Para quem é
Texto de origem limpo para a sua CAT tool
Texto de origem colado de uma página web vem com a navegação junto, e cada item de menu vira um segmento que você tem que pular. Tirar isso antes de importar é mais rápido que filtrar depois. Num corpus de 109 páginas sobraram 102 linhas de navegação repetida, contra 282, 478 e 491 dos motores comparados.
Os segmentos que não são texto
Você importa a página na ferramenta e a contagem dá oitocentos segmentos onde deveriam existir duzentos. Os outros seiscentos são item de menu, rodapé institucional e “compartilhar no” repetidos em cada seção. Antes de traduzir a primeira frase você passa quarenta minutos marcando o que ignorar, e alguns escapam para o texto final.
O ruído ainda contamina a memória de tradução. Segmento de menu confirmado por engano volta como sugestão no projeto seguinte, e a estatística de correspondência deixa de significar alguma coisa. Limpar a memória depois é bem mais caro que não ter deixado o lixo entrar.
O terceiro problema é que a página é viva e a entrega é datada. Você traduz o que estava no ar na segunda; na quinta o cliente abre o site, encontra dois parágrafos novos e pergunta por que não foram traduzidos. Sem uma cópia do texto de origem no estado em que você trabalhou, a conversa vira palavra contra palavra no meio de uma cobrança. Um arquivo com o endereço e a data no cabeçalho encerra o assunto em dez segundos.
O que muda na importação
- Menus, paginadores e listas de “leia também” cortados antes da exportação
- Linhas de navegação duplicadas reduzidas cerca de quatro vezes frente aos motores comparados
- Markdown comum importa em toda CAT tool relevante, sem conversor no meio
- Formatação em linha preservada: negrito, itálico, links, código e listas viram tag inline na ferramenta
- O endereço da fonte viaja com o texto, então conferir contexto é um clique
- Captura por seleção quando o pedido é um trecho, e não a página inteira
- Zero resto de tag HTML nas 512 páginas medidas – nenhuma marcação solta vira tag falsa dentro do segmento
- Bloco de código chega marcado com a linguagem, o que facilita tratar o trecho como não traduzível em vez de segmentá-lo linha por linha
## Objetivos de Desenvolvimento Sustentável 1. Erradicação da pobreza 2. Fome zero e agricultura sustentável 3. Saúde e bem-estar 4. Educação de qualidade
Preparar o arquivo de origem
A configuração é uma vez só e serve a um objetivo: a contagem de segmentos precisa bater com o texto que você realmente vai traduzir, e não com o menu do site.
- Instale a extensão e abra as opções pelo botão direito no ícone. Confira que a interface está no idioma que você prefere: ela acompanha a configuração do navegador.
- Aponte a pasta de destino para o diretório do projeto de tradução, junto dos arquivos que você já entrega ao cliente.
- Coloque
{date}-{domain}-{title}no modelo de nome de arquivo. A data no nome é o que documenta em qual estado da página a tradução foi feita, quando o cliente perguntar. - Ligue
title,sourceedateno frontmatter. O cabeçalho viaja com o arquivo e responde “de onde saiu este texto” sem abrir o navegador; se a sua ferramenta importar o cabeçalho como segmentos, apague as três linhas antes de importar. - Coloque imagens em ignorar quando o pedido for só texto. Link de imagem costuma virar segmento inútil na ferramenta, e é um dos ruídos mais fáceis de eliminar antes da importação.
- Na página de origem, escolha o idioma antes de capturar. A extensão converte o que está na tela, então a versão capturada é a que o seletor de idioma do site estava mostrando.
Ajustes de quem traduz
Estes valores partem do que acontece depois da captura: o arquivo vai ser importado numa ferramenta que segmenta tudo que encontrar, inclusive o que não é texto para traduzir.
| Configuração | Valor | Por que esse valor aqui |
|---|---|---|
| Pasta | O diretório do projeto de tradução | A origem fica ao lado da entrega, e a comparação depois é trivial |
| Modelo de nome | `{date}-{domain}-{title}` | Documenta em qual estado da página a tradução foi feita |
| Frontmatter | `title`, `source`, `date` ligados | Três linhas respondem de onde veio o texto sem abrir o navegador |
| Imagens | Ignorar | Link de imagem vira segmento inútil na lista da ferramenta |
| Captura | Por seleção, quando o pedido é um trecho | Traduzir a página inteira porque foi ela que veio no arquivo é retrabalho |
| Idioma da página | Escolhido antes da captura | A extensão converte o que está na tela, e não o que o site poderia servir |
## Como participar As inscrições são feitas pelo formulário eletrônico e ficam abertas até o encerramento do prazo publicado no edital. > Leia também: calendário completo das etapas Os documentos podem ser enviados em formato digital, desde que legíveis. A linha de "leia também" veio junto porque o site a colocou dentro do mesmo contêiner do texto – não ao lado dele. É um segmento a descartar, e não seiscentos.
