尝试自动批量翻译方舟编译器源码中的标识符

在对方舟编译器源码中的近百个标识符/字符串常量进行手工汉化后, 尝试用批量替换+字典的方式对源码标识符进行自动翻译, 目标是自动翻译后达到与手工相同的效果.

字典来源于之前的手动提交. 批量替换之前基本没有任何语法分析, 仅有不完全的注释/字符串识别处理. 阶段小结如下.

处理的结果与之前的手动修改比较. 生成的diff大约30k, 大约60多处不同. 相对修改的上千处代码来说, 比例很小.

存在的几种问题

1. 同名标识符
   有些本地标识符没有被替换的, 如DefaultOption中的mplOptions. 在汉化过程中, 同名标识符可能属于不同类, 不一定使用同一中文翻译, 这种情况暂时无法处理, 需要语法分析.

   统计(diff中的出现次数, 下同): 4 8 5 3 1 3 2

   ret是否全都是"返回"的语义需逐个检查. 之前并非全局替换.

   统计: 7

   还有OptionParser中的Parse, 也和Compiler的Parse重名.

   统计: 2 1

2. 注释与字符串
   一些标识符在注释/字符串中也应翻译, 如:ASSERT(i == 0, "Invalid operand idx in UnaryNode");中的UnaryNode.
   统计: 15 11 1
   当前默认不翻译, 是为了避免不完整翻译. 比如避免"Error while Exe, cmd: "这一字符串被译为"Error while 运行, cmd: "

3. 标识符替换的硬伤:

-    LogInfo::MapleLogger() << "/* &" << GlobalTables::GetGsymTable().GetSymbolFromStidx(m.first.Idx())->求名称();
+    LogInfo::MapleLogger() << "/* &" << GlobalTables::GetGsymTable().GetSymbolFromStidx(m.first.Idx())->GetName();

此处由于字符串中带有/*, 因此被误判为注释因而GetName未被翻译

统计: 2 1 2

4. 命名冲突

const int 运行(const 选项类 &mplOptions, const std::string &options) const;

其他多数情况下, mplOptions和options都被翻译成"选项", 并无冲突. 但这种情况下, 需要区别.

统计: 1

问题分析

• 2可通过只当某些标识符在注释/字符串中出现时翻译来规避.
• 多数问题(1, 3, 4)需要更进一步的语法分析. 包括字符串/注释的识别, 以及不同类中的同名域的区分等等. 最好借助于现成的C++语言分析器.

自动修改的优点

相比手工修改, 减少了不少低级错误(已在主库修正). 比如手工替换时未注意大小写, 以及未对整体标识符进行替换等等.

结论

1. 使用程序进行源码自动修改有可行性, 即使工具很简陋
2. 在找到好用的C++源码分析器之前, 暂停改进此自动修改工具