这是我们最近的一个实践案例。客户要我们分析和去掉一个Excel文件的重复。我们发现Excel文件包含大量HTML元素，也就是HTML元素和待翻译文本混杂在一起，要准确分析Excel文件的字数，需要将Excel文件中的HTML元素去掉。
包含HTML元素的Excel文件比较复杂，非Déjà Vu X、Trados等主流CAT软件不可，它们都支持将Excel文件中的HTML元素“去掉”，更准确说，是将HTML元素转成标记。这样，便能准确地分析出待翻译文本的字数。
由于Déjà Vu X3在处理Excel文件时，默认会将HTML元素转为标记。因此Déjà Vu X3是首选方案，但是我们尝试使用Déjà Vu X3转换该Excel文件时，Déjà Vu X3直接崩溃，无法处理。
于是我们转而使用SDL Trados Studio，但是SDL Trados Studio中必须手工定义Excel转换器。如果不定义，HTML元素会当作普通文本处理，那么不翻译的Html元素仍然会和文本混杂在一起。我们在国外网络上找到了相关方案。
SDL Trados Studio的Excel转换器嵌入内容定义方式见下：
我们分别在SDL Trados Studio不同版本中尝试了以上规则，在有的版本中，规则未发挥效用，有的虽然发挥了效用，但是在解析过程中出错，提示有异常内容。
我们先后尝试转换Excel的文件格式，将Excel文件切分成几十个小文件，分别使用Google DOC、LibreOffice、OpenOffice处理，但是要么提示文件没有开始/结束标记(Trados中)，要么根本无法打开（第三方Office程序中）。
上面的试错过程，只是简短一句话，但是我们却花费了大量的时间和精力，应用了各类不同的工具。
最终工程师提到，有的正则在SDL Trados Studio中起到效用，说明正则是有效的。于是，我们变换思路，使用不同的规则，在SDL Trados Studio中，成功提取了Excel文本。
成功提取文本后，我们分析得出，客户项目总字数超过160万字，使用我们的排重工具Toolbox去掉重复后，剩余字数为60多万字。
故事本应快乐的结束了。我们查看项目后，又发现仍有部分HTML元素未转成标记。于是我们又进行了新一轮试错过程。
我们重新增加了新的规则，使用SDL Trados Studio处理，虽然可正常处理，但是文件无法保存，提示内存不足。我们先后将SDL Trados Studio内嵌文件调整为零，将文件切分为多个小文件，但仍存在问题。
接着，我们将Excel文件格式从.xlsx格式转为.xls，再进行切分，最终文件可以正常转换了。分析得出的总字数是130万，排除掉的重复字数是80万，也就是说需要翻译的字数是50万。
最后，当您处理包含HTML网页的复杂Excel文件、以及超大型文件时，我们的以上试错过程，希望对您有借鉴意义。查看高清大图，欢迎关注locren.com官方微信。
