WPS在语料双语对齐中的应用——以26年新年贺词为例

导语：想让时政文献双语学习事半功倍？本文以2026年《中国日报》新年贺词为范本，手把手教你从文本下载、格式整理到句级对齐、文本导出的全流程操作，用实用工具破解翻译学习难题，让双语文本处理不再复杂！

2026年来临，《中国日报》如期发布2026年的双语新年贺词，详情见：2026年新年贺词。以上双语文本是段落对齐，考虑将其进行句级对齐，便于后期作为时政文献翻译范本进行学习和深入研究。

经过分析，可以按照文本下载——格式整理——文本对齐——文本导出等四个步骤进行，采用“金山收藏助手”浏览器插件和tmxaligner文本对齐工具。

一、文本下载

这一步可以通过复制粘贴网页中的文本，也可以通过在Edge浏览器中安装一个叫“金山收藏助手”的插件来实现（安装方法可网上搜索）。安装完插件后，可在新年贺词所在页面，点击顶部蓝色剪刀图标，轻松把网页的内容保存在线文档。

图1：采用金山收藏助手下载网页双语文本

采用这种方法可以有效保留网页文本的段落格式、图片等富文本信息，有效避免因复粘贴带来的字符缺失、排版混乱等问题，也能化解网页内容不允许复制的难题。

二、格式整理

下载完双语文本，通过点击智能文档左上角的“下载”，把文档下载到桌面并命名为“新年贺词.docx”。接着，删除其中无用的图片和链接等信息，再通过ctrl+A全选文档，点击“清除格式”（如下图）可以快速删除文档中的冗余格式信息。

图2：在WPS中清除文本格式

对于文本中可能存在的段前空格和空段，可以利用WPS当中的“文字排版”——“删除”——“删除空段”或“空格”来清理，最终确保双语段落对齐文档中无空段、无软回车、段前段后无空格。

图3：在WPS当中清除空段

三、文本对齐

我们把格式整理好的新年贺词文本导入到对齐软件tmxaligner、雪人CAT或者Abby Aligner进行句级对齐，这里我们以tmxaligner为例。tmxaligner是一款支持34种文档格式，46种语言的强大在线对齐工具。此工具支持免费在线对齐，导出需要额外支付费用。

网址：https://www.tmxmall.com/aligner/home

图4：清除上一次的对齐结果

在弹出的“打开最近一次保存的对齐结果”对话框中点击“不用，谢谢”，清除网页缓存，进入到对齐界面。

选择“单语对齐”，点击文件名旁边的文件夹图标，选中放在桌面的双语文档“新年贺词.docx”。

图5：导文双语文本

接下来在弹窗中点击“开始调整”，即可快速实现句级对齐。也可以在文本导入后，点击左上角的“对齐”按钮实现文本对齐。

图6：在tmxaligner中对齐双语文本

对齐成功后，会弹窗提醒“对齐成功”。为了辅助句级对齐，绿色和黄色序号用于区分执行过对齐操作的不同段落，方便使用者在检查环节重点校对句对拆分的准确性。

图7：核对tmxaligner中对齐后的结果

四、文本导出

在核对文本对齐无误后，可以点击左上角“导出”，选择导出格式和文件名，最后点“确定”可将对齐文本导出。

图8：导出双语对齐后的文本

五、结语

对齐技术与工具的研究始终是语料库语言学、计算语言学以及自然语言处理领域的核心课题。双语文本句级对齐作为语料库技术的关键环节，起着承上启下的重要作用，为语料库检索、术语抽取、模型训练、译文对比学习以及翻译策略分析等工作提供了重要支撑。

tmxaligner对齐以源文为导向，分句通常以汉语句号为基准。鉴于中文句子较长且信息密度较高，汉译英时往往采用语序调整和句子拆分的翻译方法，因而会出现中英一对多的情况。

若后续将其应用于翻译记忆库，可进一步对汉语长句进行切分，并修改对应的英文内容，从而有效提高CAT工具中翻译记忆库应用时的匹配率。

更多精彩推文，请见以下链接：

https://www.kdocs.cn/l/ckbnQ4H0SlgU