ElementoValor
NombreLANGUAGE-SHORT-CODE (BIND del documento de especificación LANGUAGE-SHORT-CODE)
TAG ID0x07AL
Codec ID0x000007A0
Documento de especificación0x00000000/codecs/0x000007A0/ (destino de DECLARE 07A0)
Sección3 0011 (Value), desplazamiento C dentro de la sección = 26
KindValue · familia: TEXT
TAG WORD0000 0111 1010 LLLL (000K KKKC CCCC LLLL)
Descripción del índiceTag BCP 47 escrito con un número del GEUL Language Registry (Payload de 1 WORD)
Lado Hugovalue/text/language-short-code.md

Campos (documento de especificación)

El orden de los FIELD dentro del documento es el orden de los campos del Payload (documento de especificación de Codec).

OrdenCampo (BIND)FIELDAnchoFormato que recibe (CODEC)ENUM
1code#2valor en bruto de 1 WORD8678 ENUM. Ejemplos: 0x0001 aa, 0x0002 aaa, 0x0003 aab, 0x0004 aac, 0x0005 aad …

LANGUAGE-SHORT-CODE es el código de idioma comprimido de GEUL que contiene en 1 WORD un tag BCP 47 al que el GEUL Language Registry ha asignado un número. El Payload es exactamente 1 WORD.

Layout

  • Código: código directo de Value 0x07AL. Familia TEXT.
  • El Payload es un código unsigned de 16 bits de exactamente 1 WORD.
TAG WORD          0x07A1 (0000 0111 1010 0001)  2 WORD en total
Payload WORD 1st (16 bits)           número del GEUL Language Registry (uint16)

Interpretación y validez

  • Se lee el WORD de Payload como un entero unsigned de 16 bits.
  • Este valor es un tag asignado por el GEUL Language Registry. La representación oficial del registro es el documento de especificación de este Codec, 0x00000000/codecs/0x000007A0. Cada valor de código tiene un ENUM en el FIELD code, y el nombre unido mediante BIND al Edge Id de ese ENUM es el tag BCP 47 en su capitalización canónica.
  • El registro es una lista cerrada. Un valor sin ENUM en el documento de especificación es invalid. Esta regla del Codec prevalece sobre la regla general de ENUM («un valor de código no declarado no es un error»).
  • Se asignan los tres siguientes.
    • Los registros Type: language del IANA Language Subtag Registry, excepto los de Scope: private-use (qaa..qtz). No se excluyen collection, macrolanguage ni special (mul·und·zxx·mis).
    • Los tags que IANA registró completos: grandfathered y redundant (zh-Hans, sr-Latn, zh-min-nan, etc.).
    • Los tags combinados válidos observados en fuentes públicas CC0 (pt-BR, en-GB, be-tarask, etc.). Son tags formados solo por subtags language, extlang, script, region y variant. No se aceptan los tags que contienen extension (-u-·-t-) ni private-use (-x-).
  • Un tag sin número no puede escribirse con este formato. Se escribe con LANGUAGE-BCP47-CODE (0x076L·0x077L). Dentro de SHORT-CODE no hay ruta de escape.
  • 0x0000 y 0xFFFF no se asignan nunca. En este Value ambos son invalid. Ninguno de los dos se usa con el sentido de null, unknown ni und.
  • Los tramos de valores son una convención de asignación. El decodificador no infiere el tipo de tag a partir del rango del valor. El significado del valor proviene únicamente del documento de especificación.
TramoUso
0x0000sin asignar (invalid)
0x0001–0x3FFFtags con un solo subtag language
0x4000–0x7FFFtags con dos o más subtags (tags completos de IANA, tags combinados observados)
0x8000–0xFFFEdesbordamiento. Cuando se llenan los bloques anteriores, la asignación continúa aquí
0xFFFFsin asignar (invalid)
  • La edición inicial da los números dentro de cada bloque por orden ASCII del tag en minúsculas. El bloque 0x4000 pone primero los tags completos de IANA (grandfathered y redundant mezclados por orden ASCII) y después los tags combinados observados (por orden ASCII). El orden físico del archivo de IANA y la frecuencia de uso no son reglas de numeración.
  • La asignación es solo por adición (append-only). Un tag nuevo se añade al final del bloque y, cuando el bloque se llena, se añade al tramo de desbordamiento. El tag de un número ya dado (sin distinguir mayúsculas) no se cambia, ni se borra ni se reutiliza.
  • Un tag nuevo se incorpora añadiendo ENUM y BIND a una versión nueva del documento de especificación. No se modifican los ENUM ni BIND existentes. Por eso cualquier versión es un superconjunto de la anterior.
  • Cuando se llenan los 65534, no se asigna más. Los tags nuevos posteriores se escriben con LANGUAGE-BCP47-CODE. No disminuye la capacidad de expresión; solo se pierde la ganancia de compresión.
  • Mismo idioma: el SHORT-CODE n y el LANGUAGE-BCP47-CODE del tag que el registro asocia a n (sin distinguir mayúsculas) son el mismo idioma.
  • La edición del registro es la versión del documento de especificación. Cada edición anota el archivo del registry de IANA en que se basa (File-Date, SHA-256) como SOURCE del HEAD del documento de especificación. Cuando haya que indicar la edición con que se interpretó un valor, se deja junto con él esa versión (CODEC-POINTER (0x00000000, 0x000007A0, ID de versión n)).
  • Una especificación de Codec puede contener el mismo código de 1 WORD como campo de valor en bruto sin TAG (CODEC del campo de valor en bruto). Es una regla de esa especificación de Codec, y la wire form de un Value independiente es siempre 1 WORD de TAG + 1 WORD de Payload.

