Счётчик абзацев, вернувшихся на языке оригинала: упражнения вида [2] модель не переводит

scripts/translate.py

@@ -156,7 +156,7 @@ MIN_LEN_SHARE = 0.25
 
 def rebuild(src, chapters, workdir, out):
     lines = src.read_text(encoding="utf-8").splitlines()
-    broken = missing = translated = junk = 0
+    broken = missing = translated = junk = untouched = 0
     for n, ch in enumerate(chapters):
         f = workdir / "translations" / ("chapter_%03d_translated.json" % n)
         if not f.exists():
@@ -174,13 +174,20 @@ def rebuild(src, chapters, workdir, out):
                 junk += 1
                 lines[idx] = "<%s%s>%s</%s>" % (tag, attrs, original, tag)
                 continue  # оставляем оригинал: английский абзац лучше огрызка
+            # Абзац, вернувшийся на языке оригинала. Доля кириллицы по всему
+            # документу такое не ловит: полтора процента в ней тонут, а на
+            # странице это заметный кусок английского текста.
+            if len(plain_src) > 150 and detect_language(re.sub("<[^>]+>", "", text))[0] \
+                    == detect_language(plain_src)[0] != "unknown":
+                untouched += 1
             body, ok = from_marks(text)
             broken += not ok
             translated += 1
             lines[idx] = "<%s%s>%s</%s>" % (tag, attrs, body, tag)
     out.write_text("\n".join(lines) + "\n", encoding="utf-8")
     print("переведено блоков: %d, без перевода: %d, разметка потеряна в %d, "
-          "огрызков заменено оригиналом: %d" % (translated, missing, broken, junk))
+          "огрызков заменено оригиналом: %d, осталось на языке оригинала: %d"
+          % (translated, missing, broken, junk, untouched))
     return missing == 0 and junk * 200 <= translated