跳转到内容
Enterprise Docs

自定义分段

每次上传 XML、HTML、MD 或任何其他不含键值结构的源文件时，系统都会使用预定义的分段规则 (SRX 2.0) 进行自动内容分段。 但是，有时默认分段规则对源文件的分段结果可能与预期不符。

在这种情况下，您可以使用 SRX 2.0 标准为每个源文件单独定义自己的分段规则。

更改分隔方式

Section titled “更改分隔方式”

您可以在 Sources > Files 中更改分段。

  1. 打开您要调整分段规则的项目，然后转到 Sources > Files。
  2. 在所需文件上点击 （或右键单击），然后选择设置。 文件上下文菜单设置
  3. 在弹出的对话框中，切换到 Parser configuration 选项卡。
  4. 在排除元素字段中，指定所有不应导入的元素。
  5. 选择 Enable content segmentation 和 Use custom segmentation rules。
  6. 粘贴您的 SRX 分段规则，然后单击 Save。 文件解析器配置

保存新的分段规则后，您的源文件将自动重新导入，并按照这些新规则进行分段。

分段示例

Section titled “分段示例”

典型的 SRX 文件类似于以下内容：

<?xml version="1.0" encoding="UTF-8"?>
<srx version="2.0"
     xmlns="http://www.lisa.org/srx20"
     xsi:schemaLocation="http://www.lisa.org/srx20 srx20.xsd"
     xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance">
  <header segmentsubflows="yes" cascade="yes">
    <formathandle type="start" include="no"/>
    <formathandle type="end" include="yes"/>
    <formathandle type="isolated" include="yes"/>
  </header>
  <body>
  <languagerules>
    <languagerule languagerulename="Default">
      <!-- Common rules for most languages -->
      <rule break="no">
        <beforebreak>^\s*[0-9]+\.</beforebreak>
        <afterbreak>\s</afterbreak>
      </rule>
      <rule break="yes">
        <afterbreak>\n</afterbreak>
      </rule>
      <rule break="yes">
        <beforebreak>[\.\?!]+</beforebreak>
        <afterbreak>\s</afterbreak>
      </rule>
    </languagerule>
  </languagerules>
  <maprules>
    <!-- List exceptions first -->
    <languagemap languagepattern="[Ee][Nn].*" languagerulename="English"/>
    <languagemap languagepattern="[Ff][Rr].*" languagerulename="French"/>
    <!-- Japanese breaking rules -->
    <languagemap languagepattern="[Jj][Aa].*" languagerulename="Japanese"/>
    <!-- Common breaking rules -->
    <languagemap languagepattern=".*" languagerulename="Default"/>
  </maprules>
  </body>
</srx>

更改亚洲语言的句子分隔符

Section titled “更改亚洲语言的句子分隔符”

通常，句号用作句子分隔符。 但对于某些亚洲语言，情况并非如此。 例如，中文中典型的句子分隔符是表意文字句号（。）。 对于此类情况，您可以使用以下规则集：

<rule break="yes">
  <beforebreak>[\x3002]+</beforebreak>
  <afterbreak></afterbreak>
</rule>

将文本分成较小的部分

Section titled “将文本分成较小的部分”

在以下简单示例中，我们将说明一种情况：当需要将一段文本分段为两个（或更多）字符串时该如何处理。

使用默认分段规则的文本：

这是示例句子的第一部分，这是第二部分。

使用新分段规则的文本：

这是示例句子的第一部分

这是第二部分。

对于这种特定情况，以下规则集将把初始句子拆分为两个部分：

<rule break="yes">
  <beforebreak>sentence</beforebreak>
  <afterbreak>\u0020</afterbreak>
</rule>

使用 SRX 编辑器创建分段规则

Section titled “使用 SRX 编辑器创建分段规则”

可以借助 Ratel 等工具来创建和维护 SRX 分段规则。 它提供可视化界面，您可以在其中从头创建分段规则或编辑现有规则。

分段规则生成器 在您的 Crowdin 项目中创建和测试新的分段规则。
SRX Playground AI 驱动的 SRX 规则编辑器。
本页面对你有帮助吗？