/ 
App-Greple-xlate-2.00
⭐ Starred 0 / App::Greple::xlate

NAME

App::Greple::xlate - modul de suport pentru traducere pentru greple

SYNOPSIS

greple -Mxlate --xlate-engine gpt5 --xlate pattern target-file

greple -Mxlate --xlate-engine deepl --xlate pattern target-file

VERSION

Version 2.00

DESCRIPTION

Greple xlate găsește blocurile de text dorite și le înlocuiește cu textul tradus. Motorul principal este GPT-5.5 (llm/gpt5.pm), care apelează comanda llm; DeepL (deepl.pm) și motoarele moștenite bazate pe gpty sunt de asemenea incluse.

Traducerile sunt puse în cache pe fișier, astfel încât rerularea unei comenzi nu costă nimic pentru textul neschimbat. Când un document este editat, numai paragrafele modificate sunt trimise din nou la API; un motor conștient de context primește, de asemenea, traducerile înconjurătoare, textul sursă brut din jurul modificării și versiunea anterioară a paragrafului editat, astfel încât noua traducere păstrează formularea stabilită (vedeți --xlate-context-window). Șirurile sensibile pot fi mascate înainte de transmitere (vedeți "ANONYMIZATION AND TEMPLATES").

Dacă doriți să traduceți blocuri de text obișnuite într-un document scris în stilul pod al Perl, utilizați comanda greple cu --xlate-engine gpt5 și modulul perl astfel:

greple -Mxlate --xlate-engine gpt5 -Mperl --pod --re '^([\w\pP].*\n)+' --all foo.pm

În această comandă, șirul de tipar ^([\w\pP].*\n)+ înseamnă linii consecutive care încep cu litere și cifre și semne de punctuație. Această comandă arată zona ce urmează a fi tradusă evidențiată. Opțiunea --all este folosită pentru a produce textul integral.

Apoi adăugați opțiunea --xlate pentru a traduce zona selectată. Atunci va găsi secțiunile dorite și le va înlocui cu ieșirea motorului de traducere.

Implicit, textul original și cel tradus sunt tipărite în formatul „conflict marker” compatibil cu git(1). Folosind formatul ifdef, puteți obține partea dorită cu comanda unifdef(1) ușor. Formatul ieșirii poate fi specificat prin opțiunea --xlate-format.

Dacă doriți să traduceți întregul text, folosiți opțiunea --match-all. Aceasta este o scurtătură pentru a specifica tiparul (?s).+ care se potrivește întregului text.

Datele în format conflict marker pot fi vizualizate în stil side-by-side cu comanda sdif și opțiunea -V. Deoarece nu are sens să comparați pe bază de șir, se recomandă opțiunea --no-cdif. Dacă nu aveți nevoie să colorați textul, specificați --no-textcolor (sau --no-tc).

sdif -V --no-filename --no-tc --no-cdif data_shishin.deepl-EN-US.cm

NORMALIZATION

Procesarea se face în unitățile specificate, dar în cazul unei secvențe de mai multe linii de text ne-gol, acestea sunt convertite împreună într-o singură linie. Această operație se efectuează după cum urmează:

  • Eliminați spațiile albe de la începutul și sfârșitul fiecărei linii.

  • Dacă o linie se termină cu un caracter de punctuație full-width, concatenați cu linia următoare.

  • Dacă o linie se termină cu un caracter full-width și linia următoare începe cu un caracter full-width, concatenați liniile.

  • Dacă fie sfârșitul, fie începutul unei linii nu este un caracter full-width, concatenați-le inserând un caracter spațiu.

Datele din cache sunt gestionate pe baza textului normalizat, astfel încât, chiar dacă se fac modificări care nu afectează rezultatele normalizării, datele de traducere din cache vor rămâne valabile.

Acest proces de normalizare se efectuează numai pentru modelul (tiparul) primul (al 0-lea) și pentru cele cu număr par. Astfel, dacă sunt specificate două tipare ca mai jos, textul care se potrivește primului tipar va fi procesat după normalizare, iar pe textul care se potrivește celui de-al doilea tipar nu se va efectua niciun proces de normalizare.

greple -Mxlate -E normalized -E not-normalized

Prin urmare, folosiți primul tipar pentru textul care urmează să fie procesat prin combinarea mai multor linii într-o singură linie și folosiți al doilea tipar pentru text preformatat. Dacă nu există text care să se potrivească primului tipar, folosiți un tipar care nu se potrivește cu nimic, cum ar fi (?!).

