IT技术博客大学习 共学习 共进步
全部 移动开发 后端 数据库 AI 算法 安全 DevOps 前端 设计 开发者

怎样翻译更地道:翻译如铺路

乱象,印迹 2009-11-03 12:03:30 累计浏览 3,274 次
本机暂存

    我们所使用的绝大多数语言都具有这样的特性:既有规则(譬如句子要有完整的结构,过去发生的动作要用过去式),又没有规则(譬如不规则动词,以及某些“妙手偶得”的奇妙搭配)。可以说,语言的创造性,就在于能够灵活游走于这种有/无规则的矛盾之间,“产生”出历史上未曾有过,但意义完整的通顺句子。这种“游走”,在我们使用母语时,往往是凭借本能完成的:“千锤百炼”可以调换成“百炼千锤”,但不能变成“千炼百锤”。

    但是,译者在翻译时则不容易做到这一点,究其原因,一方面是译者受到原语言规则的影响,往往把原文的思维“照搬”过来;另一方面,词典提供的往往是僵化或者说“过度统一”的解释,结果造成译文生硬晦涩――或许能看懂,但是很别扭。这方面最典型的例子,就是er/or后缀的翻译。

    er/or是英文中常见的后缀,其英文解释是the person/thing that(does the action indicated by verb),在英文中,这是方便、简单而且统一的用法:无论什么动作,加上er/or后缀,就可以表示执行的人/器物。翻查英汉词典,通常将这个翻译为“xx者/xx的人”,这个翻译,意思是对的,但译法却不一定合适。

    我们不妨来想想,中文语境中各种er/or对应的各种说法,总结一下这个后缀的多种翻译:

~师:培训师(trainer),律师(lawyer)~者:译者(translator),读者(reader),作者(author)~员:演员(actor),官员(officer),接线员(operator)~官:指挥官(commander),法官(judger),翻译官(translator)~手:水手(sailor)~士:战士(soldier),辩护士(defender)~民:农民(farmer),选民(voter)~人:工人(worker),诗人(songster)~方:资方(employer)~主:雇主(employer)~工:水管工(plumber)~匠:木匠(carpenter),工匠(artificer),油漆匠(painter)~家:画家(painter),摄影家(photographer)

    此外,还有些名称,似乎完全不包含“与人相关的元素”:导演(director),司机(driver),园丁(gardener)……

    这样一个“通用”的er/or,意思也不难理解,在翻译时,竟然可以变出这么多种的花样,的确很麻烦,但却是译者不容推辞的责任:“鬼子带了个翻译官来”不能说成“鬼子带了个译者来”,“劳方/资方关系”远远比“雇佣者/被雇佣者关系”要简捷得多,“对选民负责”也好过“对投票者负责”。

    从这里推演开去,相同的语言成分(甚至相同意象)在翻译时要变化对待的例子还有许多:radicalist有时应该翻译成“激进派”而不是“激进主义者”(虽然-ist似乎约定俗成就是“主义者”,international community也不是“国际社群”而是“国际社会”(虽然community似乎跟“社会”没关系)。

    看到这里,有些人要说,这还不是中文太麻烦了,英文就没有这样的问题――整齐划一,规律好记。可是,事实果真如此吗?单单“星期1”到“星期6”,和“1月”到“12月”这样的简单名词,就没法像中文一样“归化”到整齐的形式,更不用说那一大堆的不规则动词,每个都得记住过去式、过去分词的麻烦了。依我看,问题并不是中文英文孰优孰劣,而是说话的人,身上的懒筋在作怪――我总觉得,语言中的每个元素,都好像一块独特而不规律的石头,译者的责任,就是找到(或者说“发现”)这些石头彼此合适的一面,重新铺就一条坦途,倘若偷懒照统一的方式来摆放,铺出来的路肯定是会硌脚的。

同分类推荐文章

  1. 从”内容治理”到”行为治理”:中国智能体治理框架深度解析与绿盟科技实践 (2026-06-23 21:49:28)
  2. 美团海报生成 AIGC 技术创新与实践 (2026-06-22 15:34:28)
  3. AI Coding Agent 时代,我自己最常用的 4 个终端工具 (2026-06-22 08:00:00)

查看更多 AI 文章 →

建议继续学习

  1. 相似度计算常用方法综述 (累计阅读 10,606)
  2. 一个简单的中文分词程序 (累计阅读 5,510)
  3. 如何计算两个文档的相似度(二) (累计阅读 5,236)
  4. 文言文白话文互转:文言文转白话文(现代文),白话文(现代文)转文言文 (累计阅读 5,159)
  5. 漫话中文分词算法 (累计阅读 4,980)
  6. 公共场所英文译写规范 (累计阅读 4,553)
  7. 淘宝搜索中Query下拉推荐技术 (累计阅读 4,405)
  8. 有关品牌微博的一些数据 (累计阅读 3,403)
  9. 智能输入法软件的社会责任问题 (累计阅读 3,394)
  10. 怎样翻译更地道:当遇到when的时候 (累计阅读 3,326)