分句（Segment）
你是一个翻译，但是至少你得懂一点正则表达式。所以，做好你先拿个计算机科学的学位，再做翻译。 谈到分句，也就是将一个文档自动分为合适的句子，也是一个难题。 例如，把句子的结尾设为句号（.），问号（？）和感叹号（!），或许还要加上省略号。 但是，遇到缩写就出问题，例如 a.d. 或者 etc. 之类的，就要例外规则。 另一个问题是句号后面出现参考文献脚注，这是我长期头痛的问题。 具体解决方案见： Segmentation rules for text with references 我先把他的解决方案抄一遍： \p{Ll}\.[\)\]””]?\d+([-–,]\d+)?#!#[\s]+\p{Lu} 但这不是我研究出来的。 ***************************************** 如果不是因为我刚买了新的笔记本电脑（原来那个是2010年的Thinkpad X220T，目前主要用途是用CPU的热量来煎鸡蛋），我就不会想起把skydrive 目录下的所有文件移动到onedrive上，就不会丢失所有memoQ的存档文件。 幸好上一个项目刚刚做完，已经发给客户。但是另一个在做圣经注释的项目则不是那么幸运，丢失了翻译好的200多句，而且连TranslationMemory也丢掉了。 所以，只能重新输入文档，重新对齐源语言和目标语言。这才是我研究分句的动机，为了让对齐的过程更自动化一点，不用我再去一个一个句子合并和分句。… Read More »分句（Segment）