Per chi

Testo di partenza pulito per il CAT

Il testo di partenza incollato da una pagina web si porta dietro la navigazione, e ogni voce di menu diventa un segmento da saltare. Toglierla prima dell’importazione costa meno che filtrarla dopo: su un corpus di 109 pagine sono rimaste 102 righe di navigazione ripetuta, contro 282, 478 e 491 degli altri tre motori.

Segmenti che testo non sono

Un progetto importato da una pagina web parte con centinaia di segmenti che non sono testo: «Vai al contenuto», «Accedi», «Home», «Condividi», ogni voce del menu ripetuta a ogni sezione. Nel conteggio sembrano parole, nell’elenco sembrano lavoro, e nella memoria di traduzione diventano rumore che tornerà a proporsi nei progetti futuri.

Poi c’è la formattazione. Il copia-incolla da browser porta dentro il CAT tag che non descrivono niente: span di colore, wrapper di layout, àncore verso una pagina che nessuno aprirà. Il segmento si spezza dove non deve, il corsivo si perde e il grassetto compare a metà parola. Ripulire quei tag costa più che tradurre la frase che li conteneva.

Il conto arriva già in fase di preventivo. Il volume si calcola sul testo importato, e un testo importato dalla pagina grezza contiene centinaia di parole che nessuno tradurrà: o le conti e il preventivo è gonfio, o non le conti e regali le ore che passerai a toglierle. In tutti e due i casi la trattativa si fa su un numero che non descrive il lavoro, ed è una discussione che si ripete a ogni progetto nuovo.

Che cosa arriva nel progetto

• Menu, paginatori e feed «leggi anche» tagliati prima dell’esportazione, non filtrati dopo
• Righe di navigazione ripetuta ridotte di circa quattro volte rispetto ai motori confrontati
• Grassetto, corsivo, link, codice ed elenchi diventano i loro equivalenti Markdown, che i CAT gestiscono come tag in linea
• Zero tag HTML rimasti sulle 512 pagine misurate: nel segmento non compare markup estraneo
• L’indirizzo della fonte viaggia insieme al testo, quindi il contesto è a un clic
• Salvataggio della selezione per un solo passaggio, quando serve solo quello
• I rimandi diventano note [^1] con le definizioni in fondo, quindi restano segmenti riconoscibili invece di sparire nel corpo
• L’estrazione è stata misurata su 403 pagine prese dai primi cinquanta siti di dodici paesi europei, ognuna nella lingua del paese: nessun errore in tutte e dodici

---
title: "fonte"
source: "https://dizionario.internazionale.it/parola/fonte"
extraction: "dom"
---

## fónte

1. luogo in cui l’acqua sgorga naturalmente dal terreno
2. **fig.** origine, principio da cui qualcosa deriva
3. testo o documento da cui si ricava una notizia

Prepararlo per un progetto CAT

Quello che conta è che nel progetto entri testo e soltanto testo. Queste sei mosse preparano il file prima dell’importazione, che è il momento in cui togliere costa meno.

1. Apri le opzioni con il clic destro sull’icona e imposta come destinazione una cartella sul disco, dentro la cartella del progetto: il testo di partenza sta accanto al progetto CAT che lo importerà.
2. Lascia il clic sull’icona sulla finestra di anteprima. Prima di importare vale la pena guardare la vista lettura: è lì che si notano le due righe di menu rimaste dentro il corpo dell’articolo, e toglierle adesso costa un secondo.
3. Spegni tutti i campi del frontmatter che non ti servono. Un’intestazione YAML importata in un progetto diventa una manciata di segmenti da saltare, e per il testo di partenza spesso basta source.
4. Imposta le immagini su «salta». Un link a immagine dentro un segmento è un tag da gestire e non è testo da tradurre, quindi tanto vale che non ci sia.
5. Metti il modello del nome file su {domain}-{title}. In un progetto con trenta pagine dello stesso cliente, il titolo da solo non basta a distinguerle e i nomi si mettono a collidere.
6. Salva una pagina di prova e importala nel tuo strumento prima di preparare le altre ventinove. È il momento in cui scopri come quel CAT tratta i tag in linea del Markdown, e conviene scoprirlo su una pagina invece che su trenta.

Impostazioni per chi traduce

Il criterio è uno solo: ogni cosa che finisce nel file diventerà un segmento. Quindi tutto quello che non è testo da tradurre va tolto prima, non filtrato dopo.

