HelloWorldExcel表格格式有啥要求

要让HelloWorld顺利读取并翻译Excel文件，关键是把表格做成机器友好且语义清晰的“翻译包”：首行为标准字段名（如 id、source_lang、target_lang、source_text 等），每个单元只放纯文本或路径、不要公式和合并单元格；优先使用 .xlsx（OpenXML）或正确编码的 .csv（UTF-8，Windows下可加BOM）；日期用 ISO 8601，换行要转义，字符长度不超 32,767，图片/音频用相对或绝对路径并在字段标注类型。按这些规则，上传、批量处理和回传都会少出错，也便于质量校验和统计。

先把结构想明白：为什么要规范Excel格式

我常把表格想成翻译系统的“午餐便当盒”。如果食物（数据）乱堆在一起，机器人拿着筷子也不知道从哪儿开始吃：是把整列当成语言代码，还是把句子分成了两行？规范格式就是把便当分好格，标签写清楚，让机器一眼就懂如何取餐。

一句话原则

• 一个表头行，明确定义每列含义。
• 一张表表示一类任务（通常一对源/目标语言）。
• 数据以“值”为主，不要把公式、格式或合并单元格当信息承载手段。

文件类型与编码：.xlsx 比 .csv 更“安全”，但各有利弊

选择格式像选刀：.xlsx 是百搭的瑞士刀，能保留更多结构（单元格式、多个工作表、图片引用等）；.csv 是简单的菜刀，轻快但对复杂数据支持差。通常建议优先提供 .xlsx，必要时按CSV规则导出。

.xlsx（推荐）

• OpenXML 格式，保留多工作表、单元样式、注释、图片关联。
• 能安心包含长文本（每单元格最多 32,767 字符），也支持多语言字符集（UTF-8）。
• 上传到翻译平台时，系统通常能直接读取列头并保持原样回写。

.csv（替代）

• 优点：体积小、兼容性强、便于脚本批处理。
• 注意事项：必须明确分隔符（通常逗号或制表符），文本用双引号包裹，内部双引号转为双双引号（””）。
• 编码：强烈推荐 UTF-8。Windows 的 Excel 有时需要 BOM (Byte Order Mark) 才能正确识别 UTF-8，否则可能出现中文乱码。

必备列与可选列：把每一条翻译数据分成“DNA”

翻译表格里最重要的是把“语言、内容、上下文”分清楚。下面给出一套实用的字段集合，既覆盖批量翻译的需要，也利于质量检查和回传。

关于语言代码和多语言设置

常用最好遵循 ISO 639-1 两字母代码（如 en, zh, ja, ko）。若需要地区变体（例如简体/繁体或美式/英式），建议用扩展语法如 zh-Hans、zh-Hant、en-US、en-GB。尽量不要在同一行放多种 target_lang，容易造成回写混乱。

文本内容的常见处理规则

换行与多段文本

• 单元格内部允许换行，但建议用显式换行符（LF，\n），并在导出 CSV 时确保用引号包裹。
• 如果平台无法识别换行，考虑把段落拆成多行并用 segment_id 标识顺序。

占位符和变量

占位符（例如 {name}、%s、{0}）务必在表中用 placeholders 列说明其含义和格式。翻译时应保证占位符不被改动。你可以把占位符设为不可翻字段或用方括号/显式说明。

数字、货币和日期

• 原始数据尽量使用标准化格式：日期用 ISO 8601（2024-03-20 或 2024-03-20T15:30:00Z）；货币用 ISO 4217（USD, CNY）+ 数值分离。
• 如果需要本地化显示（千分符、小数位），可在备注中说明或在回传侧处理。

不要做的事（常见错误）

• 不要把多个逻辑字段塞进同一个单元格（例如把“标题 + 正文”合并成一格）。
• 尽量避免合并单元格和隐藏列——它们会让批处理脚本迷路。
• 不要上传包含活动宏（.xlsm）或有自动执行脚本的文件，安全审计通常会阻止这类文件。
• 避免使用区域性数字格式（像 1.234,56），应使用标准点号小数与明确的分隔说明。

