语言服务管理（翻译/本地化）工具箱。第一个工具是双语语料转换：把 docx/xlsx/csv/tsv 这类双语文档转换成 Trados 等 CAT 工具能用的翻译记忆库格式（sdltm/tmx），也支持 tmx↔sdltm 互转；第二个工具是术语管理：维护双语术语表，对照已有翻译记忆库检查禁用译法。提供 Python 库、命令行工具、桌面 GUI 三种使用方式，往后会陆续加入更多语言服务管理相关的工具（批量处理等，见 DESIGN.md 第 14/15 节的定位说明和 backlog）。
- 双语文档 → 翻译记忆库：docx（三种版式）、xlsx、csv/tsv → sdltm、tmx、csv
- 语料库互转：tmx ↔ sdltm，语言自动从内容识别
- 内置 Gale-Church 式句级对齐算法，处理常见缩写（a.m./e.g./U.S. 等）不误切句
- 对齐检查：不写文件，单独预览一个双语文档会被怎样对齐——哪些段落被合并/拆分、哪句完全没找到对应（GAP），转换前先心里有数（
tmtool align/ 桌面 GUI「对齐检查」页），命令行版本额外支持--fail-on-issues退出码，方便脚本批量检查一堆文档 - QA 检查：空值、长度比异常、重复条目（源冲突/译文冲突）、数字不匹配、占位符不匹配（
{name}/%s等）、URL 丢失或改动、inline 标签不匹配（TMX 带格式标记时）——转换时可选勾选，也可以单独对着一个已有的 tmx/sdltm 跑（tmtool qa/ 桌面 GUI「QA 检查」页），支持导出 CSV 审阅报告。另有一个专家级可选外挂：tmtool qa --semantic-review可注入一个自备的外部语义 reviewer（规则 QA 抓不住的语义错译/漏译一类"待核实提示"）——默认关闭，本仓库不内置任何实现、不含任何模型/网络代码，注入什么由用户自己负责（GUI 刻意没有这个入口），见 DESIGN.md 第 15.3 节 - TM 维护（
tmtool命令行 + 桌面 GUI「语料维护」页）：清理（去重/去空/normalize）、多文件合并（可选冲突策略）、语料统计、对齐检查 - 术语管理（
tmtool term-check+ 桌面 GUI「术语管理」页）：维护双语术语表（csv/xlsx），对照一个已有 tmx/sdltm 检查禁用译法——默认只做"原文出现术语、译文出现明确禁用的错译"这一个方向（几乎不会误报）；approved方向（原文出现术语、译文未用推荐译法）可选开启（--check-approved/ GUI 复选框），因为同义改写就可能触发，定位为"待核实提示"而非缺陷判定。见 DESIGN.md 第 15.1 节为什么范围这么定 - 报告导出：对齐检查、QA 检查、杠杆分析、多 TM 对比、术语一致性检查的汇总结果都能导出为 HTML 或 PDF（
tmtool … --report PATH/ 各页"导出报告…"按钮），给非技术干系人看；CSV 导出仍是逐条目审阅的完整报告格式 - 桌面 GUI（PySide6），也可以纯命令行/脚本调用
- 打包成本地 Windows exe，不需要联网、不上传文件（这条对核心库
language_tools是有测试守护的不变量，不只是承诺：tests/test_no_network_in_core.py禁止其中出现任何具备网络能力的 import；唯一例外是上面那个必须由用户自己显式注入并自己运行的 reviewer 外挂）
git clone https://github.com/aREversez/laelaps.git
cd laelaps
pip install -e . # 库 + biconvert 命令行
pip install -e ".[gui]" # 再加上桌面GUIpython -m toolbox.main侧边栏八个工具：
- 语料转换：浏览选择文件 → 双语源文件需要填源/目标语言（语料库文件可留空自动识别）→ 需要的话调整 docx 版式 → 勾选输出格式 → 点转换。
- 批量转换：一次选多个文件/一个文件夹，批量跑语料转换（同上参数），逐行报告每个文件的成败。
- 对齐检查：对着一个双语文档（docx/xlsx/csv/tsv）预览句子对齐结果，不生成任何文件——转换前先看看"这段落是不是被拆/合并对了"。结果表格默认只显示 GAP（某一侧完全没对应句子）或被 QA 标记的行，可按对齐方式（1:1/合并/拆分/GAP）筛选，可导出完整 CSV 或 HTML/PDF 报告。
- 批量对齐检查：一次选多个双语文档逐个跑对齐检查，表格逐行报“对齐正常/需检查/检查失败”，可导出汇总 CSV——把 shell 循环
tmtool align --fail-on-issues的批量筛查搬到 GUI。 - QA 检查：对着一个已有的 tmx/sdltm 单独跑全部 QA 检查（不需要经过转换），结果按"只显示有问题的条目"默认筛选，可按问题类型进一步筛选，可导出完整 CSV 报告（含未标记问题的条目，不受当前筛选影响）。
- 语料维护：清理（去重/去空/normalize）、合并（多文件+冲突策略）、统计，三个标签页对应
tmtool的三个子命令。 - 条目编辑：打开一个 TM 逐条浏览/手动改或删单条（去重后导出）。
- 术语管理：「术语库」标签页维护一份双语术语表（新增/编辑走弹窗表单，不支持表格内直接改，改动通过表单校验后才落到表里）、导入导出 csv/xlsx；「一致性检查」标签页选一个 tmx/sdltm + 一份术语库，跑检查（可勾选“同时检查推荐译法未使用”开启
