正则篇（四）：源文件准备
简介：用正则进行源文件准备，比如，对原文中含有html样式的xliff文档进行译前准备。
我在跟各个职业译员沟通的时候，发现一个困扰大家许久的问题，就是源文档分析和导入。
可能你会说，源文档嘛，拿过来翻译就好了，这有什么难的呢？还真不是。
不信我们来看一个案例。
案例
这是一份*.xliff格式的文档，源语言是英语，目标语言是德语。但是你看，这个文档的每个开标签<target xml:lang="de"/> 后都缺失了关闭标签</target>。
当然，这不是最主要的问题，最主要的问题是，原文中含有有HTML样式，确实不能直接导入翻译。
不信我们看，如果将这个文本直接导入到CAT工具中，效果是不尽如人意的。
需要说明的是：在这里我没有做任何设置，直接将文档进行导入。导入后有几个明显的问题：
虽然原文中即使缺失了标签对，但是不影响导入；
原文中的HTML样式导入不理想，比如
<p>、<ul>、</p>、</span>等等；一个句段太长，或者断句不理想，影响翻译时候的视图。
那，怎么解决呢？其实很简单：
进行译前文件准备，将原文件标签对补充完整
将完善后的文本作为原文，再次导入至CAT中
补充标签对
首先，我们可以借助正则，把一个标签<target xml:lang="de"/>补充为完整的标签对<target xml:lang="de"/></target>。
现在的原文：
<source xml:lang="en">TMGMT Demo</source>开标签前其实有四个空格，但是手机不好显示，我就先删了。
写正则的时候我是按照原文有四个空格写的。
<target xml:lang="de"/>
理想的原文：
<source xml:lang="en">TMGMT Demo</source><target xml:lang="de"/>TMGMT Demo</target>
要实现理想的原文也很简单。我们在之前的文章中，讲过写正则的方法：分析归类，正则匹配，测试匹配。
详情见这里：正则篇（二）：如何写一个正则表达式。我们用同样的方法试一下。
第一步：分析归类
查找：
开头多个空格开头+<source xml:lang="en">+任意内容+</source>+换行符+多个空格+<target\sxml:lang="de"/>
替换：
开头多个空格开头+<source xml:lang="en">+任意内容+</source>+换行符+多个空格+<target\sxml:lang="de"/>+和开头一样的空格+<target xml:lang="de">+同前面的任意内容+</target>
第二步：正则匹配
匹配出来后，应该查找：
替换为：
第三步：正则匹配
大家可以用任意的文本编辑器即可。在这里我用的是sublime，当然，大家也可以用notepad++都可以的～
同时，在查找替换的时候一定要记得开用正则进行查找/替换！！！
补充完整标签对后的原文：
导入至CAT工具
我们将修改后的文档另存，直接导入至CAT工具，导入后效果是不变的。因为xliff文档默认有自己的断句规则，也不能搭配html样式。
因此，我们要换一种方式，也就在XML过滤器基础上加一层HTML过滤器，组成层叠过滤器。
如果用这个过滤器导入之后，再来对比一下结果。
这样的话我们是不是就把标签和断句两个问题都解决啦～
操作如下：
好啦这期正则篇先到这里，下期我们分享用正则进行文本解析，提取原文中要翻译的文本。
先放一个案例供大家思考：
预告案例
这份原文来自通信领域，原文是*.txt格式。通过下方的文档你也能看出，需要翻译的其实只有引号内的内容。
button.confirm: "Ok",
button.cancel: "Cancel",
button.create.new: "Create new",
button.edit: "Edit",
button.save: "Save",
modal.bulkActionWarning.title: "Warning",
你可以先独立思考一下，这样的文档应该怎么导入捏～
你还想学什么，欢迎来问～