翻译自检实战：让机器替你抓语言串味

写五语翻译时，我反复犯同一类错误：印尼语里冒出德语动词，中文槽位里塞进英文，槽位数少一个。这些错误肉眼极难发现，但会直接出现在生产页面上。

先看清槽位结构

五语不是统一 5 元组。真实项目里至少并存四种布局，脚本若按「index 1 起都是外语」判断，会把合法内容判成错误：

# 5  = (zh, en, id, sl, it)
# 10 = 问答按语交替 (zh_q, zh_a, en_q, en_a, ...)
# 6  = (name, zh, en, id, sl, it)   前两位是名称与中文
# 4  = (zh_q, zh_a, en_q, en_a)
# 3  = (id, sl, it)               根本没有中文槽位

3 元组那一行是关键：判断「index 0 必须是中文」就会把纯印尼语数据全判成错。

三类要抓的错误

• 外语槽位含 CJK：印尼语里混进「訳」这样的日文汉字，或中文漏进英文槽Foreign slot containing CJK: a Japanese kanji like 訳 slipping into Indonesian, or Chinese leaking into an English slot
• 中英混排：一句里两种文字拼在一起，比如「如此Jdahit」「特征CORE功能」Mixed scripts mid-sentence: two writing systems fused, like 「如此Jdahit」 or 「特征CORE功能」
• 槽位错位与空槽：元组少一位，或某一语种直接留空

第三类最阴险：空槽在折叠时会被回退成相邻语言，页面看着「有内容」，实际语言是错的。

按结构推断，而不是按位置

def latin_indices(n):
    """给定槽位总数，返回「应该是拉丁语」的下标集合。"""
    return {1: {1, 2, 3, 4},
            2: {1},
            3: {1, 2},
            4: {2, 3},
            5: {1, 2, 3, 4},
            6: {2, 3, 4, 5},
            9: {2, 3, 4, 5, 6, 7, 8},
           10: {2, 3, 4, 5, 6, 7, 8, 9}}.get(n, set())

有了这张表，检查逻辑就与具体项目无关，可以直接复用到下一篇文章、下一套文案。

别手改 JSON，用脚本改

手写大段五语文本时，我用 shell 脚本追加内容，结果产生了重复的 User-agent 段；改 JSON 时又出现嵌套列表与重复列。

结论：数据文件只由脚本生成或修改，一次性脚本也要先校验再落盘，校验不过就中止。

if bad:
    print("发现 %d 处问题，未写入" % bad)
    return 1          # 中止，不碰文件
write_file(path, data)

相关工具