MASKING

Ocazional, există părți din text pe care nu doriți să le traduceți. De exemplu, etichete în fișiere markdown. DeepL sugerează ca, în astfel de cazuri, partea de text care trebuie exclusă să fie convertită în etichete XML, tradusă, apoi restaurată după finalizarea traducerii. Pentru a susține acest lucru, este posibil să specificați părțile care vor fi mascate de la traducere.

--xlate-setopt maskfile=MASKPATTERN

Aceasta va interpreta fiecare linie a fișierului MASKPATTERN ca o expresie regulată, va traduce șirurile care se potrivesc cu aceasta și va reveni după procesare. Liniile care încep cu # sunt ignorate.

Un tipar complex poate fi scris pe mai multe linii cu newline scăpat prin backslash.

Modul în care textul este transformat prin mascarea poate fi văzut prin opțiunea --xlate-mask.

Mascarea protejează marcajul împotriva traducerii. Pentru a ascunde șirurile sensibile de serviciul de traducere însuși, consultați "ANONYMIZATION AND TEMPLATES"; ambele pot fi utilizate împreună.

Această interfață este experimentală și poate suferi modificări în viitor.

ANONYMIZATION AND TEMPLATES

Șirurile sensibile pot fi ascunse înainte de a fi trimise către API-ul de traducere și restaurate în ieșire. Sunt disponibile trei surse de reguli de anonimizare: un fișier dicționar (--xlate-anonymize), marcaje inline în documentul însuși (--xlate-anonymize-mark) și valori YAML front matter (--xlate-frontmatter). Fiecare șir este înlocuit cu o etichetă de categorie, cum ar fi <person id=1 />, în timpul transmiterii. Ținta ascunderii este doar transmiterea către API: fișierele cache locale stochează text simplu restaurat. Folosiți --xlate-dryrun pentru a inspecta exact ce ar fi transmis.

Pentru documente de tip formular (rapoarte trimestriale și altele asemenea), definiți actorii în avans și faceți referire la ei în corp:

---
報告者: 山田太郎
発注会社: アクメ株式会社
---
本件について {{ 報告者 }} が調査を行った。

Traduceți șablonul o singură dată pentru fiecare limbă cu --xlate-template (și --xlate-frontmatter când valorile sunt păstrate în fișier), apoi redați fiecare caz cu modul autonom pandoc-embedz -- valorile de sub global: dintr-o configurație externă nu ajung niciodată la API-ul de traducere:

greple -Mxlate --xlate --xlate-engine=gpt5 --xlate-to=EN-US \
       --xlate-template= --xlate-format=xtxt \
       --match-paragraph --all --need=0 \
       report-template.md > report-template.EN.md
pandoc-embedz --standalone report-template.EN.md \
              -c case-123.yaml -o report-123.EN.md < /dev/null

Pentru marcaje inline, furnizarea unei configurații de definiție a macrocomenzilor face ca același șablon tradus să redea fie numele reale, fie o versiune redactată:

# macros.yaml           # macros-redacted.yaml
preamble: |             preamble: |
  {% macro person(name) %}{{ name }}{% endmacro %}
                          {% macro person(name) %}(関係者){% endmacro %}

Excludeți blocurile embedz de la traducere atunci când un document le conține:

--exclude '^```embedz\n(?s:.*?)^```\n'

OPTIONS

--xlate
--xlate-color
--xlate-fold
--xlate-fold-width=n (Default: 70)

Pornește procesul de traducere pentru fiecare zonă potrivită.

Fără această opțiune, greple se comportă ca o comandă de căutare normală. Astfel puteți verifica ce parte a fișierului va face obiectul traducerii înainte de a porni munca efectivă.

Rezultatul comenzii merge la ieșirea standard, deci redirecționați către fișier dacă este necesar sau luați în considerare folosirea modulului App::Greple::update.

Opțiunea --xlate apelează opțiunea --xlate-color cu opțiunea --color=never.