# Presentazione della domanda

Torna all’elenco dei servizi

Modulistica

La domanda si presenta entro il trentesimo giorno dalla comunicazione, con
il modulo pubblicato nella sezione dedicata.

*(«Torna all’elenco dei servizi» e «Modulistica» sono voci di menu, ma sulla
pagina stanno dentro l’elemento dell’articolo: nessuna regola strutturale le
distingue dal testo, e vanno tolte a mano prima dell’importazione.)*

Tre progetti

Trenta pagine di un sito istituzionale

Il cliente manda un elenco di indirizzi invece dei file sorgente, come succede quasi sempre. Salvi le trenta pagine una a una in progetto/partenza/, con le immagini su «salta» e il frontmatter ridotto a source.

Il conteggio delle parole a quel punto descrive il lavoro vero. Nella misura su 109 pagine questo motore ha lasciato 102 righe di navigazione ripetuta contro 282, 478 e 491 degli altri tre: è la differenza fra un preventivo costruito sul testo e uno costruito sul testo più il menu del sito.

Un aggiornamento sei mesi dopo

Il cliente chiede di aggiornare la traduzione perché tre pagine sono cambiate. Risalvi le trenta pagine nella stessa cartella e confronti con uno strumento di diff: sono file di testo, quindi il confronto mostra riga per riga che cosa si è mosso.

Le pagine identiche si vedono subito e non entrano nel progetto. Le tre cambiate entrano con il loro contesto, e la memoria di traduzione copre già tutto quello che non è stato toccato – senza aver dovuto reimportare l’intero sito per scoprirlo.

Un solo passaggio da far vedere al cliente

C’è un paragrafo ambiguo su cui serve una decisione prima di procedere. Lo selezioni nella pagina e salvi la selezione: nel file arrivano quelle righe con l’indirizzo della pagina in cima.

Il file si allega al messaggio e chi lo riceve lo apre senza avere l’estensione e senza aprire il sito. La discussione si fa sul testo esatto, non su uno screenshot ritagliato in cui non si vede che cosa c’era prima e dopo.

Rispetto agli altri modi di prendere il testo

Il testo di partenza si porta dentro un CAT in cinque modi, e li abbiamo usati tutti. La terza colonna dice il prezzo di ciascuno, il nostro compreso.

Quando il segmento non torna

Perché nel testo sono rimaste due voci di menu?

Perché sulla pagina stavano dentro l’elemento dell’articolo. La potatura si basa sulla struttura, non su un elenco di parole vietate: quando il sito mette il menu di sezione dentro <article>, nessuna regola strutturale lo distingue dal testo. Sono i casi che restano, e si tolgono a mano nella vista lettura o nel file prima dell’importazione – due righe, non duecento.

Perché il corsivo è sparito da una frase?

Perché sulla pagina non era corsivo dichiarato come tale, ma uno stile applicato con il CSS a un elemento neutro. Grassetto, corsivo, codice e link vengono convertiti quando la pagina li dichiara con la marcatura giusta; un colore o un’inclinazione decisi dal foglio di stile non hanno nessun equivalente in Markdown e non vengono inventati.

Perché il mio CAT vede il Markdown come un unico segmento?

Perché il filtro con cui è stato importato tratta il file come testo semplice invece che come Markdown. Quasi tutti gli strumenti hanno un filtro dedicato che riconosce titoli, elenchi e tag in linea: va scelto in fase di importazione. È il motivo per cui conviene provare su una pagina sola prima di prepararne trenta.

Perché metà pagina non è stata importata?

Perché metà pagina non era stata disegnata al momento del salvataggio. I testi che compaiono scorrendo, le schede e le sezioni a fisarmonica entrano nella pagina solo quando li apri. Scorri fino in fondo, apri tutto e poi salva – oppure salva una volta per scheda, se il sito le carica una alla volta.

Che cosa non fa

Non esporta in XLIFF, in TMX né in altri formati di scambio: il risultato è Markdown, e la conversione resta del tuo strumento. Non allinea due lingue e non produce una memoria di traduzione. Non traduce niente: si occupa del testo di partenza, non del testo di arrivo. E non salva quello che non è a schermo, quindi un testo caricato solo scorrendo va fatto comparire prima di salvare.

Domande