Excel 与 CSV 的细节陷阱与应对

UTF-8 与 BOM

这是让人头疼的地方：在 Windows 下，Excel 有时不能自动识别不带 BOM 的 UTF-8 CSV，会把中文显示为乱码。应对策略：

• 优先提供 .xlsx；
• 若必须用 CSV，则生成 UTF-8 带 BOM 的 CSV（许多导出工具有选项）；
• 或使用制表符（TSV）并在导入界面手动指定编码和分隔符。

换行、引号和逗号的转义

CSV 中的文本若包含逗号或换行必须用双引号包裹，内部的双引号要写成两个双引号。例如：He said “OK” → “He said “”OK”””。上传前用脚本校验和抽样查看，能省下很多麻烦。

Excel 自动格式化问题

• 像“2021-01”这样的字符串有时会被 Excel 误识为日期并自动转为 2021年1月。解决办法是在导入时把该列设为文本，或在数据前加单引号（’2021-01），但单引号会成为数据的一部分，导出时需清理。
• 长数字（如信用卡）可能以科学计数法显示，应明确列为文本。

多人协作与版本控制建议

多人同时编辑 Excel 很容易发生覆盖或丢失。建议：

• 用版本号字段或版本控制策略（例如 file_v1, file_v2）；
• 在提交到 HelloWorld 前，通过脚本或系统进行预校验（字段完整性、编码、占位符一致性）。
• 把“原始文件”与“送审文件/回写文件”分开，避免直接在原文件回写导致混乱。

验证与质量检查清单（发文件前请逐项核对）

• 首行是否为规范表头（无空白或重复列名）？
• 必需列（id、source_lang、target_lang、source_text）是否全部存在且无空值？
• 编码是否为 UTF-8（CSV 是否带 BOM 根据目标环境确定）？
• 是否存在合并或隐藏单元格？如果有，是否已拆分并记录映射？
• 是否删除了所有公式并保留计算结果值？
• 占位符是否统一且在 placeholders/notes 中说明？
• 图片/音频资源路径是否可访问并在表中正确标注？
• 单元格长度是否超出 32,767 字符？

样例：一个简单的 Excel 模板（可复制粘贴）

下面这个示例展示了普通的批量文本翻译表格结构。一般把它做成 .xlsx，再让系统一次性处理。

图片、音频、OCR 与语音识别的特殊说明

如果是图片翻译或语音翻译任务，Excel 中应放资源路径而非二进制数据。路径可以是相对路径（与 Excel 同一压缩包）或可访问的 URL。并在一列注明资源类型（image/audio）与期望处理方式（OCR/ASR）。

回写与导出：如何保证翻译结果能正确回填

回写时通常需要一个或多个回传列，例如 translated_text、status、quality_score。约定好这些列名与状态编码（例如 DONE/REVIEW/LOCK）可以让回写自动化且可追踪。

最后，几条实用小贴士（真心有用）

• 把样例行放在表头下方做“示例说明”，便于工具或同事快速理解。
• 做一次小规模试运行（50–200 行），验证导入、翻译和回写流程是否顺畅，再批量上传。
• 为关键术语建立术语表并在表中提供链接或附加工作表名（terms），保持译文一致性。
• 若无法避免复杂富文本，考虑把富文本转换成带标记的纯文本（如 Markdown）并在字段中注明解析规则。

嗯，我说这些的过程里其实还有很多细节会根据具体场景变：比如电商的 SKU 翻译会更关注货币和规格单位，应用界面翻译需要短句优先，还有游戏、本地化项目会有更多上下文文件。但总体上，保证字段清晰、文本原子化、编码正确、资源路径明确，这四条准则就能把绝大多数问题都扼杀在摇篮里。把表格做干净一点，机器就能更聪明地工作，人也能省下大量来回确认的时间。