Cu opțiunea --xlate-fold, textul convertit este împărțit la lățimea specificată. Lățimea implicită este 70 și poate fi setată prin opțiunea --xlate-fold-width. Patru coloane sunt rezervate pentru operația run-in, astfel încât fiecare linie poate conține cel mult 74 de caractere.

--xlate-engine=engine

Specifică motorul de traducere care va fi utilizat.

În acest moment, sunt disponibile următoarele motoare

  • gpt5: gpt-5.5 (via the llm command)

  • deepl: DeepL API (via the deepl command)

  • gpt3: gpt-3.5-turbo (legacy, via the gpty command)

  • gpt4o: gpt-4o-mini (legacy, via the gpty command)

Modulele de motor sunt căutate mai întâi în spațiile de nume backend (llm, apoi gpty), apoi direct sub App::Greple::xlate. Astfel, gpt5 încarcă App::Greple::xlate::llm::gpt5, care apelează comanda llm, în timp ce gpt4o revine la App::Greple::xlate::gpty::gpt4o. Folosiți --xlate-setopt backend=gpty pentru a forța un backend specific.

--xlate-labor
--xlabor

În loc să apelați motorul de traducere, se așteaptă să lucrați manual. După pregătirea textului de tradus, acesta este copiat în clipboard. Se așteaptă să îl lipiți în formular, să copiați rezultatul în clipboard și să apăsați Enter.

--xlate-to (Default: EN-US)

Specificați limba țintă. Motoarele LLM acceptă orice nume de limbă sau cod pe care modelul îl înțelege; acesta este interpolat în promptul de traducere. Puteți obține limbile disponibile cu comanda deepl languages când folosiți motorul DeepL.

--xlate-from (Default: ORIGINAL)

Etichetă utilizată pentru textul original în formatele de ieșire conflict, colon și ifdef. Cu motorul DeepL, o valoare diferită de cea implicită este transmisă și ca limbă sursă.

--xlate-format=format (Default: conflict)

Specificați formatul de ieșire pentru textul original și tradus.

Următoarele formate, altele decât xtxt, presupun că partea de tradus este o colecție de linii. De fapt, este posibil să traduceți doar o porțiune a unei linii, dar specificarea unui format diferit de xtxt nu va produce rezultate semnificative.

conflict, cm

Textul original și cel convertit sunt tipărite în formatul marcatorilor de conflict git(1).

<<<<<<< ORIGINAL
original text
=======
translated Japanese text
>>>>>>> JA

Puteți recupera fișierul original cu următoarea comandă sed(1).

sed -e '/^<<<<<<< /d' -e '/^=======$/,/^>>>>>>> /d'
colon, :::::::

Textul original și cel tradus sunt afișate într-un stil de container personalizat pentru markdown.

::::::: ORIGINAL
original text
:::::::
::::::: JA
translated Japanese text
:::::::

Textul de mai sus va fi tradus în următorul format HTML.

<div class="ORIGINAL">
original text
</div>
<div class="JA">
translated Japanese text
</div>

Numărul de două puncte este 7 în mod implicit. Dacă specificați o secvență de două puncte precum :::::, aceasta este folosită în locul celor 7 două puncte.

ifdef

Textul original și cel convertit sunt tipărite în formatul cpp(1) #ifdef.

#ifdef ORIGINAL
original text
#endif
#ifdef JA
translated Japanese text
#endif

Puteți prelua doar textul japonez cu comanda unifdef:

unifdef -UORIGINAL -DJA foo.ja.pm
space
space+

Textul original și cel convertit sunt tipărite separate de o linie goală. Pentru space+, se afișează și un rând nou după textul convertit.

xtxt

Dacă formatul este xtxt (text tradus) sau necunoscut, se tipărește doar textul tradus.

--xlate-maxlen=chars (Default: 0)

Specificați lungimea maximă a textului care va fi trimis la API dintr-o singură dată. Valoarea implicită 0 înseamnă limita proprie a motorului: pentru serviciul contului DeepL gratuit, aceasta este 128K pentru API (--xlate) și 5000 pentru interfața clipboard (--xlate-labor). Este posibil să puteți schimba aceste valori dacă utilizați serviciul Pro.

--xlate-maxline=n (Default: 0)

Specificați numărul maxim de linii de text care vor fi trimise la API dintr-o singură dată.

