適用對象

給 CAT 工具的乾淨原文

從網頁貼上的原文會把導覽一起帶進來，每個選單項目都變成一個你得跳過、計算，最後還得在帳單上解釋的句段。Clean Web Clipper 在檔案接近你的工具之前，就把它們移除。

不是文字的句段

你匯入一個頁面，專案一打開，在正文第一句之前就有六十個句段：「Skip to content」、「Log in」、九個產品分類、一則 Cookie 通知，還有一個列出三十種語言的語言切換器。這些都不是需要翻譯的內容，卻全都在檔案裡、在字數統計裡，還得一個句段一個句段地鎖定或刪除。

接著是重複。同樣的選單區塊在每個段落和頁尾再出現一次，用這個檔案餵進去的翻譯記憶庫，就開始把「Read next」當成真正句子的比對結果推薦給你。匯入前清理原文只要幾秒。事後清理翻譯記憶庫可不是。

麻煩在工作開始之前就來了。客戶請你為「這個頁面」報價，而你給的數字完全取決於你計算了什麼：從原始頁面算出的字數包含選單，清理後算出的則不包含，這種對話沒人想經歷第二次。然後，客戶在你翻譯期間修改了頁面。報價當天擷取的檔案，檔頭帶有網址和頁面自己的日期，兩個問題都能解決，不需要任何人去回想頁面當時的樣子。

進入句段清單的是什麼

• 選單、分頁列、同意橫幅和「延伸閱讀」資訊流在檔案產生之前就被刪除。
• 重複的導覽大約減少四倍，相較於比較的引擎：102 行重複，對比 282、478 和 491 行。
• 一個殘留的 HTML 標籤都沒有（512 個測量頁面），所以不會有零散的標記變成行內標籤。
• 行內格式對應到 Markdown：粗體、斜體、連結、程式碼和清單，所有主要的 CAT 工具都能匯入。
• 來源網址隨 frontmatter 一起保存，句段的背景資訊只要點一下就能看到。
• 在十二個歐洲國家前五十大網站的 403 個頁面上測量，每一頁都以該國語言擷取：沒有當機。
• 標題、清單和引用區塊保留層級，所以譯文必須對應的結構，在原文檔案中就看得到，而不必從句段推測。
• title 和 date 來自頁面自己的中繼資料，所以工作資料夾會記錄你報價時依據的是哪個版本的原文。

• 這些數字從哪裡來：實測數據頁面，附引擎版本與日期

---
title: "Register a trade mark: step by step"
source: "https://www.gov.uk/how-to-register-a-trade-mark"
extraction: "dom"
---

## Check whether your trade mark can be registered

Your trade mark must be unique. It can include words, sounds, logos, colours
or a combination of these.

You cannot register a trade mark that is offensive, describes the goods it
relates to, or is misleading.

準備原文檔案

目標是讓檔案在你的工具中打開時，第一個句段就是正文的第一句。兩項設定能完成大部分工作，而其中一項很容易設錯。

1. 從擴充功能圖示開啟選項，把存放位置指向工作所在的資料夾，例如 jobs/client/source。原文檔案屬於這件工作，而不是放在一般的擷取資料夾裡。
2. 把按下圖示時的動作設為「下載 .md 檔案」或「存到資料夾」，看哪一種適合你的檔案處理方式。無論哪種，你得到的都是可以匯入的檔案，而不是得先貼到某處的剪貼簿。
3. 把檔名範本設為 {date}-{domain}-{title}。客戶的頁面在你報價後被修改時，擷取日期就是你可以指出的依據。
4. 如果要直接匯入檔案，就關閉 frontmatter 欄位。YAML 檔頭是文字，不認得它的工具會很樂意把 extraction: "dom" 當成要翻譯的句段。
5. 把圖片設為略過。Markdown 中的圖片連結會變成句段，或變成你得在整個檔案中一路帶著的行內標籤，而那張圖根本不是正文的一部分。
6. 只有一節在範圍內時，在頁面上選取它並擷取選取範圍。報價的是一節、交付的卻是整頁，這種誤會就是從擷取那一刻開始的。
7. 在報價當天擷取頁面，並保留檔案。它是價格談定時原文狀態的唯一紀錄。

原文檔案的設定

frontmatter 那一列最容易讓人出錯。其餘的設定，都是為了讓句段清單只剩真正的正文。

The **starter plan** includes *up to five* seats. Additional seats are
billed monthly; see the [pricing page](https://example.com/pricing) or set
`SEATS` in your configuration file.

