XML 文件怎么翻译?保留标签、属性与实体转义的两种稳妥做法

意扣

导读

直接把 XML 贴进翻译器会译坏标签和转义符。本文介绍提取为 XLSX 经意扣去重翻译再写回,以及用 Python ElementTree 直译的方法。

关键词:translate xml file; XML文件翻译; 翻译XML不破坏标签; Android strings.xml翻译; Python翻译XML

翻译 .xml 文件最怕的一件事,就是把文字翻译出来的同时,把 <tag> 标签名、属性或 &amp; 转义符一并改坏,导致程序解析直接报错。先说明格式边界:意扣(Equalang)的文档翻译页面(/documents)目前支持 HTML、PDF、DOCX、PPTX、XLSX、EPUB 和 TXT,不支持直接上传 .xml 文件。要安全翻译 Android 的 strings.xml、跨境电商商品 Feed 或 DITA/DocBook 技术文档,最稳妥的做法有两种:一是把可译文本提取成两列 .xlsx(xpath_or_key | source_text),上传到意扣 /documents 翻译后再由 XML 解析器写回;二是用 Python 自带的 xml.etree.ElementTree 脚本只读取指定标签的文本并自动完成实体转义写回。

为什么不能把 XML 源码直接贴进普通文本翻译器?

根据 W3C 可扩展标记语言(XML)规范,XML 解析器对语法采取「零容忍」校验:只要有一个标签没闭合或出现一个未转义的特殊字符,整份文件就会解析失败。把原始 XML 直接塞进普通文本翻译框,通常会踩中以下三个坑:

  • 起止标签名被翻译或插入空格:规范要求每一个 <element attr="id"> 都必须与完全一致(区分大小写)的 </element> 配对。普通文本翻译器常把 <price> 翻成 <preis>,或者在斜杠后多加一个空格变成 </ string>,解析器立刻报错退出。
  • 机器读取的属性名与 ID 被篡改:像 name="checkout_btn" 或 translatable="false" 这样的属性是给代码检索用的。一旦翻译器顺手把引号里的 ID 翻成目标语言,应用就会找不到对应的资源项。
  • 预定义实体转义被破坏:XML 文本节点里的 &、<、> 必须写成 &amp;、&lt;、&gt;。很多翻译网页会把 &amp; 还原成裸 &,或者拆成 & amp;,写回文件后直接变成非法 XML。

此外,不同业务的 XML 结构千差万别——商品流里的 <sku> 不能翻、<title> 要翻;Android 里的 translatable="false" 不能碰。只有先用真正的 XML 解析器把「该翻的文本」剥离出来,才能从根源上杜绝标签破损。

方案一:提取文本为两列 XLSX,经意扣翻译后再由解析器写回

如果你手里有几千条商品 XML 目录或多语言 strings.xml,又不想自己写接口重试、并发控制和去重逻辑,用 .xlsx 作为中间表是最省心的工作流。

这样做有两个直接好处:第一,所有的 <tag>、属性和结构都留在本地脚本里,根本不会接触翻译器;第二,把 .xlsx 上传到意扣文档翻译时,表格里重复出现的文字(例如成百上千个商品共用的分类名、状态词或按钮文案)只会被翻译一次、计费一次,纯数字和公式则不进入翻译、原样写回。文档翻译目前支持中文、英文、日语、韩语、西班牙语、法语等多种语言(详见 /pricing)。

将词条提取为 XLSX 经意扣翻译后,结构列与纯数字原样保留且重复文本只计费一次
把 XML 内的可译文本提取成两列 XLSX 交由意扣翻译后再由解析器写回,既能省去重复词条费用,又能确保标签名、属性与实体转义零破损

第一步:用 Python 解析器把可译节点提取成 .xlsx

利用 Python 标准库自带的 xml.etree.ElementTree 配合 openpyxl,只提取需要翻译的标签文本。下面以 Android 的 strings.xml 为例,自动跳过标记了 translatable="false" 的条目,将 key 和 source_text 写入 to_translate.xlsx:

import xml.etree.ElementTree as ET
from openpyxl import Workbook

tree = ET.parse("strings.xml")
root = tree.getroot()

wb = Workbook()
ws = wb.active
ws.title = "xml_strings"
ws.append(["key", "text"])

for elem in root.findall("string"):
    # 跳过明确标记为不可翻译的配置项
    if elem.get("translatable") == "false":
        continue
    key = elem.get("name")
    if key and elem.text:
        ws.append([key, elem.text])

wb.save("to_translate.xlsx")

如果是多层嵌套的商品 XML(例如每个 <item> 下有 <title> 和 <description>),可以在 A 列存带序号的定位路径(如 .//item[1]/title),B 列存原文;如果你希望连 A 列的英文键名也完全不送去翻译,更简单的做法是上传给意扣的 .xlsx 只放 text 这一列,行号与本地的 key 列表一一对应即可。

第二步:上传 .xlsx 到意扣 /documents 并下载译稿

打开 /documents,上传刚生成的 .xlsx 并选择目标语言(比如把其他语种的 XML 词条翻译成英文,或把英文资源表译为简体中文、日文)。网页端一次上传一个文件,可以一个接一个地传、不限个数;同一个账号同时最多处理 3 份文档,其余自动排队。

翻译完成后,可以在翻译工作台里左右并排对照原文与译文,确认无误后下载译后 .xlsx。如果你平时还需要处理 JSON 或 CSV 格式的多语言词条,也可以参考我们的 JSON 文件翻译指南和 CSV 文件翻译指南。