Setați această valoare la 1 dacă doriți să traduceți câte o linie pe rând. Această opțiune are prioritate față de opțiunea --xlate-maxlen.

--xlate-prompt=text

Specificați un prompt personalizat care să fie trimis motorului de traducere. Această opțiune este disponibilă pentru motoarele LLM (gpt3, gpt4o, gpt5), dar nu pentru DeepL. Puteți personaliza comportamentul traducerii furnizând instrucțiuni specifice modelului AI. Dacă promptul conține %s, acesta va fi înlocuit cu numele limbii țintă.

--xlate-context=text

Specificați informații contextuale suplimentare care să fie trimise motorului de traducere. Această opțiune poate fi utilizată de mai multe ori pentru a furniza multiple șiruri de context. Informațiile de context ajută motorul de traducere să înțeleagă fundalul și să producă traduceri mai precise.

--xlate-context-window=n

(Context-aware engines only, e.g. gpt5 on the llm backend) Numărul de blocuri traduse înconjurătoare transmise ca context de referință la retraducerea blocurilor modificate (implicit 2). Contextul include și textul sursă brut din jurul regiunii modificate (titluri, structura listelor, legende) și, când este disponibilă, versiunea anterioară a textului modificat recuperată din cache, astfel încât formulările neschimbate să fie păstrate. Setați la 0 pentru a dezactiva complet traducerea conștientă de context. Rețineți că fiecare regiune modificată este tradusă în propriul apel API, iar contextul poate adăuga până la aproximativ 8000 de caractere la promptul de sistem, astfel încât traducerea conștientă de context schimbă un cost suplimentar pentru consecvență.

--xlate-cache-seed=file

Inițializați cache-ul unui document nou din fișierul cache al altui document. Util pentru rapoarte periodice: inițializați cache-ul noului număr cu cel al numărului anterior, astfel încât paragrafele neschimbate să nu fie retraduse și paragrafele editate să păstreze formularea numărului anterior. Sămânța este folosită numai când cache-ul țintă este gol; altfel este ignorată cu un avertisment. Cu valoarea implicită --xlate-cache=auto, specificarea unei semințe implică și crearea fișierului cache al noului document.

--xlate-anonymize=file

Anonimizați șirurile sensibile înainte ca acestea să fie trimise către API-ul de traducere și restaurați-le în ieșire. Fișierul dicționar oferă câte o intrare pentru fiecare element: în JSON (canonic, generabil de mașină)

[ { "category": "person",  "text": "山田太郎" },
  { "category": "company", "regex": "アクメ(株式会社)?" } ]

sau într-un format simplu pe linii (category pattern, /.../ pentru regex). Fiecare element este înlocuit cu o etichetă de categorie precum <person id=1 />; același șir primește întotdeauna aceeași etichetă, astfel încât modelul să poată ține evidența cine este cine. Câmpurile JSON necunoscute sunt ignorate, astfel încât generatoarele (de ex. un LLM local care extrage entități) își pot adăuga propriile adnotări. Categoria lit este rezervată. Fișierele cache locale stochează în continuare text simplu restaurat: ținta mascării este doar transmiterea către API.

Un dicționar poate fi generat de un instrument extern -- de exemplu un model local care extrage entități sensibile:

llm -m <local-model> \
    -s 'Extract sensitive entities as a JSON array of objects
        with "category" and "text" fields.' \
    < report.md > report.anon.json
greple -Mxlate --xlate-anonymize=report.anon.json ...

Un BOM UTF-8 în fișier este tolerat. Valorile din formatul de linie front matter pot avea un comentariu final numai pe propria lor linie, nu după valoare.

--xlate-anonymize-mark[=regex]

Colectați intrări de anonimizare din marcaje inline în documentul însuși. Marcați prima apariție ca {{ person("山田太郎") }} și fiecare apariție a șirului în întregul document este anonimizată. Marcajul însuși rămâne în sursă și în traducere, astfel încât un document poate fi procesat și de un procesor de macrocomenzi în stil Jinja2 (definiți macrocomanda person pentru a afișa sau redacta numele). Un regex personalizat trebuie să conțină capturi numite (?<category>...) și (?<text>...).

Rețineți că, pentru o opțiune cu valoare opțională ca aceasta, un argument de fișier următor ar fi luat drept valoare: scrieți --xlate-anonymize-mark= (cu un = final) când folosiți notația implicită.

