LunaTranslator项目中过滤尖括号文本的技术解析

在视觉小说翻译工具LunaTranslator的实际应用中，用户经常会遇到游戏文本中包含大量尖括号标记的干扰内容。这类问题在《裸執事 ～過去編～》等日系游戏中尤为常见，脚本引擎会输出包含控制符、变量标记等非对话内容，严重影响翻译质量和阅读体验。

技术背景分析

现代视觉小说引擎（如Kirikiri、NScripter等）普遍采用尖括号作为脚本标记符，主要用于：

1. 控制指令（如<wait=30>延时）
2. 变量占位（如<name=主角>）
3. 特效标记（如<ruby=漢字|假名>）
4. 引擎专用语法（如表达式）

这些非对话内容若不经处理直接送入翻译引擎，会导致：

• 翻译API误判语义上下文
• 输出结果包含无意义代码片段
• 破坏目标语言的语法结构

LunaTranslator的解决方案

项目文档中提供的文本预处理功能通过正则表达式过滤机制，可精准识别并剔除尖括号内容。其核心处理逻辑包含：

1. 模式识别
   构建/<[^>]*>/g正则表达式，匹配所有尖括号及其内部内容

2. 预处理流水线

   def preprocess(text):
       return re.sub(r'<[^>]*>', '', text)  # 基础实现示例
   

3. 上下文保留机制
   智能跳过特定关键标记（如换行符
   ），保持文本基础排版

实际应用建议

对于《裸執事》这类引擎的游戏，推荐采用以下配置方案：

1. 基础过滤
   启用"过滤尖括号"选项，清除90%以上的干扰标记

2. 例外处理
   对需要保留的特殊标记（如角色名变量），可通过自定义规则实现：

   保留模式：/<name=(.*?)>/
   替换为：\1
   

3. 后处理优化
   配合使用换行符标准化、全半角转换等功能，进一步提升输出质量

该方案已在实际应用中得到验证，能有效解决原始issue中报告的"junk text"问题，使对话文本恢复可读状态。开发者后续可考虑增加标记语法数据库，针对不同游戏引擎提供预设过滤方案。