IETF språkidentifikasjonsmerke

De IETF språkidentifikasjonsmerker (der forkortelsen angir Internet Engineering Task Force ) er avledet fra en standardisert kode som gjør at tildeling av strukturerte og hierarkiske etiketter som gjør det mulig å identifisere språk eller familier og samlinger av språk eller språklige varianter av disse språk. De er ikke bare reservert for data og skriftlige dokumenter, men kan også merke lyd, multimediainnhold eller hvilken som helst type lokaliseringsdata, avhengig av språk og andre parametere av språklig karakter.

De er definert av standardanbefalingen BCP 47 i IETF , som oppdateres regelmessig og alltid refererer til de siste gjeldende normative RFC-ene (og deres mulige rettelser og feil ), som spesifiserer deres normative syntaks, definisjon, gyldighet og bruk i programvare (spesielt å etablere korrespondanser og likeverdigheter mellom etiketter); denne anbefalingen er for tiden sammensatt av RFC  5646 (etterfølger av RFC  4646) og RFC  4647.

De er assosiert med et register over elementer som kan brukes til deres sammensetning; dette registeret vedlikeholdes og vert av IANA (for tiden integrert med ICANN ). Andre informative RFC-er blir også publisert under store oppdateringer av registeret, men ikke oppdatert, og registret sørger på vegne av IETF for å opprettholde dataene det inneholder, i henhold til retningslinjene og protokollene definert i normative RFC-er.

Syntaks

En hel språkmerke ( Language-Tag ) består av undermerker ( Subtag ), hver med 1 til 8 alfanumeriske tegn fra 0 til 9 eller fra a til z (det anbefalte tilfellet er, med mindre annet er spesifisert, små bokstaver, selv om det er ikke signifikant) og atskilt med enkle bindestreker (-). Den generelle (forenklede) syntaksen i ABNF tilsvarer:

Language-Tag = Subtag *( "-" Subtag ) Subtag = 1*8alphanum

Imidlertid må en komplett etikett tilpasse mer presist til et av formatene som er definert nedenfor (uttømmende liste), som kan gjenkjennes i henhold til det første undermerket. De konstruerte språkene kan også kodes lokalt ved hjelp av undermerket x. art-x-panduniaKan for eksempel brukes til pandunia .

Standard etikettformat

Standardformatet koder, i rekkefølge, følgende sett med underkoder:

Underetiketter for å indikere og spesifisere basisspråket
  1. En språk delkoden (normalt tatt fra ISO 639 standard , men registrert i IANA registret i en oppføring Language:av Type:Subtag):
    obligatorisk, på 2 eller 3 bokstaver (4 brev Undertagger er reservert for fremtidige utvidelser av ISO standard 639), eller 5 til 8 bokstaver; når det finnes flere undermerker for samme språk (eller hvis en undermerk blir foreldet), blir den kortere normalt brukt, de andre er synonyme aliaser (men anbefales ikke).
    • Merk: språkkoder fjernes noen ganger fra ISO 639. For å sikre stabiliteten til språkkoder, forblir de tilsvarende språkunderkodene gyldige, men avvikles (registeret nevner en oppføring Deprecated:) disse undertegnene som holdes for bakoverkompatibilitet, kan deretter eventuelt bli synonyme aliaser til et annet språk-undermerke, nevnt i IANA-registeret av en oppføring som Preferred:nevner den nye anbefalte verdien som skal brukes, hvis den er unik (ellers skal disse utdaterte undermarkene unngås fordi deres tolkning er tvetydig).
  2. Opptil tre undertekster for utvidelse av språk (oppført i IANA-registeret i en oppføring Extlang:på Type:Subtag):
    valgfritt, tre bokstaver hver. Disse utvidelsene er spesifikke for språkunderkoden (som bare kan bestå av 2 eller 3 bokstaver); Siden standardiseringen av ISO 639-3 anbefales ikke lenger disse språkutvidelsessignalene, og hvert tillatte sett med undermerker (basisspråk pluss utvidelser) har blitt et alias synonymt med en annen ISO-språkkode 639 standardisert.
Presisjonsundemerke for skrivesystemet som brukes
  1. På det meste en enkelt skrive delkoden (normalt fra ISO 15924 , men registrert i IANA registret i en oppføring Script:av Type:Subtag):
    valgfritt, på 4 bokstaver (det anbefalte små bokstaver er med små bokstaver unntatt den første i store bokstaver). Alle mulige underkoder tilsvarer ikke nødvendigvis skriftspråk eller dekrypterte skript, og visse underkoder tilsvarer skriptfamilier eller grafiske varianter av samme skriftsystem.
Linguistic Variety Precision Subtags
  1. På det meste en geografisk region undermerk (vanligvis avledet fra ISO 3166-1, men bare begrenset til landskoder, eller fra FNs M.49-standard for internasjonale regioner unntatt land og økonomiske regioner, men registrert i IANA-registeret i en oppføring Region:av Type:Subtag):
    valgfritt , på 2 bokstaver (det anbefalte tilfellet med bokstaver er med store bokstaver) eller 3 sifre; når det finnes mer enn én undermerk for et land eller en region, blir den kortere normalt brukt, de andre er definert som synonyme aliaser (men anbefales ikke).
  2. Mulige sub-koder for å kode dialekt eller staving varianter (som er spesifikke for ett eller flere språk, innført i IANA registret i en oppføring Variant:fra Type:Subtagog med angivelse av hvilke språk varianten er anvendelig med Prefix:):
    fra 4 til 8 alfanumeriske tegn eller mer hver (men minst 5 tegn hvis undermerket ikke starter med et tall fra 0 til 9). Noen av disse undermerkene, brukt etter språk- og / eller regionunderkoder, har blitt foreldet, og det tilsvarende settet (språk + geografisk region + varianter) er erstattet av en annen standard språkkode, settet blir en synonym etikett (anbefales ikke).
Utvidelsesundemerker
  1. Mulige sett med underkoder for standardiserte utvidelser :
    1 enkelt bokstav (unntatt x) i den første såkalte "singleton" -underkoden for å kode typen standardisert utvidelse (registrert i IANA-registeret med en oppføring Singleton:på Type:Subtag), fra 2 til 8 alfanumeriske tegn i følgende undermerke (r) for å kode verdier som vil tolkes i henhold til typen standardisert utvidelse; standardiserte utvidelser kan omorganiseres automatisk sammen etter sett (helst i stigende rekkefølge av utvidelsestyper), men må bare vises en gang (om nødvendig vil flere påfølgende undermerker bli kodet i samme utvidelse). Undertegnene etter det første singletonet adlyder en syntaks og en ordre som er spesifikk for hver type utvidelse. Merknader:
    • Siden standardiseringen av ISO 639-3 anbefales ikke lenger geografiske undermerker for representasjon av menneskelige språk og dialektvarianter (men fortsetter å brukes til å kode andre lokaliseringspreferanser enn språk alene);
    • En standard type utvidelse har blitt reservert av Unicode Consortium for å legge til andre lokaliseringsdata enn det enkelte språket (spesielt for CLDR- prosjektet , for eksempel en sorteringskonvensjon eller indikasjon på datoformat eller tall); den bruker underkoden "u" for utvidelsestypen (i den nåværende standardiseringsstatusen, bør denne utvidelsestypen ikke brukes på Wikipedia ennå);
    • En annen type standardutvidelse har også blitt reservert av Unicode Consortium for å legge til data som indikerer en teksttransformasjon (også brukt for CLDR- prosjektet , for eksempel en begrensning av inndatametoden eller omtale av original skriving av en translitterasjon og identifisering av metoden som brukes); den bruker utvidelsestypen undermerk t.
  2. En mulig utvidelse av privat bruk ( privat bruk , ikke registrert i IANA-registeret):
    den konstante "x" -underkoden, etterfulgt av en eller flere underkoder med 1 til 8 alfanumeriske tegn, beregnet på å kode dialektvarianter og ikke- standard stavemåter eller andre typer stedsdata av ikke-språklig karakter (denne typen privat utvidelse skal ikke brukes på Wikipedia).

Gammelt format av etiketter i IANA-registeret

Et gammelt format som ble brukt i IANA-registeret, ble brukt til å kode for språk som ikke ble nevnt i ISO 639. Dette gamle formatet består av følgende undermerker:

  1. Den konstante "i" -underkoden (for "IANA" -registeret);
  2. Én eller flere undertegn, hver med 1 til 8 alfanumeriske tegn (må legges inn i IANA-registeret i en oppføring Language:med Type:Tag), for å kode et spesifikt språk sammen (og i den rekkefølgen som er nevnt i registeret).

Disse historiske kodene er fortsatt gyldige, men har blitt synonyme (anbefales ikke) aliaser til en standardformatkode: alle språk som tidligere var representert i IANA-registeret bare med koder i dette formatet, kan nå representeres med et standardformatmerke som er nevnt i selve registeret (dette gamle formatet skal ikke lenger brukes på Wikipedia).

Etikettformat for privat bruk

Formatet for privat bruk ( privat bruk , ikke registrert i IANA-registeret), består av følgende undermerker:

  1. Den konstante underkoden "x" (for "privat eXtension");
  2. Én eller flere andre underkoder, fra 1 til 8 alfanumeriske tegn hver (ikke registrert i IANA-registeret) for å kode privat informasjon (ikke nødvendigvis for å identifisere et språk).

Merk at standardformatet også inkluderer alle underkoder for privat bruk, definert for språk, språkfamilier og samlinger, for skrivesystemer, stilarter eller familier og for geografiske regioner (fra ISO-standarder der de ble definert som identifikatorer før de ble importert til IANA-registeret. ), samt utvidelsesundekoder.