Notații alternative pot fi configurate, de exemplu --xlate-anonymize-mark='@@(?<category>[a-z][a-z0-9_]*):(?<text>[^\n]+?)@@' pentru marcaje în stil @@person:NAME@@, sau o formă de comentariu HTML care rămâne invizibilă în Markdown redat. Regulile de marcaj sunt colectate per document: un șir marcat într-un fișier de intrare nu este ascuns în alt fișier din aceeași rulare (spre deosebire de valorile front matter, care se acumulează între fișiere).

--xlate-template[=regex]

Tratați expresiile de șablon (implicit: Jinja2 {{ ... }}, {% ... %}, {# ... #}) ca substituenți opaci: instruiți modelul să le copieze neschimbate și verificați, pentru fiecare bloc, că răspunsul conține exact aceleași expresii, fiecare de același număr de ori. Ordinea lor se poate schimba, deoarece traducerea le reordonează legitim pentru a urma ordinea cuvintelor din limba țintă. O expresie deteriorată abandonează rularea; cache-ul este checkpointat și înghețat, astfel încât nimic plătit nu se pierde.

Rețineți că, în cazul unei opțiuni cu valoare opțională ca aceasta, un argument de fișier care urmează ar fi luat drept valoare: scrieți --xlate-template= (cu un = la sfârșit) când utilizați notația implicită.

--xlate-frontmatter

Tratați un bloc inițial --- ... --- ca front matter YAML: excludeți-l de la traducere și din feliile de context din faza 2 și adăugați valorile sale plate key: value la regulile de anonimizare (categoria var) ca plasă de siguranță. Cu mai multe fișiere de intrare, valorile colectate se acumulează (greșind în favoarea ascunderii).

Lăsați întotdeauna o linie goală după --- de închidere. Cu un tipar de potrivire de tip paragraf, front matter-ul care intră direct în textul corpului formează un singur bloc suprapus pe care excluderea nu îl poate suprima (în acest caz se afișează un avertisment); valorile sunt totuși anonimizate, dar front matter-ul însuși ar fi trimis pentru traducere.

--xlate-glossary=glossary

Specificați un ID de glosar care să fie utilizat pentru traducere. Această opțiune este disponibilă doar atunci când se folosește motorul DeepL. ID-ul glosarului trebuie obținut din contul dvs. DeepL și asigură traducerea consecventă a termenilor specifici.

--xlate-dryrun

Nu apelați API-ul de traducere; în schimb, afișați prin afișajul de progres fiecare payload exact așa cum ar fi transmis (după anonimizare și mascare). Util pentru a verifica ce părăsește mașina și pentru a estima costul unei rulări.

--[no-]xlate-progress (Default: True)

Vedeți rezultatul traducerii în timp real în ieșirea STDERR. Payload-ul From este afișat așa cum a fost transmis, după anonimizare și mascare.

--xlate-stripe

Folosiți modulul App::Greple::stripe pentru a afișa partea potrivită în stil zebra striping. Acest lucru este util atunci când părțile potrivite sunt conectate consecutiv.

Paleta de culori este comutată în funcție de culoarea fundalului terminalului. Dacă doriți să specificați explicit, puteți folosi --xlate-stripe-light sau --xlate-stripe-dark.

--xlate-mask

Efectuați funcția de mascarea și afișați textul convertit așa cum este, fără restaurare.

--match-all

Setați întregul text al fișierului ca zonă țintă.

--lineify-cm
--lineify-colon

În cazul formatelor cm și colon, ieșirea este împărțită și formatată linie cu linie. Prin urmare, dacă doar o porțiune dintr-o linie trebuie tradusă, nu se poate obține rezultatul așteptat. Aceste filtre repară ieșirea care este coruptă prin traducerea unei părți a unei linii într-o ieșire normală linie cu linie.

În implementarea curentă, dacă sunt traduse mai multe părți ale unei linii, acestea sunt afișate ca linii independente.

CACHE OPTIONS

Modulul xlate poate stoca textul de traducere în cache pentru fiecare fișier și îl poate citi înainte de execuție pentru a elimina costul interogării serverului. Cu strategia de cache implicită auto, menține datele din cache numai atunci când fișierul de cache există pentru fișierul țintă.