第三步:将译文按原始键名写回 XML 并自动转义

用脚本读取原表的 A 列键名和译后表的 B 列译文,重新赋给原 XML 树中的对应节点。由 ElementTree 负责最终的 .write() 输出,译文中只要包含 &、<、>,都会被自动转义回标准的 &amp;、&lt;、&gt;:

import xml.etree.ElementTree as ET
from openpyxl import load_workbook

tree = ET.parse("strings.xml")
root = tree.getroot()

wb_orig = load_workbook("to_translate.xlsx")
ws_orig = wb_orig["xml_strings"]

wb_trans = load_workbook("to_translate_translated.xlsx")
ws_trans = wb_trans["xml_strings"]

# 用原表的 A 列 key 对应译后表的 B 列译文,哪怕 key 列被翻译也不受影响
translations = {}
for orig_row, trans_row in zip(
    ws_orig.iter_rows(min_row=2, values_only=True),
    ws_trans.iter_rows(min_row=2, values_only=True),
):
    key = orig_row[0]
    translated_text = trans_row[1]
    if key and translated_text is not None:
        translations[key] = str(translated_text)

for elem in root.findall("string"):
    if elem.get("translatable") == "false":
        continue
    key = elem.get("name")
    if key in translations:
        elem.text = translations[key]

tree.write("strings_translated.xml", encoding="utf-8", xml_declaration=True)

使用时的三个边界提醒

  • 含有内联子标签的混合文本(elem.tail):在 ElementTree 中,如果一段话里嵌着内联标签(如 <p>请点击 <b>保存</b> 继续</p>),elem.text 只包含 "请点击 ",而 " 继续" 存在子标签 <b> 的 .tail 属性里。对于大量使用 <b>、<i>、<xref> 的 DITA 或富文本 XML,把节点直接拆成表格行会丢失内联标签位置;这类文件更适合转为合法的 .html 后上传到 /documents(意扣支持直接翻译 HTML 并保留行内加粗和链接)。
  • <![CDATA[...]]> 与 XML 注释:标准库 ElementTree 在解析时默认丢弃 <!-- 注释 -->,并在写出时把 CDATA 内容转为普通实体转义文本。虽然在 XML 规范中两者语义等价,但如果你的下游解析器强制要求保留 CDATA 外壳或注释,请改用 lxml.etree 并开启 strip_cdata=False。
  • Android 单引号转义:把 XML 译成英文、法文等带撇号(')的语言时,Android 编译工具 AAPT 要求把单引号转义为 \'。写回 strings.xml 前,记得对译文执行一次 .replace("'", "\\'")。

方案二:用 Python ElementTree 脚本在流水线中直译

如果你需要在 CI/CD 自动构建流程里定期翻译 .xml,不想经过导出和下载 .xlsx 的人工步骤,可以在 Python 脚本里直接遍历 ElementTree 节点,并按需调用文本翻译接口(如意扣开发者文档 /developers 提供的 API)。

写脚本时顺手加一个内存字典 seen = {},就能在本地把重复出现的词条拦截下来,避免重复发起网络请求:

import xml.etree.ElementTree as ET

def translate_text(text: str, target_lang: str) -> str:
    # 在此对接意扣文本翻译 API(详见 /developers)或你项目中的翻译函数
    raise NotImplementedError("请在此填入翻译 API 调用逻辑")

def translate_xml_file(input_path: str, output_path: str, target_lang: str):
    tree = ET.parse(input_path)
    root = tree.getroot()
    seen = {}

    # 按你的 XML 结构调整选择器,例如 ".//string" 或 ".//description"
    for elem in root.findall(".//string"):
        if elem.get("translatable") == "false":
            continue
        source = (elem.text or "").strip()
        if not source:
            continue
        if source not in seen:
            seen[source] = translate_text(source, target_lang)
        elem.text = seen[source]

    # 自动转义 &、<、> 并输出带 UTF-8 声明的合法 XML
    tree.write(output_path, encoding="utf-8", xml_declaration=True)

生成译后文件后,建议在终端跑一行校验命令:python3 -c "import xml.etree.ElementTree as ET; ET.parse('strings_translated.xml')"。只要不报错,就说明所有起止标签、属性引号和 &amp; 实体都已经通过了严格的 XML 语法检查,可以放心提交到代码库或上传到业务系统。

常见问题

意扣文档翻译可以直接上传 .xml 文件吗?

不可以。意扣文档翻译(/documents)目前支持 PDF、DOCX、PPTX、XLSX、EPUB、HTML、TXT,以及字幕、图片和音视频文件,不直接接收 .xml。最稳妥的办法是用几十行 Python 脚本把 .xml 里的可译文本提取成 .xlsx 表格,上传到 /documents 翻译(重复单元格只收一次费用),再由脚本写回 XML。

如何免费在线翻译 XML 文件?

Python 标准库自带的 xml.etree.ElementTree 完全免费且无需额外安装解析器,提取和写回 XML 节点没有任何软件成本。提取出的 .xlsx 词条表可以配合免费翻译接口或离线模型处理,再由写回脚本重新生成 XML,整个流程无需额外付费。

翻译 Android strings.xml 时怎么防止 %1$s 占位符和标签报错?

第一,提取时过滤掉 translatable="false" 的节点,不把配置项送去翻译;第二,只提取 elem.text 纯文本,让 <string name="..."> 标签本身留在原解析树里;第三,写回时对英文或法文译文里的单引号 ' 做 \' 转义,并用 ET.parse() 做一次语法校验。

参考资料