Выбор language Тэга

Какой language тег мне подходит? Как выбрать language и другие subtags?

Первый (и часто единственный) subtag в language тэге всегда обозначает язык. Он упоминается в BCP 47 как главный language subtag. Мы будем использовать этот термин в данном документе для обозначения subtag, представляющий язык, чтобы более четко провести различие от 'language тэга', который ссылается на все это.

Чтобы найти главный language subtag, ищите страницу по названию того языка. Например, если вы хотите нечто пометить, как French, поиск в реестре по 'French' приведет вас к записи, которая выглядит следующим образом:

%%
Type: language
Subtag: fr
Description: French
Added: 2005-10-16
Suppress-Script: Latn
%%

Ваш поиск будет сопоставляться с полем Description. Убедитесь, что тип этой записи language. То, что вы ищете - значение поля Subtag. fr.

Остальная часть этой статьи поможет вам выбрать главные language subtags и, при необходимости, другие виды subtag. Обратите внимание, что не все решения о создании language тэга являются простыми. Есть обстоятельства, при которых использование будет диктовать вам, которой из разных возможностей вы должны следовать.

Есть инструменты, которые оказывают дополнительную помощь при поиске по реестру, такие как инструмент Поиск Language Subtag созданный Richard Ishida.

• Подумайте о letter-case (буквенных регистр). По соглашению, главные language subtags прописываются маленких буквами, скриптовые subtags начинаются с большой буквы, и продолжаются с маленькой, и региональные subtags прописываются заглавными буквами. Это всего лишь сделка, и вы можете свободно использовать любой буквенных регистр, что вам нравится.

  С другой стороны, вы можете использовать language тэги в контексте, где важен буквенных регистр, например, имена файлов в некоторых системах. В таких случаях, вы должны убедиться, что вы следуете последовательной политике буквенного регистра; для любой новой системы, которая не чувствительна к регистру вам рекомендуется следовать соглашениям BCP 47.

Решение 1: Главный language subtag

Всегда помните золотое правило - храните ваш language тэг как можно более коротким. Только в случае необходимости добавляйте еще ​​subtags к своему language тэгу, чтобы отличать язык в условиях использования вашего контента.

Есть ряд вещей, которые нужно помнить при поиске главного language subtag.

• Убедитесь, что вы имеете правильный язык. Иногда, нужно иметь несколько альтернативных вариантов. Mark Davis, соавтор BCP47, пишет "Часто не ясно, какой идентификатор языка нужно использовать. Например, то что большинство людей называет Панджаби в Пакистане, в действительности имеет код 'lah', и официальное название 'Lahnda'. Есть много других случаев, когда одно и то же название используется для разных языков, или когда название, которое люди ищут не указано в реестре IANA."

  Вы можете найти информацию о языке в SIL Ethnologue и перекрестные ссылки на эту информацию в Wikipedia. Ethnologue использует те же три-буквенные коды, что и BCP47, но чтобы искать язык с помощью кода вы должны будете превратить BCP47 2-буквенные коды на их ISO 639-3 двойники. (Инструмент созданный Richard Ishida сделает это для вас.)

  Очень редко доступны различные языковые коды, поэтому многие люди будут считать язык тем же, например, Филиппинский и Тагальский, или Тви и Акан. Нет никаких указаний в реестре, которые нужно использовать, но вы должны быть последовательным в рамках одной программы или контекста.

• Избегайте скопления. Если запись, что вы нашли имеет поле Scope: collection, этот subtag представляет собой группу языков, которые происходят от общего предка, на которых говорят в той же географической области, или которые иным образом связаны между собой.

  Вы должны искать более конкретный subtag для языка, что вас заинтересовал. К сожалению, subtag реестр не предоставляет никаких указаний для этого.

  Вы можете использовать эти subtags, если не доступен более конкретный subtag, и это всегда лучше использовать один из этих subtag, а не MUL (multiple languages (много языков)) subtags или UND (undefined (неопределенный)).