Três projetos na prática
Um site institucional de trinta páginas
O cliente manda uma lista de endereços. Você captura página por página; cada uma vira um .md com o endereço e a data no cabeçalho, sem menu, sem rodapé e sem a barra de compartilhamento.
A importação na ferramenta devolve uma contagem de segmentos que corresponde ao texto de verdade. Nas 109 páginas medidas sobraram 102 linhas de navegação repetida, contra 282, 478 e 491 dos motores comparados – e cada linha dessas seria um segmento a marcar como ignorado, trinta vezes.
A documentação técnica com blocos de código
A tradução é de um manual com exemplos de código no meio. Os blocos chegam marcados com a linguagem, então dá para tratá-los como não traduzíveis em bloco, em vez de deixar a ferramenta segmentar cada linha de comando.
No corpus técnico a marca da linguagem sobreviveu em 73 de 156 blocos, contra 20 e 0 dos motores comparados. Onde a página não declarou a linguagem, o bloco chega sem marca: um chute erraria em silêncio, e num manual isso vira erro publicado.
A entrega questionada duas semanas depois
O cliente diz que faltou um trecho. Você abre o arquivo de origem capturado, com data e endereço no cabeçalho, e o trecho não está lá.
A comparação com a página no ar mostra que ele foi publicado depois. A conversa deixa de ser sobre memória e passa a ser sobre datas, e o novo trecho vira um orçamento adicional em vez de uma discussão.
Comparado com o preparo usual
Cada uma destas rotas leva um texto de site até a ferramenta de tradução. A terceira coluna é o custo honesto de cada uma, esta extensão incluída.
| Como se prepara hoje | O que chega na ferramenta | O que custa |
|---|---|---|
| Copiar e colar num documento | O texto, com menu e rodapé junto | Quarenta minutos marcando o que ignorar, e alguns escapam para a entrega |
| Importar o endereço direto na ferramenta | A página como o servidor a entrega | Vem a versão servida para robô, e o conteúdo atrás de login fica de fora |
| Salvar a página como HTML | A marcação inteira, com estilos | A ferramenta segmenta atributo e script, e a limpeza vira um projeto à parte |
| Trabalhar direto no navegador | Nada: você traduz olhando a tela | Sem memória de tradução, sem contagem e sem registro do estado da página |
| Pedir o arquivo de origem ao cliente | O texto como ele existe no sistema dele | Nem sempre existe, e quando existe costuma chegar depois do prazo |
| Clean Clipper | Texto corrido com negrito, itálico, links, código e listas em Markdown | Sem XLIFF, sem TMX, sem alinhamento e sem contagem – e sempre a versão de idioma que está na tela |
Quando a importação sai suja
Por que ainda sobraram alguns segmentos de menu?
Porque o site colocou aqueles blocos dentro do corpo do artigo, e não ao lado dele. Quando a chamada está no mesmo contêiner do texto, ela é parte do artigo do ponto de vista da estrutura da página, e a extensão não adivinha a intenção do editor. A diferença prática é de escala: são duas ou três linhas a descartar, e não seiscentas.
Por que a ordem dos parágrafos ficou estranha?
Em página de layout complexo, a ordem que chega é a ordem do HTML, que nem sempre é a ordem visual. Quando o site posiciona uma chamada com estilo, ela pode aparecer na sequência em que estava na marcação. A extensão não reordena nada de propósito: reordenar por posição na tela mudaria o texto em casos onde a ordem do HTML é a correta.
Capturei a página e veio no idioma errado. Por quê?
Porque foi esse o idioma que o site estava mostrando. A extensão converte o que o navegador renderizou, então o seletor de idioma da página decide o resultado – inclusive quando o site escolheu o idioma sozinho, pela sua localização. Troque o idioma na página, confirme na tela e capture de novo.
Por que o negrito virou texto comum em alguns trechos?
Porque naquele trecho o site não usou marcação de ênfase, e sim um estilo visual aplicado por classe. O Markdown recebe o que a página declarou semanticamente; um texto que só parece negrito por causa da folha de estilo não tem como ser distinguido de texto comum na conversão.
O que ele não faz
Ele não traduz nada e não fala com nenhum motor de tradução. Não exporta XLIFF, TMX nem formato bilíngue: a saída é um arquivo .md de origem, e a segmentação é da sua ferramenta. Não alinha original e tradução. E não garante ordem em página de layout complexo – quando o site coloca chamadas no meio do texto, elas podem entrar na sequência em que estavam no HTML.