记一次视觉小说机翻历程

0. 前言

最近想看点故事书，上网搜了一个盗版，但是只有日文。之前黄队搞了一个汉化教程，我也来试看看。

1. 解包

游戏文件夹里有一个 data.unity3d，很巨大。这说明游戏使用了 Unity 引擎。可以下载一个 Unity 解包器 (UABE)。解包后，Export Raw sharedassets0.assets 并打开，可以看到很多关键文件 (特效、文本、字体、图标等)。

2. 找文本

里面有很多 txt，大概是字母后面跟一个数字。

就改了 A1 的一句话。之后，用 UABE 的 Import Raw，把新文件塞回 sharedassets0.assets，再把这个塞回 data.unity3d。

(结果，游戏没变化)

稍作观察，游戏里的第一句话和 A1 里第一句话不尽相同！经过寻找，X 才是第一章，我们对 X1 进行同样的操作。

(还是一点变化都没有)

试错后，我终究把这种 txt 都删了，游戏照样运行。原来每个章还有一个 book 文件。但是想问开发者：有什么把文本写 2 遍的必要么？

3. 格式分析

这种文件如果随便打开，很乱码。用 Notepad2 把编码改成 UTF-8，可以看到这些日文，中间有神秘指令，旁边是一些游戏中的结构，还有很多黑色块。

我们选用 010 Editor，可以看到文件的每个 byte。原来黑色块的 ASCII 比可见字符小，且大多是 0。并且，非文本非 0 的某些地方也存在规律：对于一段文本的前面 1~2 个 byte，存了一个整数，表示这段文本占用的 byte 个数 (第 \(i+1\) 个 byte 的值是 \(2^i\)) (后面才意识到，是至多 4 个 byte)。

于是，我更改了第一句话及其长度，但是程序直接无法运行。经过多次试错，心态有点崩。最后，我钦定长度不变，把一个平假名改成汉字 (都是 3 个 byte)，总算让程序跑起来了。

(此时，我还以为是程序对长度序列进行了 Hash，于是想找到这段代码在哪里。我下了很多逆向工程软件，有静态调试、动态调试，还有同步它们的插件。实力不佳，很长的代码/汇编不知道看哪里，浪费了很多时间。)

(此时还没把文本长度看作 32 位整数。)

4. 机翻

考虑到中文通常比日文短，可以不更改文本长度，翻译后在后面补空格。

申请了百度翻译 API，免费翻译 \(10^6\) 字符/月。上网抄了一份能调用它的 Python 代码，预编译成 pyc。

C++，启动！对于每行，正文前面有一些关键日文，不能动。我们可以选取每行最后一个有日文字符的连续段 (要理解 UTF-8 规则) 翻译。

(但是，文件中有很多 int，所以经常出现 0A byte 被误判为换行，导致误翻关键内容。幸好，正文以“「”或“ ”开头，加一道验证即可。)

X 章翻了 2 个小时。中文长于日文的地方很少，直接不管。塞回去，又是报错。我每次将一个已翻译的前缀和一个未翻译的后缀拼起来塞回去，略显二分地找出了错误地点。

原来是一段文本和后面的一个文本长度搞到同一个连续段里了。于是根据文本前的字串长度，又写了一个程序修了一下。

(此时我才发现，每个文本长度总是以文件种第 \(4k+1\) 个 byte 开头。)

原来，程序其实根本就没有对长度序列进行加密。之前改文本长度导致文件失效，只是因为没把一个 int 放在 4 的倍数的位置啊！但是懒得改了。

5. 改字体

翻译好了！字体感觉不如... 实际上，有 2 种字体混在一起，估计是其中 1 种字体不完全支持中文。

在 sharedassets0.assets 里找到了很多字体。根据这篇文章操作，反复试错后，终于找到了最关键的字体。

大功告成。

6. 尾声

这次历程，聚降智，罗趣味。不过现在我可以看中文故事了，很值得。