61 lines
3.4 KiB
Markdown
61 lines
3.4 KiB
Markdown
# 开发者避坑指南 (Developer's Survival Guide)
|
||
|
||
这份文档总结了 EPUB 翻译器开发过程中的血泪教训。在修改代码前，**务必阅读此文档**。
|
||
|
||
## 🔴 核心原则 (Core Principles)
|
||
|
||
### 1. 奥卡姆剃刀原则 (KISS)
|
||
**不要自作聪明。**
|
||
* **错误案例**：为了“美观”或“规范”，给 ID 加上方括号 `[p_001]`，甚至试图让 LLM 返回 JSON 结构。
|
||
* **后果**：LLM 经常搞错括号的全角/半角，或者漏掉闭合括号，导致正则解析极其痛苦，甚至产生 `SyntaxError`。
|
||
* **最佳实践**：**ID 就用纯文本 `p_xxxxx`。** 解析就用 `find()` 和字符串切片。越简单越不容易出错。
|
||
|
||
### 2. 单一真理源 (Single Source of Truth)
|
||
**不要在模块间传递散乱的数据。**
|
||
* **错误案例**：`TextProcessor` 返回一个 list，`Translator` 拿去翻译，`Builder` 又重新解析一遍 HTML 试图匹配。
|
||
* **后果**：一旦提取逻辑微调（比如过滤了短句），Builder 就再也对不齐了，导致严重的错位（翻译张冠李戴）。
|
||
* **最佳实践**：**Manifest (清单) 是唯一的真理。** 提取时生成 Manifest，翻译时更新 Manifest，构建时只读 Manifest。
|
||
|
||
---
|
||
|
||
## 🚫 常见陷阱 (Pitfalls)
|
||
|
||
### 1. Prompt Engineering
|
||
* **不要指望 LLM 完美遵守复杂的格式指令。**
|
||
* *Bad Prompt*: "请返回 JSON，key 是 ID，value 是译文..." (JSON 语法错误率高，Token 消耗大)
|
||
* *Bad Prompt*: "请用 `[ID]` 包裹编号..." (括号混乱)
|
||
* *Good Prompt*: "每行开头必须是 `p_xxxxx`，后接译文。严禁修改 ID。"
|
||
* **不要让 LLM "解释" 它的翻译。**
|
||
* 它一旦开始解释，解析器就很难把正文抠出来。必须在 System Prompt 中严令禁止。
|
||
|
||
### 2. 正则表达式 (Regex)
|
||
* **慎用 `re.sub` 处理未知输入。**
|
||
* LLM 返回的文本可能包含各种奇怪的 unicode 字符或未转义的特殊符号。
|
||
* 在 f-string 中拼接正则（如 `rf'\[{id}\]'`）极易引发 Python 的 `SyntaxError`，尤其是涉及引号嵌套时。
|
||
* **解决方案**：如果能用字符串 `find()` + 切片解决的问题，**绝对不要用正则**。
|
||
|
||
### 3. EPUB 结构处理
|
||
* **不要随意丢弃 Item。**
|
||
* 之前的逻辑是“只处理 Document，其他的忽略”。结果导致封面图片、css、字体文件全部丢失。
|
||
* **正确逻辑**：默认复制所有非 Document 资源。对于 Document，要么替换为双语版，要么原样保留。
|
||
* **不要重建 Spine 顺序。**
|
||
* 不要试图自己去猜页面顺序。严格按照 `original_book.spine` 的顺序来构建新书。
|
||
* **不要依赖 `min_length` 过滤。**
|
||
* "Chapter 1" 只有 9 个字符，但它很重要。任何长度过滤都会导致漏译。
|
||
|
||
### 4. Metadata 处理
|
||
* **不要假设 Metadata 总是规范的字符串。**
|
||
* `ebooklib` 解析出来的 metadata 有时是对象，有时是 `None`。调用 `.lower()` 前必须做类型检查 (`if name and isinstance(name, str)...`)。
|
||
|
||
---
|
||
|
||
## ✅ 推荐工作流 (Workflow)
|
||
|
||
1. **修改提取逻辑时** -> 必须同时检查 `get_valid_text_elements` 是否被 `Builder` 复用。
|
||
2. **修改 Prompt 时** -> 必须同步更新 `LLMClient` 的解析逻辑。
|
||
3. **遇到对齐问题时** -> 不要去改 `Builder` 的匹配算法，而是去检查 Manifest 中的 ID 序列是否正确。
|
||
|
||
---
|
||
|
||
*Last Updated: v0.03*
|