• Будьте осторожны при использовании macrolanguages ​​(макроязыков). Некоторые language subtags имеют поле Scope установленное для макроязыков, то есть это главный language subtag включает в себя ряд более конкретных главных language subtags в реестре.

  Например, ku (Курдский) - макроязык, охватывающей ckb (Центральный Курдский), kmr (Северный Курдский), и sdh (Южный Курдский).

  Вы можете найти более конкретные (то есть охватываемые) subtags путем поиска в реестре Macrolanguage: <subtag_name>. Кроме того, инструмент для поиска созданный Richard Ishida автоматически буду перечислять их для выбранного макроязыка (пример).

  Как мы рекомендовали для subtags скопления, что вспоминались выше, в большинстве случаев вы должны использовать более конкретные subtags, но есть небольшое количество важных исключений. Это ситуации, когда вы должны продолжать использовать subtag макроязыка для совместимости.

  Например, хотя BCP 47 объясняет, что zh (subtag макроязыка для Китайскго) на самом деле не указывает, какой именно из многих, иногда взаимно непонятных, диалектов Китайского подразумевается под этим subtag, на практике соглашение в большой степени ассоциирует subtag макроязыка с доминирующим языком среди охватываемых subtags - в этом случае, cmn (Мандаринский Язык). Если в прошлом ваше приложение определило Мандаринском язык используя language тэг zh-CN (язык, используемый на Материковом Китае), или даже просто zh, то таким образом вы можете продолжать использовать zh. Использование cmn или cmn-CN может вызвать серьезные проблемы совместимости, если программное обеспечение и пользователи ожидают, такой тэг как zh.

  С другой стороны, если вы используете zh чтобы обратиться к другому Китайскому диалекту такому как Хакка, то вместо него вы должны использовать language subtag hak.

• Избегайте deprecated (устаревших) subtags. Если запись subtag содержит поле Deprecated не используйте этот subtag. Обычно в поле Preferred-Value реестр будет указывать, какой из вариантов вы должны использовать. Например, запись subtag для iw (Иврит) содержит два следующих поля:

  Deprecated: 1989-01-01
  Preferred-Value: he

  Это означает, что для Иврита вы должны использовать subtag he.

В прошлом, при работе со списками кодов ISO, иногда случались несколько кодов для обусловленного языка - может быть 2-буквенный код и один или два 3-буквенные коды. Эта неоднозначность разрешается IANA Subtag Реестром: только один код указанный для каждого языка. (Если ISO 2-буквенный код существует, то это и будет код, в противном случае это будет трех-буквенный код). Сопровождающий реестра также координирует постоянную эволюцию реестра с событиями в мире ISO.

Решение 2: Расширенные language subtags

В настоящее время только семь основных language subtags могут использоваться с расширенными language subtags. Шесть из них имеют полеScope установленное в реестре для макроязыка (ar, kok, ms, sw, uz, и zh), и другая - sgn.

Рассмотрим следующее:

• Где это возможно, использовать один language subtag, а не пару language+extlang. Существует всегда 3-буквенный subtag, который эквивалентен любой паре language+extlang, и он означает то же, что и extlang subtag. Например, zh-yue (Кантонским Китайский) также может быть выражен одним subtag yue.

  Единственным существенным исключением, является тот случай, где последовательность language+extlang устоявшаяся практикой для системы с которой вы работаете, это там где было бы лучше использовать zh-yue чем yue, чтобы сохранить обратную совместимость.

• Учтите устаревшее использование для доминирующих языков. В разделе о главных language subtags мы говорили о доминирующем языке в наборе языков, что охватываемый макроязыком. Мы сказали, что для поддержки устаревшего использования для выбранного приложения, как правило, для доминирующего языка лучше использовать subtag макроязыка, а не более конкретный subtag. Например, в таких случаях ar (Арабский subtag макроязыка) для Стандартного Арабского может быть более подходящим чем arb (точнее, охватывает subtag, что означает Стандартный Арабский).