approved方向），结果按"只显示有问题的条目"默认筛选，可导出完整 CSV 或 HTML/PDF 报告。
biconvert input.docx --src en-US --tgt zh-CN # 生成 input.sdltm/.tmx/.csv
biconvert input.xlsx -o out.tmx --src en-US --tgt zh-CN # 只要 tmx
biconvert a.tmx --to sdltm # 语料库互转，语言自动识别
biconvert input.docx --src en-US --tgt zh-CN --layout table # 手动指定 docx 版式
biconvert input.docx --src en-US --tgt zh-CN --min-confidence 0.6 # 低质量条目不进sdltm/tmx，仍在csv可查biconvert --help 看完整参数。
clean/merge/stats/qa 四个子命令只处理 tmx/sdltm 语料库文件，不涉及双语源文件转换，所以命令行是独立的 tmtool，不是 biconvert 的子选项；GUI 里对应侧边栏的「语料维护」，三个标签页（清理/合并/统计）分别对应下面前三个子命令，内部调的是同一套 language_tools.tm.* 函数。align 子命令是个例外——它处理的是双语源文件（docx/xlsx/csv/tsv），不是语料库，参数和 biconvert 的双语源文件那部分（--layout/--sheet/--src-col/--tgt-col/--delimiter/--header）是同一套，跟 GUI「对齐检查」页调的是同一个 language_tools.align_report。
tmtool clean a.tmx # 原地清理：normalize + 去重 + 去空段
tmtool clean a.tmx -o cleaned.tmx # 清理后另存，不改原文件
tmtool clean a.tmx --remove-identical # 连 source==target 的条目也去掉（默认保留）
tmtool merge a.tmx b.tmx c.tmx -o merged.tmx # 合并，默认策略 keep-all（全保留，不解决冲突）
tmtool merge a.tmx b.tmx -o merged.tmx --strategy prefer-newer # 同源不同译时按 modified_at 取较新的
tmtool stats a.tmx # 打印条目数/去重率/空段/语言对分布
tmtool qa a.tmx # 跑全部 QA 检查，打印问题条数和分类统计
tmtool qa a.tmx --export report.csv # 同上，并导出完整 CSV 报告（含未标记问题的条目）
tmtool qa a.tmx --semantic-review 'mymod:MyReviewer()' # 可选外挂：注入自备的外部语义 reviewer，结果进 CSV 的 semantic_issues 列（默认不传 = 完全不跑）
tmtool align input.docx --src en-US --tgt zh-CN # 对齐检查一个双语文档，打印 GAP/QA 统计，不写任何文件
tmtool align input.docx --src en-US --tgt zh-CN --export report.csv # 同上，并导出完整 CSV 报告
tmtool align input.docx --src en-US --tgt zh-CN --report report.html # 同上，并导出 HTML/PDF 汇总报告合并冲突策略（--strategy）：keep-all（默认，全部保留，交给后续 QA 检查去发现冲突）、prefer-first（同源冲突时保留先出现的译文）、prefer-last（保留后出现的）、prefer-newer（按 modified_at 时间戳取较新的，没有时间戳的条目视为最旧）。
批量检查一堆文档的对齐质量：tmtool align 加上 --fail-on-issues 时，只要发现 GAP 或被 QA 标记的条目就以退出码 2 结束（不加这个参数则和其它子命令一样，跑成功了就是退出码 0，不管内容有没有问题）——配合 shell 循环，用退出码筛出需要人工看一眼的文档，不用每个文件都读一遍打印内容：
for f in *.docx; do
tmtool align "$f" --src en-US --tgt zh-CN --fail-on-issues || echo "需要检查: $f"
donetmtool <子命令> --help 看完整参数。
术语库是一份 csv/xlsx，表头必须包含 src_term/tgt_term（大小写不敏感），status/domain/note 可选：
src_term,tgt_term,status,domain,note
big data,大资料,forbidden,tech,旧译名，统一用"大数据"