Folosiți --xlate-cache=clear pentru a iniția gestionarea cache-ului sau pentru a curăța toate datele de cache existente. Odată executată cu această opțiune, va fi creat un fișier de cache nou dacă nu există unul și apoi va fi menținut automat ulterior.

--xlate-cache=strategy
auto (Default)

Mențineți fișierul de cache dacă există.

create

Creați fișier de cache gol și ieșiți.

always, yes, 1

Menține memoria cache oricum, atât timp cât ținta este un fișier normal.

clear

Golește mai întâi datele din cache.

never, no, 0

Nu folosi niciodată fișierul cache chiar dacă există.

accumulate

În mod implicit, datele neutilizate sunt eliminate din fișierul cache. Dacă nu dorești să le elimini și să le păstrezi în fișier, folosește accumulate.

--xlate-update

Această opțiune forțează actualizarea fișierului cache chiar dacă nu este necesar.

COMMAND LINE INTERFACE

Poți folosi ușor acest modul din linia de comandă folosind comanda xlate inclusă în distribuție. Vezi pagina de manual xlate pentru utilizare.

Comanda xlate acceptă opțiuni lungi în stil GNU precum --to-lang, --from-lang, --engine și --file. Folosiți xlate -h pentru a vedea toate opțiunile disponibile.

Comanda xlate funcționează în concert cu mediul Docker, deci chiar dacă nu ai nimic instalat local, o poți folosi atâta timp cât Docker este disponibil. Folosește opțiunea -D sau -C.

Operațiunile Docker sunt gestionate de App::dozo, care poate fi folosit și ca o comandă de sine stătătoare. Comanda dozo acceptă fișierul de configurare .dozorc pentru setări persistente ale containerului.

De asemenea, deoarece sunt furnizate makefile-uri pentru diverse stiluri de documente, traducerea în alte limbi este posibilă fără specificații speciale. Folosește opțiunea -M.

Poți combina și opțiunile Docker și make astfel încât să poți rula make într-un mediu Docker.

Rularea ca xlate -C va lansa un shell cu depozitul git de lucru curent montat.

Citește articolul în japoneză din secțiunea "SEE ALSO" pentru detalii.

EMACS

Încarcă fișierul xlate.el inclus în depozit pentru a folosi comanda xlate din editorul Emacs. Funcția xlate-region traduce regiunea dată. Limba implicită este EN-US și poți specifica limba apelând-o cu un argument prefix.

ENVIRONMENT

DEEPL_AUTH_KEY

Setează cheia ta de autentificare pentru serviciul DeepL.

OPENAI_API_KEY

Cheie de autentificare OpenAI, folosită de motoarele vechi gpty. Motorul gpt5 bazat pe llm citește și el această variabilă, dar funcționează și cheile stocate cu llm keys set openai.

GREPLE_XLATE_CACHE

Setează strategia implicită de cache (vezi "CACHE OPTIONS").

INSTALL

CPANMINUS

$ cpanm App::Greple::xlate

TOOLS

Instalează instrumentul de linie de comandă pentru motorul pe care îl folosești: llm pentru motorul gpt5, deepl pentru DeepL, gpty pentru motoarele GPT vechi.

https://llm.datasette.io/

https://github.com/DeepLcom/deepl-python

https://github.com/tecolicom/App-gpty

SEE ALSO

MODULES

App::Greple::xlate::llm, App::Greple::xlate::deepl

App::dozo - Runner Docker generic folosit de xlate pentru operațiuni cu containere

  • App::Greple

    Vezi manualul greple pentru detalii despre modelul de text țintă. Folosește opțiunile --inside, --outside, --include, --exclude pentru a limita zona de potrivire.

  • App::Greple::update

    Poți folosi modulul -Mupdate pentru a modifica fișierele în funcție de rezultatul comenzii greple.

  • App::sdif

    Folosește sdif pentru a afișa formatul marcatorilor de conflict alăturat cu opțiunea -V.

  • App::Greple::stripe

    Modulul Greple stripe este folosit prin opțiunea --xlate-stripe.

RESOURCES

ARTICLES

AUTHOR

Kazumasa Utashiro

LICENSE

Copyright © 2023-2026 Kazumasa Utashiro.

This library is free software; you can redistribute it and/or modify it under the same terms as Perl itself.