LANGUAGE-BCP47-CODE هو Value يحمل وسم لغة BCP 47 كاملاً على هيئة بايتات ASCII. يستعمل زوج الرمزين الزوجي/الفردي 0x076L/0x077L.

البندالقيمة
الاسمLANGUAGE-BCP47-CODE (حزمة زوجي/فردي. اسم كل رمز في جدول الأعضاء أدناه)
TAG ID0x076L·0x077L
القسم3 0011 (Value)، الإزاحة C داخل القسم = 22~23
KindValue · العائلة: TEXT
وصف الفهرسبايتات ASCII لوسم لغة BCP 47 كامل بحالة الأحرف المعيارية (canonical casing). بايتات زوجية·فردية
جهة Hugovalue/text/language-bcp47-code.md

الأعضاء

تتناول هذه الصفحة رمزين من زوج زوجي/فردي معاً. الرمز الزوجي للقيم ذات عدد البايتات الزوجي، والرمز الفردي لذات العدد الفردي (السجل وTAG WORD). مستند الـ Codec واحد لكل رمز. حقول المستندين متطابقة، ولا يختلفان إلا في هدف DECLARE والاسم (BIND).

TAG IDالاسمعدد البايتاتCodec IDمستند المواصفةTAG WORD
0x076LLANGUAGE-BCP47-CODE-EVENزوجي0x000007600x00000000/codecs/0x00000760/0000 0111 0110 LLLL
0x077LLANGUAGE-BCP47-CODE-ODDفردي0x000007700x00000000/codecs/0x00000770/0000 0111 0111 LLLL

الحقول (مستند المواصفة)

ترتيب FIELD داخل المستند هو ترتيب حقول Payload (مستند مواصفة Codec).

الترتيبالحقل (BIND)FIELDالعرضالصيغة المستقبِلة (CODEC)ENUM
1bytes#2قيمة خام للباقي (0xFFFF)

LANGUAGE-BCP47-CODE هو Value يحمل وسم لغة BCP 47 كاملاً. يُستعمل لكتابة اللغة بدقة حتى script وregion وvariant.

التخطيط

  • الرمز: رمز مباشر لـ Value هو 0x076L (بايتات زوجية) و0x077L (بايتات فردية). العائلة TEXT.
  • يُحدَّد عدد البايتات بأدنى بت في Codec وبعدد WORD في Payload. هو 2 × عدد WORD في Payload − أدنى بت، ولا يوجد Byte Count (Value).
  • Payload ليس نص UTF-8 بل بايتات ASCII لوسم BCP 47.
TAG WORD          0000 0111 011P LLLL      Codec 0x076L/0x077L
[Length ممتد TAG] عندما يبلغ المجموع 15 WORD فأكثر
Payload WORD 1st ... Nth          BCP 47 tag bytes / final zero padding

