Remove ads
語言標籤是語言代碼的縮寫表示，例如en表示英語，pt-BR表示巴西葡萄牙語。由網際網路工程任務組（IETF）的「BCP 47」文檔系列定義。現在標準化為RFC 5646（引用了相關的RFC 5645）與RFC 4647，IANA語言子標籤登記。[1][2][3][4]使用的各成分來自ISO 639、ISO 15924、ISO 3166-1以及UN M.49。
這種語言標籤用於許多現代的計算標準，包括IETF的網際網路協議如HTTP[5][6]、XML[7]以及PNG[8]、SGML、Unicode、ANSI以及ECMA。Microsoft的Windows作業系統使用它代替過時的LCID，來表示locale。
IETF語言標籤的最早版本是1995年3月發布的RFC 1766。使用ISO 639的2字母語言代碼，ISO 3166的2字母國家地區代碼，允許登記的標籤攜帶variant或書寫文字子標籤。
2001年1月發布RFC 3066, 使用ISO 639-2的3字母語言代碼。
2006年9月發布RFC 4646 (規範的主體)與RFC 4647 (處理匹配行為)。RFC 4646增加了使用ISO 15924 的4字母書寫文字代碼與UN M.49的3數字地理分區碼。
2009年9月發布RFC 5646，引入了3字符碼的ISO 639-3與639-5作為語言子標籤。[9]
語言標籤由一個或多個子標籤（subtags）組成，用連字號(-)分隔。子標籤只能由基本拉丁字母或數字組成。子標籤出現順序：
- 一個主語言子標籤（primary language subtag），ISO 639-1 (2002)的2字母語言代碼，ISO 639-2 (1998)或ISO 639-3 (2007)或ISO 639-5 (2008)的3字母語言代碼, BCP 47登記的5到8個字母的語言代碼。應保持同樣的大小寫。
- 最多3個可選的extended language subtags，每個由3字母組成。實際上還沒有使用。
- 1個可選的文字子標籤（script subtag），ISO 15924的4字母書寫文字代碼，通常是title case。
- 1個可選的地區子標籤（region subtag），ISO 3166-1 alpha-2的2字母地區代碼(通常大寫)，或UN M.49的3數字地理區代碼。
- 可選的variant subtags，每個為5至8個字母，或者4字母後跟1個數字。由IANA登記。
- 可選的extension subtags，每個為單字符（不允許「x」）開始（這稱為singleton），後跟連字符與2至8個字符組成的文本。[10],[11]
- 1個可選的private-use subtag, 每個為x-後跟1至8個字符組成文本。
例外情況是x-前綴開頭的私用語言標籤，向後兼容的grandfathered語言標籤（包括i-前綴與以前登記的老的語言標籤）。
上述未指明的子標籤應該小寫。實際上整個語言標籤是大小寫無關的。
可選的script與region子標籤如果沒有提供可辨識信息，則將被忽略。例如拉丁字母拼寫的西班牙語es-Latn，日本的日語ja-JP。
並不是所有語言區域都有有效的區域子標籤：主語言的國內方言區被登記為variant子標籤。例如，valencia variant子標籤用於加泰隆尼亞語的巴倫西亞語方言。由於該方言幾乎只用於西班牙國內，區域子標籤ES通常忽略。
宏語言（macrolanguage）中的語言代碼或者直接用語言子標籤表示，如普通話cmn；或者用語言-擴展子標籤的組合，如zh-cmn。
手語用擴展子標籤，前綴為sgn。
Remove ads
雖然源自ISO或UN的標準，但並不是嚴格遵循。特別是ISO 639, ISO 15924, ISO 3166, UN M.49等標準撤回某些編碼，甚至改變某些編碼所指的時候，RFC 4646規定語言標籤仍然保持最初含義不變。
RFC 4646之前登記的語言標籤現在分為"grandfathered"或"redundant"，視其是否滿足目前的語法而定。並且是過時的。現在採用ISO 639-3語言子標籤。例如，nan取代了zh-min-nan表示閩南語；hak取代了i-hak、zh-hakka表示客家話；ase取代了sgn-US表示美國手語。
ISO 639-5使用3字母表示一個語言群中所有的語言。而ISO 639-2使用3字母表示一個語言群中沒有獨立語言標籤的那些語言。例如，ISO 639-2代碼afa表示"Afro-Asiatic (Other)"，不包含阿拉伯語。而ISO 639-5中的這個代碼表示"Afro-Asiatic languages"，包含亞非語系所有語言。這一變化發生在2009年。[12]
ISO 639-5為了向後兼容ISO 639-2，對於這些老的代碼，定義了grouping type attribute。
BCP 47定義了"Scope"屬性用於語言集子標籤的辨別。但是沒有定義任何inclusive或exclusive屬性，也沒有使用ISO 639-5的grouping type attribute。
ISO 639-5沒有定義哪些語言屬於某個語言集。因此RFC 5646不建議使用語言集，除非是那些非特定的語言集，如"Multiple languages"與 "Undetermined"。
某些主語言子標籤攜帶了屬性"Suppress-Script"，通常某個書寫系統適用於該語言。因此會忽略script子標籤。例如，yi取代了yi-Hebr ，因為意地緒語總是使用希伯來字母書寫。
另一個例子，zh-Hans-SG可被認為等價於zh-Hans，因為新加坡簡體中文與其他簡體中文幾乎一樣。但是，這裡的script子標籤顯然是有意義的。
當語言的地區方言有專門的子標籤，這比使用地區子標籤更優。例如，ar-DZ應該被arq代替來表示阿爾及利亞阿拉伯語。
Extension子標籤（不要與extended語言子標籤混淆）允許附加額外的信息，如locale，calendar，currency。
至2014年1月已經分配了兩種擴展。
2012年2月，Unicode Consortium在RFC 6497發布了Extension T用於語言標籤包含信息關於音譯（transliterated），轉寫（transcribed），變換（transformed）。例如，en-t-jp用於從日語翻譯到英語。
2010年12月，統一碼聯盟在RFC 6067發布了Extension U，允許在通用當地數據儲存庫中嵌入了寬屬性，表示很多區域設置數據集。
例如：
Windows Vista及以後版本，採用RFC 4646作為locale標籤，字符串最大長度85，包含了結尾的零字符。
只有語言子標籤，稱為中立locale（neutral locale）。加上地區子標籤，稱為specific locale。格式為<language>-<Script>-<REGION>，例如"uz-Latn-UZ"表示烏茲別克斯坦的使用拉丁字母的烏茲別克語。
排序規則應寫為<language>-<Script>-<REGION>_<sort order>
Wikiwand in your browser!
Seamless Wikipedia browsing. On steroids.
Every time you click a link to Wikipedia, Wiktionary or Wikiquote in your browser's search results, it will show the modern Wikiwand interface.
Wikiwand extension is a five stars, simple, with minimum permission required to keep your browsing private, safe and transparent.
Remove ads