多语言开发需要了解的国家语种代码标准

白俊遥
2020-02-16 20:49:06
乱七八糟
多语言

介绍

在我们开发过程中；
或者在浏览网页过程中；
如果涉及到多语言；
我们会经常发现 cn；

zh

zh-Hans

zh-CN 、 zh-cn

各种方式五花八门简直令人目瞪狗呆；
他们之间到底有什么区别？
又有什么关系？
这一切的一切；
到底是人性的扭曲？
还是道德的沦丧？
作为开发者我们应该如何选择？
带着这些疑问我们走进今天的文章；

ISO 639

说到语种有几类标准；
首先说 ISO 639 系列；
ISO 639 是国际标准组织为各语言定制的语言代码；
这个标准用两个字母表示一个语种；
比如说 zh 表示中文、 en 表示英语；
zh 是 zhongwen 这个拼音的缩写；
en 则是 english 这个单词的缩写；
但是我们知道字母也就 26 个；
平方一下两个字母最多也就能表示 676 个语种；
面对世界上几千个语种明显是不够用的；
于是两个字母的 ISO 639 的标准作为 ISO 639-1；
接着就又扩展一个三个字母的版本 ISO 639-2；
根据上面的经验我们可以直接蒙对中英文的语种代码 zho 、 eng；
这套标准对于大多数国家已经够用了；
然鹅制定这套标准的歪果仁明显是不了解中华文化的博大精深；
作为柴那人民我们知道中文可是分为简体中文和繁体中文的；
如果语种还有子类；
当我们需要具体到子类语种的时候；
这个标准明显是又不够我们用了；
我们就不再过多的去研究 ISO 639 的后续版本了；

ISO 639 代码列表

ISO 3166

上面的 ISO 639 规范的是语种代码；
但是我们知道英国和美国都是使用的英语；
如果我想具体表达某个国家地区呢？
ISO 3166 规范就是定义国家和地区代码的； CN 是 China 的简称；
TW 是 Taiwan, Province of China 的简称；
US 是 United States of America 的简称；
ISO 3166 标准还被广泛的应用于域名后缀；
中国的国家顶级域名就是 .cn ；
ISO 3166 代码列表

RFC 1766

有了 ISO 639 语种代码和 ISO 3166 国家地区代码；
我们组合起来就可以同时满足语种和国家的需求了；
RFC 1766 标准就是一个组合方案；
它把 ISO 639 和 ISO 3166 用 - 拼接来表示不同的国家和地区使用的语种；
比如说 zh-CN 表示中国大陆的中文；
那 zh-TW 则表示台湾地区使用的中文；
而 zh-HK 则表示香港地区使用的中文；在 RFC 1766 标准下；
我们一般使用 zh-CN 表示简体中文；
而用 zh-TW 表示繁体中文；
RFC 1766 还被广泛的用于 HTML 的 lang；

<html lang="zh-CN" dir="ltr" class="no-js">
<html lang="zh-TW" dir="ltr" class="no-js">

RFC 1766 代码列表

RFC4646

上面 RFC 1766 方案已经可以让我们具体到语种和地区了；
但是又有很多时候我们并不是很关心地区；
而是比较关心子语种；
比如说我们可能只需要细化到中文简体和中文繁体就行了；
而并不打算具体到是香港地区使用的繁体还是台湾地区使用的繁体；
虽然 RFC 1766 中人们一般用 zh-TW 表示繁体；已经满足区分简体中文和繁体中文的需求；
但是面向香港客户给一个 zh-TW 而不是 zh-HK 总还是让人略有不爽；
这时候我们需要一个能用来代表繁体中文又没有歧义的代码；
这就是接下来要讲的 RFC4646；这里依然以中文为示例；
在 RFC4646 中代码第一部分同样是 ISO 639-1 的两位字母缩写 zh；
后面跟的是 Hans 和 Hant ；
Han 汉语的意思；
s 是 Simplified 简体；
t 是 Traditional 繁体；
zh-Hans 表示简体中文；
zh-Hant 表示繁体中文；
如果想具体到地区；
RFC4646 标准还可以再加第三部分 ISO 3166 国家代码；
比如说 zh-Hans-CN 表示大陆地区使用的简体中文；
比如说 zh-Hant-TW 表示台湾地区使用的繁体中文；
不过一般不用第三部分；