Dette formatet bør unngås på de fleste nettsteder for å identifisere språk (inkludert på Wikipedia-sider, bortsett fra visse interne bruksområder som er usynlige for leseren og uavhengig av programvaren som brukes) fordi det ikke tillater interoperabilitet uten en anerkjent forhåndsavtale. Og akseptert av både leseren og forfatteren av dette innholdet. Bruken av slike etiketter er heller forbeholdt andre spesifikke bruksområder (og generelt lokal for visse interne prosesser) enn enkel identifisering av språk.

Andre reserverte etikettformater

Enhver annen etikett som ikke oppfyller et av de ovennevnte formatene, bør ikke brukes (selv om den oppfyller den generelle ABNF-syntaksen), da dette forblir reservert for mulig støtte for fremtidige standarder og deres integrering i en oppdatering. Fremtiden for BCP-anbefalingen 47.

bruk

IETF-språkidentifikasjonsetikettene gjør det mulig å referere til et bestemt språk eller en rekke forskjellige språk, å språklig kategorisere data eller å bruke spesifikk behandling på dem (enten for klassifisering av innhold, endelig gjengivelse eller forskjellige transformasjoner).

Deres mest kjente bruk i databehandling er de protokoller og standarder for IETF (som HTTP , elektronisk post og dets MIME extensions ), av W3C (som HTML , XML , CSS ), av Unicode Consortium (den Unicode standard selv - selv i sine normative eller informative databaser, eller i CLDR- prosjektet ), så vel som visse registratorer av disse protokollene (inkludert domenenavnregistre for internasjonalisering av domenenavn), og språkstandarder IT (spesielt de fra ANSI og Ecma International ).

Den ISO har utviklet standarder ISO 639 , ISO 3166 og ISO 15924 selvstendig med andre enn IETF (spesielt med tanke på stabilitet kodifisering mål, fordi disse standardene har andre bruksområder at Internett og vet ikke var opprinnelig oppdatert for å gi bakoverkompatibilitet for datamaskinen applikasjoner); men de to organisasjonene jobber nå sammen for å sikre interoperabilitet (via IANA- registreringsbasen for språkmerker og overvåking av gjensidig arbeid, gjennom nyhetsbrev utstedt av ISO-standardregistratorer, og IETFs publisering av informative RFC-er, til og med normative i tilfelle av en betydelig oppdatering av BCP-anbefaling 47). Disse ISO-standardene (datert) foretrekkes ofte av nasjonale og internasjonale offentlige standardiseringsorganer (som ITU , forskjellige FN- byråer , UPU ) og for bibliografisk eller lovlig bruk (i forbindelse med en utløpsdato. Referanse og klassifisering av innholdet).

Synonyme aliaser og foretrukne etiketter

Når skrivepresisjonen ikke er nødvendig for et språk fordi det er det foretrukne skrivesystemet som standard, legger IANA-registeret til et felt Suppress-Script:i oversikten over språkunderkoden, og som deretter nevner undermerket for dette skriptet: dette skaper aliaser for alle tagger som indikerer både dette språket og skriptet (og hvilken som helst regional variant eller variant av det språket) til den foretrukne taggen uten å nevne undermerket for skriptet. Imidlertid kan det gjøres unntak for visse regionale varianter, de er inkludert i registeret i en tilleggsregistrering av Type:Tag, knyttet til den komplette etiketten som nevner både språk og region.

De synonyme aliasene som er nevnt i den følgende delen som eksempler, er ikke uttømmende: det komplette settet med aliaser for hvert språk kan trekkes fra dataene i IANA-registeret, som nevner eventuelle utdaterte (men fortsatt gyldige) koder eller underkoder.) Og eventuelt knytter dem til en foretrukket etikett eller underetikett (ved et felt Preferred:lagt til i posten på etiketten eller underetiketten omdefinert som et alias).

Eksempler

Merknader og referanser

Merknader

  1. Det er derfor i praksis en rot , og de andre undertagene tar plass for suffikser .

Referanser

  1. (in) "  Merkelapper for å identifisere språk  " Forespørsel om kommentarer nr .  5646,september 2009.
  2. (i) "  tagger for å identifisere Språk  " Request for kommentarer n o  4646,September 2006.
  3. (in) "  i september 2006  ," Forespørsel om kommentarer nr .  4647.
  4. (in) register IANA-komponenter av IETF-språkkoder .
  5. (no) https://www.iana.org/assignments/lang-subtags-templates/hepburn .
  6. (no) https://www.iana.org/assignments/lang-subtags-templates/heploc .
  7. (en) https://www.ietf.org/assignments/lang-subtags-templates/heploc-20100209 .
  8. (no) https://www.iana.org/assignments/language-subtag-registry/language-subtag-registry .
  9. (no) http://www.alvestrand.no/pipermail/ietf-languages/2009-December/009822.html .

Se også

Relaterte artikler

Eksterne linker