cloud,云,approved,tech,语言对是整份术语库文件级别的属性（不是每行都写一遍），命令行/GUI 里跟其它文件一样传 --src/--tgt 或用语言下拉框指定。status 只有 approved/forbidden 两档。默认只检查 forbidden：原文出现 src_term、译文出现对应的 tgt_term（即那个被禁止的错误译法）才会被标记。approved 方向（原文出现术语、译文未用推荐译法）默认不查，需要显式加 --check-approved 开启——因为同义改写、代词回指都可能命中，定位是"待核实提示"而非缺陷（见 DESIGN.md 第 15.1 节）。开启后还有两道防噪声闸门：只有 status 列明确写了 approved 的行参与检查（status 留空或不识别的行只是默认显示为 approved，不会被检查，免得整份没填状态列的老术语表一键开关就涌入待核实命中）；未翻译的空译文条目不标记（那是 QA EMPTY_TARGET 的职责）。
tmtool term-check a.tmx --glossary glossary.csv # 打印命中数
tmtool term-check a.tmx --glossary glossary.csv --check-approved # 额外检查推荐译法未使用（默认关），按方向拆分打印
tmtool term-check a.tmx --glossary glossary.csv --export report.csv # 同上，导出完整 CSV
tmtool term-check a.tmx --glossary glossary.csv --report report.html # 导出 HTML/PDF 汇总报告（总数/命中占比/按术语×方向统计）
tmtool term-check a.tmx --glossary glossary.csv --fail-on-issues # 有命中则退出码 2，同 `align` 的批量脚本用法from language_tools import convert
convert("input.docx", "output_basename", src_lang="en-US", tgt_lang="zh-CN")
# 生成 output_basename.sdltm / .tmx / .csv这部分决定了你要提供的文档必须长成什么样，格式不对会转换失败或者对齐出错。
编号版式（numbered）—— 不是逐段交替编号，而是先列完整块源语段落，再接完整块译语段落，靠"编号第二次从 1 开始"判断分界：
[1] Dr. Smith arrived at 9 a.m.
[2] The train departs at 6 p.m.
[1] 史密斯博士上午9点到达。
[2] 火车下午6点出发。
表格版式（table）—— 左右对齐，2 列表格，第 1 列源语第 2 列译语，一行一对：
| Source | Target |
|---|---|
| Dr. Smith arrived at 9 a.m. | 史密斯博士上午9点到达。 |
| The train departs at 6 p.m. | 火车下午6点出发。 |
首行如果看起来像表头（内容短、没有句末标点）会自动跳过，也可以用 header=True/False 强制指定。超过 2 列时默认取最后两列，可用 src_col_index/tgt_col_index 指定其他列。
交替段落版式（alternating）—— 一段源语紧接一段目标语，如此交替：
Dr. Smith arrived at 9 a.m.
史密斯博士上午9点到达。
The train departs at 6 p.m.
火车下午6点出发。
自动识别顺序是表格 → 编号 → 交替（交替排最后，因为它没有正向识别特征，任何偶数段落数的单语文档都"符合"这个形状）。识别错了用 --layout 手动指定。
约定和 docx 表格版式一致：2 列，第一列源语第二列译语，一行一对，首行表头自动探测。列不是恰好 2 列时同样取最后两列，可覆盖——xlsx 用 Excel 字母指定（--src-col B --tgt-col C），docx表格/csv 用 0-based 序号指定。csv/tsv 编码按 utf-8-sig → utf-8 → gb18030 顺序自动尝试，国内 Excel 导出的非 UTF-8 文件也能读。
这两种当输入时走的是不一样的路径：文件内容本身已经是句子级别的翻译单元，直接读取，不会再跑分句/对齐算法。--src/--tgt 可以不填，会从文件内容自动识别。
pip install -e ".[dev,gui]"
pytest tests/ # 库 + CLI 测试
QT_QPA_PLATFORM=offscreen pytest tests/ # 含 GUI 测试的完整套件（无显示器环境用这条）打包 Windows exe（需要在 Windows 上执行，PyInstaller 不能跨平台编译）：
pyinstaller packaging/language-toolbox.spec架构设计、开发阶段规划、已知限制、新增工具的接入方式见 DESIGN.md。
本项目生成的 .sdltm 目标定位为 Level 2 — Studio 可读可导入（Trados Studio 能打开、浏览、搜索、编辑），明确不追求 Level 3（Trados 私有 fuzzy hash 算法位级一致）。
Level 2 的实际验证需要真实的 Trados Studio 环境（授权、Windows、GUI 应用），无法 CI 化。我们用一份人工验证 ledger 记录每次验证的状态：compatibility/studio-readable.md。如果你手头有 Trados Studio，欢迎按文档里的步骤跑一遍并补充验证条目。