我在GitHub上有一个项目，专门用于记录任天堂官方中文化游戏的文本。这个项目对于喜欢确认译名的人来说应该比较有帮助，如果帮到了您，您可以选择给它一个Star。
这篇笔记主要就是来讲一讲这个项目里面的文本是怎么来的。注意：本文不涉及盗版游戏的获取方式。
文本在游戏中的存储
在提取文本之前，首先要定位文本的位置；而要定位文本的位置，首先得获得游戏文件。很尴尬的一件事就是：对于主机游戏来说，由于主机的封闭性，一般只有破解过的主机才能够提取游戏ROM。如果没有破解的主机，那么就只能够通过盗版网站获取ROM了。由于这并不是本文的重点，我不打算深入讨论这个问题，但是有一件很讽刺的事就是，由于“偷跑”的存在以及互联网的传播，盗版游戏反而容易比正版游戏提前获得。而对于电脑游戏、手机游戏来说，游戏文件的获取一般比较简单。
在获取游戏文件后，有时还需对文件进行“拆包”。这里的拆包大多是因为游戏厂商出于压缩容量、减少小文件数量等考量而将多个文件打包成一个，为了获取其中的单独文件而需要进行的步骤。对于主机游戏来说，游戏文件一般被称作ROM，其中包含了可执行文件（exefs）、数据文件（romfs）等多种文件，而游戏文本一般存储于数据文件中。对于常见的打包格式来说，由于对其感兴趣的人较多，因此可以使用的工具也比较多。例如，对于Nintendo Switch游戏的ROM文件，可以使用Ryujinx提取其中的romfs；对于任天堂自家的常用打包格式，可以使用Switch-Toolbox进行拆包；而对于跨平台的游戏引擎Unity，则有专门的工具AssetStudio用于分析数据文件。
接下来需要定位文本的位置并提取文本。一般来说，包含文本的文件多以“Message”“Text”“Localization”等词语命名，或者按语言代码“ja”“en”等词语分类。其保存路径因游戏而异，有时也需要一些突如其来的想法才能找到文本。如果没找到的话，可能是拆包不彻底，也可能是厂商用了特殊的命名方式（比如使用了母语+缩写）。虽然也可能是保存在了可执行文件中，但这样一般不方便维护，而且不利于本地化翻译，对于国际厂商来说一般不会这么做。
从文件中提取文本
定位了文本所在的文件之后，剩下的就是将文本提取出来了。如果厂商使用的是常见格式（如.txt、.csv、.xml、.json）等，则可以直接使用文本编辑器打开，或是自己编写简单的脚本批量读取、转换。但是，基于存储大小、读取速度、定位方式等多种因素考虑，游戏中的文本一般不会保存为常见的格式，而是保存为厂商特有的二进制文件。例如，近年来任天堂自家的游戏多以.msbt格式存储文本，对于这一格式的研究也已经比较深入，除了前文的Switch-Toolbox之外，还有一个在Nintendo 3DS时代常用的工具Kuriimu也能读取.msbt格式的文件。此外，这两个工具也能读取一些其他的常用文本文件格式，可以参考两者的GitHub项目主页查看。如果这两个软件都无法打开文本文件，还可以尝试Google一下文件格式 + Extract或类似字样，有时可以找到前人已经写过的工具。
当然，并不是所有的文件格式都有前人分析。对于搜索无果的情况，可以尝试先用十六进制编辑器打开（如HxD），然后读取疑似的字节串，查看其UTF-16或UTF-8解码的结果。对于国际厂商来说，文本编码多为这两种编码，但也有例外，如厂商可能使用Shift-JIS编码日语，或GB18030编码简体中文；如果是这种情况的话，可能真的需要一些灵感了。如果字节串可以读出有效信息，表明文本文件应该是没有加密的，可以编写脚本读取。
在提取出文本之后，有时还要处理文本中存在的控制符。如果控制符本身就是可见字符（如使用了类似HTML标记的<>），一般无需处理；而对于控制符本身是不可见字符的情况，就会变得有些复杂。.msbt格式的控制符就是属于后一种情况，但Kuriimu等工具对于控制符的处理效果不佳，建议自行分析控制符的使用方式。
笔记：一些不常见的文本文件格式
BTXT文件：不一样的.txt文件
在《密特罗德 生存恐惧》（发售日：2021-10-08）中，文本文件使用了.txt格式，但这些文件无法用文本编辑器直接打开。用HxD查看之后发现Magic Header是BTXT（42 54 58 54），文字也基本可读，就是简单的ID + 字符串格式。
参考代码：GitHub Gist。
.wmbt文件：.msbt文件的后继者？
在《分享同乐！瓦力欧制造》（发售日：2021-09-10）中，文本文件使用了.wmbt的格式。这种格式的结构与.msbt几乎相同，仅仅是部分字节有了变化。原有的工具无法直接使用，但经过简单修改后仍可提取文本。
参考代码：GitHub Gist。
.etb文件：使用GBK进行编码
在《搭档任务 秘密搜查组》（亚洲版本，发售日：2021-08-20）中，文本文件使用了.etb格式。这种格式的文本编码比较特殊，不是常用的UTF-16或UTF-8，而是随不同语言而变化，也即中文文本用了GBK（顺带一提，繁体中文文本编码也是GBK，而不是BIG-5），韩文文本用了EUR-KR。我推测日文文本可能用了Shift-JIS，但我没有实际测试。
参考代码：GitHub Gist。