  Кроме того, при работе с доминирующим в наборе языком, как правило, лучше для совместимости, если вы замените последовательность language+extlang, только упуская extlang, а не использовать extlang код в качестве главного language subtag. Например, сокращение с ms-zsm к ms (subtag Малайского макроязыка) иногда может быть лучше, чем заменить его на zsm (Стандартный Малайский).

Как пример использования, CLDR базы данных Unicode, что используют макроязыки zh для представления Мандаринского языка и ku для представления Курдского языка. Таким образом, для Мандаринского языка вы должны использовать zh, а не cmn, и для Северного Курдского языка вы должны использовать ku-Latn, а не kmr-Latn. Однако, база данных CLDR не использует расширенные language subtags, поэтому вы должны использовать для Кантонского диалекта yue, а не zh-yue.

Решение 3: Скриптовые subtags

Скриптовые subtags состоят из 4 букв, и должно идти за любым language или расширенным language subtag, но перед любыми другими subtags.

Вот вещи на которые следует обратить внимание при выборе скриптового subtag.

• Не используйте автоматически для неписьмового контента. Контент вроде аудиозаписей не требует никакого обычного скриптового subtag. Например, фильм, имеющий подзаголовок на Узбекском языке использует Арабский (а не Латинский) скрипт может отмечать субтитры uz-Arab, но скриптовый subtag Arab будет неуместным для звуковой дорожки.

  Скриптовый subtag Zxxx можно использовать для неписьменного контента, например uz-Zxxx, как и Zxxx есть Кодом для неписаных документов, но опять же это полезно только, если такая разница понятна.

• Проверьте есть ли suppress-script (подавляющие скрипт) поля в language subtag. Некоторые language subtags имеют поле Suppress-script установленное для обусловленного скриптового subtag. Например, запись в реестре для en (Английский) содержит:

  Suppress-Script: Latn

  который означает, что вы не должны использовать Latn (Латинский) скриптовый subtag с этим языком.

  Это потому, что почти все Английские документы пишутся на Латинском скрипте, и это не добавляет отличительной информации. Однако, если документы были написаны на Английском языке смешивая Латинский скрипт с другим скриптом, таким как скрипт Брайля (Brai), то было бы целесообразным указать, оба скрипта, чтобы помочь в выборе контента (например, для применения правил стиля).

  Однако следует отметить, что не все language subtags, которые тесно связаны с обусловленным скриптом имеют поля suppress-script. Если нет поля suppress-script, то использовать скрипт вам не нужно.

Решение 4: Региональные subtags

Например, en-GB может быть полезным различие для проверки орфографии, но региональный subtag в ja-JP вряд ли будет полезным, если вы намеренно сравниваете язык с Японской разговорным в других частях света.

Есть два типа региональных subtag: 2-буквенные коды и 3-цифровые коды. Последние, как правило для определения многонациональных регионов, а не для отдельных стран. Например, es-ES означает Испанский язык, на котором говорят в Испании, в то время как es-419 означает Испанский язык на котором говорят в Латинской Америке.

• Избегайте устаревших subtags. Убедитесь, что subtag, который вы собираетесь использовать не является устаревшим. Равно как и для других типов subtag, реестр, как правило, должен сказать какая замена должна осуществляться через поле Preferred-Value.

  В некоторых случаях в устаревших записях нет поля Preferred-Value, но иногда поле Comments содержит совет. Например, под YU (Югославия) вы найдете:

  Deprecated: 2003-07-23
  Comments: see BA, HR, ME, MK, RS, or SI

Решение 5: Вариантные subtags

Вариантные subtags описывают дополнительные различия, которые не находят отражения в других subtags. Обычно это диалекты, письменные изменения (например, реформы правописания), транскрипция и т.д.. Вариантные Subtag, как правило, от 5 до 8 символов и может содержать буквы и/или цифры. Также зарегистрированы несколько четырехзначных subtags (как правило, представляют год). Вариантные subtags должны идти после любых language, скриптовых и региональных subtags.

Главное на, что следует обратить внимание при использовании вариантных subtags это порядок, в котором они используются.