- Seats can be reassigned once per billing period.
- Unused seats are not carried over.

一句話裡有四種行內標記：粗體、斜體、連結和程式碼。每一種都
對應到 Markdown 的等價寫法，CAT 工具會把它匯入為行內標籤。

三件工作

依正文而不是網站外框報價

客戶寄來一個網址，請你報價。你擷取這個頁面：選單、列出三十種語言的語言切換器、同意通知和頁尾，在檔案產生之前就都不見了，所以你報的字數，就是需要翻譯的文字的字數。

這件事的測量版本是重複的導覽：在 109 頁的語料上有 102 行重複，比較的引擎分別是 282、478 和 491 行。在選單於每個段落重複的頁面上，這就是同一件工作兩份報價之間的大部分差距。

工作進行到一半時改變的頁面

第三天，客戶提到行銷部門「調整了幾個地方」。你再擷取一次頁面；第二個檔案加上數字後綴，和你報價時的檔案比對後，顯示多了兩段文字，還改了一個標題。

這就成了一場手上有文件的範圍討論，而不是一場憑記憶的爭論。每個檔名中的擷取日期說明哪個是哪個，date 欄位則說明頁面在每一次如何描述自己。

從線上網站建立雙語參考資料

客戶的網站已經有德文版。你把英文頁面和德文頁面先後擷取到同一個工作資料夾。擷取不依賴文字的語言，所以兩者都會產生同樣乾淨的結構，同樣的標題、同樣的順序。

這是刻意測量過的：十二個歐洲國家前五十大網站的 403 個頁面，每一頁都以設定為該國語言的瀏覽器擷取，沒有當機，也沒有任何殘留的 HTML。對齊兩個乾淨的檔案是一件工作；對齊兩個塞滿選單的檔案，則是另一件更糟的工作。

和一般的前置作業相比

前置作業一定會發生，問題在於在哪裡做。以下是譯者目前做前置作業的地方，以及各自的代價。

匯入結果不乾淨時

我的工具把 YAML 檔頭當成句段

frontmatter 是檔案頂端的文字，不認得 YAML 區塊的工具會把它當成內容。在擷取打算直接匯入的檔案前，先在設定中關閉 frontmatter 欄位，或擷取後刪除檔頭。另外保留一份帶檔頭的副本很值得：來源網址和日期就在那份副本裡。

還是有六十個導覽句段混了進來

這發生在頁面根本沒有文章內文的時候：分類列表、商店首頁、搜尋結果。這種情況擴充功能會回報「沒有文章」，而不是傳回連結，所以匯入前先看看擷取視窗說了什麼。如果它確實傳回了文章、選單也一起進來，那是網站把導覽標記成文章內容，而這是密度判斷唯一看不穿的情況。

匯入後行內格式看起來不對

Markdown 用字元而不是標籤標記強調，所以把檔案當成純文字匯入的工具，會直接顯示 bold，而不是行內標籤。請把它當成 Markdown 匯入，而不是當成文字；大多數工具兩種篩選器都有，而同一個檔案在兩者之下的表現完全不同。

行銷頁面的正文少了一半

行銷頁面常由捲動時才呈現的設計區塊組成，或由打開時才插入文字的分頁標籤和摺疊區塊組成。瀏覽器沒有呈現的東西不在 DOM 裡，也就擷取不到。把頁面捲到底、打開各個區段，再擷取一次；或者向客戶索取文案稿，對這種頁面來說，那本來就是更好的原文。

它不是什麼

它不是 CAT 工具：沒有 XLIFF、沒有 TMX、沒有斷句，也沒有字數統計。它不保留頁面的 HTML 以便回寫。輸出是 Markdown，用來閱讀和翻譯，而不是合併回網站。圖片中的文字不會被擷取。介面語言（19 種之一，依你的瀏覽器設定）和頁面的語言是兩回事：擷取本身不依賴文字的語言。

常見問題