التفسير والصلاحية

  • يجب أن تكون سلسلة البايتات وسم لغة BCP 47 سليم التكوين (well-formed) وفق RFC 5646. السلسلة الفارغة غير مسموحة.
  • يستعمل Payload حروف ASCII والأرقام وhyphen-minus - فقط. الفاصل هو ASCII - حتماً، ولا يُسمح بـ _ ولا بالمسافات ولا بالمحارف غير ASCII.
  • مقارنة وسوم BCP 47 لا تميّز حالة الأحرف. يكتب ملف GEUL المعياري (canonical profile) كل الفواصل بـ -، ويُسلسل subtag كل من language وextlang وvariant وextension وprivate-use بأحرف صغيرة، وscript بصيغة Titlecase، وregion بأحرف كبيرة.
  • سلامة التكوين وحدها لا تكفي. يُحكم على صلاحية subtag المسجَّلة ووسوم grandfathered استناداً إلى snapshot محدد من IANA Language Subtag Registry، ويجب حفظ تاريخ ذلك snapshot أو إصدار registry معها.
  • يُسمح بوسم private-use وsubtag من نوع private-use ما دامت سليمة التكوين وفق نحو RFC 5646. غير أن معناها منوط باتفاق الأطراف ولا يعرّفه IANA registry، فلا تضمن التشغيل البيني العام.
  • إذا كان لـ subtag مهجور (deprecated) أو وسم grandfathered قيمة Preferred-Value في snapshot نفسه، فإن الصيغة المعيارية في GEUL تكتب القيمة البديلة بحالة الأحرف المعيارية. ويمكن تفسير الوسم بصيغته المهجورة مدخلاً، لكنها ليست صيغة التخزين المعيارية.
  • BCP 47 ملف ASCII، فلا ينطبق عليه شرط Unicode normalization مثل UTF-8 NFC.
  • في WORD الواحد يأتي البايت الأعلى أولاً. وإذا كان عدد البايتات فردياً (الرمز الفردي) وجب أن يكون البايت الأدنى غير المستعمل في آخر WORD هو 00.
  • عدد WORD في Payload هو ceil(عدد البايتات/2). يُرفض الرمز الفردي إذا لم يكن البايت الأدنى في آخر WORD هو 00.

المرجع المعياري

  • يتبع نحو وسم اللغة، وتفسيره دون تمييز حالة الأحرف، ومفهوم deprecated/Preferred-Value المرجع RFC 5646, Tags for Identifying Languages.
  • الـ registry الذي يُحكم به على صلاحية الوسم هو IANA Language Subtag Registry.
  • زوج الرمزين الزوجي/الفردي وzero padding وسياسة التخزين بحالة الأحرف المعيارية وحساب Length هي قواعد framing في GEUL.

الطول

  • المجموع هو عدد WORD في TAG واحد، وTAG Length الممتد (إن وُجد)، وPayload. حتى 14 WORD يُستعمل الطول المباشر، ومن 15 WORD فأكثر يُستعمل الطول الممتد 1110·1111، ويدخل TAG الممتد في المجموع (Length).

العلاقة بـ LANGUAGE-SHORT-CODE

  • الوسم الذي له رقم في GEUL Language Registry يمكن كتابته في 1 WORD بـ LANGUAGE-SHORT-CODE.
  • الوسم الذي لا رقم له في الـ registry (ومنه الوسوم التي فيها extension أو private-use) يُكتب بـ LANGUAGE-BCP47-CODE. ويُستعمل LANGUAGE-BCP47-CODE أيضاً عند الحاجة إلى حفظ نص الوسم الكامل الأصلي.
  • SHORT-CODE n ووسم LANGUAGE-BCP47-CODE الذي يربطه الـ registry بـ n (دون تمييز حالة الأحرف) هما اللغة نفسها.

مثال

  • ko-KR هو 5 بايتات ASCII (فردي) فهو LANGUAGE-BCP47-CODE-ODD (0x077L)، وPayload هو 6B6F 2D4B 5200.
  • TAG بـ 1 WORD وPayload بـ 3 WORD، فالمجموع 4 WORD وLLLL=0011. فالكل 0773 6B6F 2D4B 5200.

نص مستند المواصفة

هذا مستند المواصفة 0x00000000/codecs/0x00000760/latest.geul كما يُقرأ بـ geul show (الأرقام السداسية عشرية بأحرف كبيرة).

SPEC-VERSION 0x0001
DOC-ID 0x0426000000000000076000000000
BODY
#1 DECLARE 0x0760
#2 FIELD #1 rest
#3 BIND #1 "LANGUAGE-BCP47-CODE-EVEN"
#4 BIND #2 "bytes"

ما سبق مستند Codec للرمز LANGUAGE-BCP47-CODE-EVEN (0x076L). أما مستند Codec للعضو الآخر (LANGUAGE-BCP47-CODE-ODD) فلا يختلف إلا في Codec ID داخل DOC-ID، وهدف DECLARE، والاسم المربوط في #1 (BIND).