• Проверка контекста и упорядочение для вариантных subtags. В системном реестре большинство записей вариантных subtag имеют одно или несколько полей Prefix. Префиксы указывают, с которыми subtags, как правило, целесообразно использовать этот вариант. Например, pinyin как правило, должны использоваться в language тэге, который содержит также оба subtags zh и Latn или subtags bo и Latn, с момента входа pinyin содержит следующее:

  Prefix: zh-Latn
  Prefix: bo-Latn

  Если у вас есть веская причина, вы можете использовать вариантный subtag с различными subtags, например cmn-Latn-pinyin будет отличным способом указать Мандаринский язык написанный с помощью Пиньинь.

  Хотя и zh, bo и Latn указаны, это является минимальным требованием. Кроме того, можно включить другие subtags, такие как региональный subtag в language тэг (при необходимости), например zh-Latn-TW-pinyin.

  Среди других prefix полей, вход для вариантного subtag 1994 содержит

  Prefix: sl-rozaj-biske

  что указывает, что он используется в language тэге, который уже содержит два других вариантных subtags, rozaj и biske. Любой вариантный subtag, указанный в поле prefix должен предшествовать варианту, который вы только что посмотрели.

  Есть несколько вариантных subtags, которые не имеют поля prefix, например fonipa (Международный Фонетический Алфавит). Такие варианты должны появиться после любых других вариантных subtags, содержащие prefix информацию.

  Если вы планируете несколько вариантов без prefix, упорядочивайте их с точки зрения уменьшения значения. Если они имеют одинаковые значения, то упорядочивайте их в алфавитном порядке. Это будет способствовать взаимодействию.

Решение 6: Subtags расширения

Эти односимвольные subtags позволяют расширения для language тега. На сегодняшний день зарегистрирован только один subtag расширения. Subtag u был зарегистрирован Unicode Консорциумом, чтобы добавлять информацию о языке или поведение локали. Многие идентификаторов локали требуют дополнительных "настроек" или опций для конкретных значений в пределах языка, культуры, региона, или других вариаций. Это расширение предоставляет механизм для использования этих дополнительных настроек в language тэге для общего обмена.

Например, следующее означает, что порядок сопоставления телефонной книги должен использоваться приложением, что сортирует данные в документе и должен сортироваться согласно этому порядку сортировки, и так далее.

• de-DE-u-co-phonebk

Расширение u- определенное в RFC 6067, что указывает на Unicode Consortium's Common Locale Data Repository (Общее Вместилище Данных Локали Unicode Консорциума (CLDR)) для получения детальной информации о subtags, идущие вслед за ним. Оно не определяется BCP 47.

Решение 7: Subtags частного использования

Subtags частного использования не появляются в реестре subtag, а также избираются и поддерживаются частным соглашением между сторонами, которые их используют. Они представлены с помощью однобуквенного subtag, или 'singleton'(одиночка (шаблон проектирования)). x - singleton для частного использования. Заметьте, что все subtags после singleton могут иметь только 8 символов, хотя вы можете использовать несколько subtags.

• Использовать subtags частного использования следует с большой осторожностью, и по возможности избегать, так как они мешают взаимодействию, которому способствует BCP 47.

  Как пример subtag частного использования, en-US-x-twain, может идентифицировать определенный тип Американского варианта Английского языка, но только в пределах закрытого сообщества. На его значение нельзя полагаться вне этого частного соглашения.

Одобренные тэги

Grandfathered (одобренные) теги - особые случаи, внедренные для совместимости. Это тэги, которые были зарегистрированы в RFC 4646, который не мог полностью состоять из subtags в текущем реестре, или не вписывается в синтаксис, что в настоящее в время определен для language тегов.

Почти все одобренные теги в реестре были заменены subtags или комбинациями subtags. Такие одобрены теги сейчас устарели, и обычно содержат поле Preferred-Value, указывающее, как вы должны представлять тот язык. Например, запись в реестре для одобренного тэга art-lojban означает, что вы должны использовать language subtag jbo.

Обратите внимание, что вы не должны использовать дополнительные subtags с одобренным тегом.