Fundamento normativo

  • El significado del tag y la validez de los subtags siguen el IANA Language Subtag Registry y RFC 5646, Tags for Identifying Languages. IANA e IETF ponen los derechos sobre los registros de protocolo bajo CC0 1.0 (IANA Licensing Terms).
  • Los números del registro (asignación append-only por orden ASCII, composición de bloques, 0x0000·0xFFFF sin asignar, lista cerrada), que el ENUM del documento de especificación sea la representación oficial y la distinción respecto al embedding como campo de valor en bruto sin TAG son reglas de GEUL.

Longitud

  • El total son exactamente 2 WORD, la suma de 1 WORD de TAG y 1 WORD de Payload, y usa la longitud directa LLLL=0001. No hay TAG de extensión de Length, descriptor ni padding.
  • Si el Payload no es exactamente 1 WORD, se rechaza.

Ejemplo

Son números del registro v2 (versión 2 del documento de especificación 0x00000000/codecs/0x000007A0, IANA File-Date 2026-09-17). Se asignaron 8678 (language 8275, grandfathered 26, redundant 67, combinaciones observadas 310).

tagCódigoTotal de WORD
en0x078407A1 0784
ko0x0D0607A1 0D06
zh-Hans0x404C07A1 404C
pt-BR0x413007A1 4130
  • En el documento de especificación, en es ENUM #2 0x0784 y BIND "en" unido a su Edge Id.
  • de-x-formal (private-use) y nl-u-sd-bebru (extension) no tienen número, por lo que se escriben con LANGUAGE-BCP47-CODE.

Problemas abiertos

  • Interpretación entre ediciones: cuando se encuentra un número más nuevo que la edición que tiene quien lee, si se descarta como invalid o se trata como «código desconocido» conservando el valor original. Al ser append-only, basta siempre con la última edición, pero hace falta una regla para los decodificadores sin conexión.
  • Forma canónica: si un tag que tiene número debe (SHOULD/MUST) escribirse como SHORT-CODE. Con MUST la notación queda determinada de una sola manera, pero cuando sale una edición nueva los documentos escritos antes dejan de estar en forma canónica.
  • Cómo representar en el documento de especificación los tags deprecated y el Preferred-Value (no está en la edición actual).
  • Procedimiento para añadir tags combinados observados (fuente, umbral mínimo de observación).

Páginas relacionadas

Texto original del documento de especificación

Es el aspecto del documento de especificación 0x00000000/codecs/0x000007A0/latest.geul leído con geul show (hexadecimal en mayúsculas).

SPEC-VERSION 0x0001
DOC-ID 0x042600000000000007A000000000
#17368 SOURCE #0 #17362
#17369 QUALIFIER P577 #17368 GREGORIAN-DATE(2026-09-17)
#17370 QUALIFIER P813 #17368 GREGORIAN-DATE(2026-10-29)
#17371 QUALIFIER P4092 #17368 SHA-256-DIGEST(0x755FAD43283BE7B41EBE3C89AD054B6EAF928F404F9C0EDB74799E0EAB74BEB1)
#17372 SOURCE #0 Q2013
#17373 QUALIFIER P813 #17372 GREGORIAN-DATE(2026-10-29)
BODY
#1 DECLARE 0x07A0
#2 FIELD #1 0x0001
#3 BIND #1 "LANGUAGE-SHORT-CODE"
#4 BIND #2 "code"
#5 ENUM #2 0x0001
#6 BIND #5 "aa"
#7 ENUM #2 0x0002
#8 BIND #7 "aaa"
#9 ENUM #2 0x0003
#10 BIND #9 "aab"
#11 ENUM #2 0x0004
#12 BIND #11 "aac"
#13 ENUM #2 0x0005
#14 BIND #13 "aad"
… (17346 líneas de ENUM·BIND omitidas)
#17361 REFERENCE-NODE #17362 <https://www.iana.org/assignments/language-subtag-registry/language-subtag-registry>
#17363 TRIPLE P275 #17362 Q6938433 normal
#17364 REFERENCE-NODE #17365 <https://www.iana.org/help/licensing-terms>
#17366 SOURCE #17363 #17365
#17367 QUALIFIER P813 #17366 GREGORIAN-DATE(2026-10-29)