如何在 Markdown 中双语写作,输出英文或中文文件?

personTomBen

需求

在平常的学习中,我需要写不少中英双语内容的文章,或者把已有的英文材料翻译成中文1。相对于新开一个文档,中英对照式的写作或翻译方式,在我看来是更加高效的,即把原文和译文写在同一个 Markdown 文件中,以行2为单位对原文进行翻译,然后将译文写在原文的下方(或上方)。这种写作方式能够有效同步修改原文与译文,方便进行校对。

在 Markdown 中写中英双语文章

著名的网页翻译插件 彩云小译 的翻译结果就是原文和译文互相穿插的形式,可以在阅读过程中同时对照着查看原文与译文,兼顾了阅读速度和翻译的准确性,受到了不少好评。

彩云小译的网页翻译效果

关联阅读:如何在浏览英文网页时获得更好的阅读体验?

尽管在 Markdown 中可以中英对照进行写作或翻译,但在输出为 DOCX 或 PDF 分享给他人时,往往只需要一种语言的内容,或者一种语言一份文件单独保存。那么如何才能双语写作,输出指定的某一种语言的文件呢?

我所有的写作几乎都是在 Markdown 中完成,然后通过 Pandoc 进行转换。因此,在这一 写作流程 的基础上,我研究了一下如何实现这个需求,即在 Markdown 中用中英双语进行写作或翻译,通过 Pandoc 输出指定语言的 DOCX 和 LaTeX 文件。

解决思路

我们的需求是只输出一种语言,解决思路也就非常简单:在中英双语的 Markdown 文件中把不需要输出的另一种语言注释掉即可3。尽管 原生 Markdown 没有注释语法,但很多网友提出了解决方案,其中 Stack Overflow 上的 这个回答 很符合我的需求。

能被 Pandoc 识别的特定 Markdown 注释语法

请注意,这不是常规的 HTML 注释语法 ,而是 (多了一个 dash)。为什么要使用这种注释方式?有两方面原因:一是在转换为 HTML 时,这种特定的注释语法不会被 Pandoc 转换为注释块嵌入 HTML 中,二是常规 HTML 的注释语法需要保留,在手动编辑文章时使用4

简单分析之后,思路可行,下面是具体的实现步骤。当然,如果你不关心具体细节,可以直接跳转到最后的总结部分。

输出为英文文件

按照前文的解决思路,需要输出为英文文件时,把中文内容注释掉即可,那么问题就转变为如何查找所有的中文内容?由于我们是以段落(行)为单位进行写作或翻译的,于是问题就进一步简化为如何查找中文段落?而借助强大的正则表达式,这可以轻松实现:

.*p{Han}+.*

其中 .* 表示任意内容(不包括空行),p{Han}+ 表示至少一个中文字符,翻译成自然语言就是:查找包括中文字符的段落。有了这个正则表达式,下面就可以使用 Perl 执行查找替换的操作:

perl -CSD -Mutf8 -i -pe 's/(.*p{Han}+.*)//g' main.md

这一行命令将包括中文字符的段落开头和结尾分别加上 ,实现注释中文段落的目的。不过这一命令也会把本就是注释内容的内容再注释一次,变成下面这样:

 --> 
 
 -->

这样在转换时,最后一个 --> 会被输出,因此需要移除多余的注释符号:

perl -CSD -Mutf8 -i -pe 's/( -->)//g' main.md

接下来就可以运行 Pandoc,得到英文内容的文件(DOCX 和 LaTeX):

pandoc -C -N -M reference-section-title="References" main.md -o en.docx 
 
pandoc --natbib --wrap=none main.md -o en.tex 
 
perl -CSD -Mutf8 -i -pe 's/()/2/g' main.md

通过运行上面的前两行命令,我们就得到了英文文件 en.docxen.tex。需要注意的是,第三行命令的作用是去掉所有的注释符号 ,将 main.md 复原到初始状态。

输出为中文文件

与输出为英文文件相同,输出为中文文件时需要把英文内容注释掉。不过不同的是,由于中文段落也可能包含英文字符,直接查找英文字符可能会造成「误伤」,效果不太理想。因此,我决定还是对中文段落「下手」。

首先将 Markdown 文件中全部非空行的段落注释掉:

perl -CSD -Mutf8 -i -pe 's/(.*S)//g' main.md

然后将其中的中文段落和本就是注释行的段落取消注释:

perl -CSD -Mutf8 -i -pe 's//1/g; s/( -->)//g' main.md

接着运行 Pandoc,得到中文文件:

pandoc -C -N -M reference-section-title="参考文献" --bibliography ref.bib main.md -o cn.docx 
 
pandoc --natbib --wrap=none main.md -o cn.tex 
 
perl -CSD -Mutf8 -i -pe 's/()/2/g' main.md

上面的第一行命令与转换为 en.docx 相比,增加了 --bibliography ref.bib,这是因为在 main.md 中,YAML 块中的参考文献元数据信息被注释掉了,因此需要在命令行中指定,否则 Pandoc 无法找到引文数据。通过上面的命令,我们就得到了中文文件 cn.docxcn.tex

总结

分步执行以上命令过于麻烦,于是我将上述一系列命令写到了一个 Makefile 中,使用时只需要调用这一个 Makefile 文件就可以了。

Makefile 文件

使用方法如下:

  • make:生成英文文件和中文文件,也可以使用 make all
  • make en:生成英文文件
  • make cn:生成中文文件
  • make clean:删除生成的所有文件

Unix 类操作系统(macOS、Linux)能够直接运行 Makefile,如果你使用 Windows,可以阅读这个 介绍,了解如何在 Windows 上使用 Makefile。

需要指出的是,我目前很少在中英双语文档中使用 Markdown 表格和代码块,因此没有专门针对两种特殊格式进行测试。此外,如果你想知道在 Microsoft Word 中写作,如何实现「中英双语写作,输出指定语言」?我的回答是用 Pandoc 将你的 DOCX 文件转换为 Markdown 🤣️:

pandoc --wrap=none input.docx -o output.md

前述提到的所有示例和命令,可以在我的 GitHub 仓库 找到,你可以自由下载和修改,欢迎给个 Star 🌟️。当然,这个仓库只是为了解决中英双语独立文件输出的需求,一些细节没有进行调整,比如中文引号的问题,你可以在 这篇文章 中找到更多细节调整的介绍,以及围绕 Markdown 和 Pandoc 的学术写作流程。以上就是本文的全部内容,希望对你的写作和翻译有所帮助,如果你有什么想法或意见,欢迎留言讨论与交流。

3
0

扫码分享

Leave a Reply

Your email address will not be published. Required fields are marked *

Fill out this field
Fill out this field
Please enter a valid email address.
You need to agree with the terms to proceed

Menu