行是这个出版物的销售编号，通常不用翻译，而且有时还需要整个删除（比如这次这个项目）。在制作双语对照文件时，对于整个删除的内容，我会用三个空格代替（因为memoq对于整个删除的内容，会认为是没有翻译，在导出时会恢复原文，而这不是我想要的）。但这次，因为匆忙，我在用三个空格代替是，没有看到原文中有个起始标记，所以等于把这个标记也删除，而且在制作后续工作所使用的视图时，把这行也排除在外了，所以这个漏网之鱼一直没有被发现和纠正：

 第四行也有类似问题，赶紧一并解决：

 后面又发现了一些标记问题：

 

但这些标记都是根据具体译文专门添加的，只要成对添加就没有问题，所以忽略了。继续看，又有新的发现：

 

 124这个，必须修正（涉及斜体风格）。125这个，其实是换了顺序，没有问题。

后面又忽略了一些标记问题，然后重新导出IDML文件用Indesign，问题依旧，。。。

最后，决定采用二分法排除问题，经过将近10次循环之后，最后筛查到下面一些段落：

把那些换行标记恢复之后，导出的IDML终于能正常打开了！这就太奇怪了，这些标记只涉及换行，按理说不会导致IDML结构问题，怎么就无法到开呢？我最终猜测，这些标记会影响版面文字流动，因为某个或某些换行凑巧造成大量计算，所以导致程序僵死。

另外，我发现一个规律，在Indesign打开文件时，那个绿环光标如果一直显示（并不闪烁），那程序基本而言就是僵死了。而如果每个几秒钟就闪烁一下，那么说明程序并未真正僵死，只需多等待一会，就会正常打开。