LANGUAGE-BCP47-CODE הוא Value הנושא language tag שלם של BCP 47 כרצף בייטים ASCII. הוא משתמש בזוג הקודים 0x076L/0x077L לבייטים זוגיים ואי-זוגיים.

פריטערך
שםLANGUAGE-BCP47-CODE (קבוצת זוגי/אי-זוגי. שם כל קוד בטבלת החברים להלן)
TAG ID0x076L·0x077L
קטע3 0011 (Value), היסט בתוך הקטע C = 22~23
KindValue · משפחה: TEXT
תיאור באינדקסרצף בייטים ASCII של language tag שלם של BCP 47 באותיות canonical. בייטים זוגיים ואי-זוגיים
בצד Hugovalue/text/language-bcp47-code.md

חברים

דף זה עוסק בשני קודים של זוג זוגי/אי-זוגי יחד. הקוד הזוגי הוא ערך שמספר הבייטים שלו זוגי, והקוד האי-זוגי הוא ערך שמספר הבייטים שלו אי-זוגי (רשומה ו-TAG WORD). מסמך Codec אחד לכל קוד. השדות בשני מסמכי ה-Codec זהים, ורק יעד ה-DECLARE והשם (BIND) שונים.

TAG IDשםמספר בייטיםCodec IDמסמך מפרטTAG WORD
0x076LLANGUAGE-BCP47-CODE-EVENזוגי0x000007600x00000000/codecs/0x00000760/0000 0111 0110 LLLL
0x077LLANGUAGE-BCP47-CODE-ODDאי-זוגי0x000007700x00000000/codecs/0x00000770/0000 0111 0111 LLLL

שדות (מסמך מפרט)

סדר ה-FIELD במסמך הוא סדר שדות ה-Payload (מסמך המפרט של Codec).

סדרשדה (BIND)FIELDרוחבפורמט מקבל (CODEC)ENUM
1bytes#2שארית ערך גולמי (0xFFFF)

LANGUAGE-BCP47-CODE הוא Value הנושא language tag שלם של BCP 47. משתמשים בו כשצריך לרשום שפה במדויק, עד script, ‏region ו-variant.

פריסה

  • קוד: קוד ישיר של Value ‏0x076L (בייטים זוגיים) ו-0x077L (בייטים אי-זוגיים). משפחה TEXT.
  • מספר הבייטים נקבע לפי הסיבית הנמוכה ביותר של ה-Codec ומספר ה-Payload WORD. הוא 2 × מספר Payload WORD − הסיבית הנמוכה ביותר, ואין Byte Count (Value).
  • ה-Payload אינו טקסט UTF-8 אלא רצף בייטים ASCII של tag מסוג BCP 47.
TAG WORD          0000 0111 011P LLLL      Codec 0x076L/0x077L
[Length TAG הרחבה] כשהסך הכול 15 WORD ומעלה
Payload WORD 1st ... Nth          BCP 47 tag bytes / final zero padding

פירוש ותוקף

  • רצף הבייטים חייב להיות language tag של BCP 47 שהוא well-formed לפי RFC 5646. מחרוזת ריקה אינה מותרת.
  • ה-Payload משתמש רק בתווי ASCII, בספרות ובמקף - (hyphen-minus). המפריד חייב להיות ASCII ‏-, ו-_, רווח ותווים שאינם ASCII אינם מותרים.
  • השוואת tag של BCP 47 אינה תלויה ברישיות. הפרופיל הקנוני של GEUL משתמש ב-- בכל המפרידים וכותב את ה-subtag של language/extlang/variant/extension/private-use באותיות קטנות, את script ב-Titlecase ואת region באותיות גדולות.
  • well-formed בלבד אינו מספיק. תקפותם של registered subtag ושל grandfathered tag נקבעת לפי snapshot מסוים של IANA Language Subtag Registry, ויש לשמר יחד איתה את תאריך ה-snapshot או את גרסת ה-registry.
  • tag של private-use ו-subtag של private-use מותרים אם הם well-formed לפי דקדוק RFC 5646. אולם משמעותם תלויה בהסכמת הצדדים וה-IANA registry אינו מגדיר אותם, ולכן אין ערובה ל-interoperability ציבורי.
  • אם ב-snapshot אחד ל-subtag שהוצא משימוש (deprecated) או ל-grandfathered tag יש Preferred-Value, הצורה הקנונית של GEUL כותבת את ערך ההחלפה באותיות canonical. tag בכתיב deprecated אפשר לפרש כקלט, אך אינו צורת אחסון קנונית.
  • מכיוון ש-BCP 47 הוא פרופיל ASCII, דרישות נרמול Unicode כמו UTF-8 NFC אינן חלות.
  • בתוך WORD הבייט העליון בא ראשון. אם מספר הבייטים אי-זוגי (קוד אי-זוגי), הבייט התחתון שאינו בשימוש ב-WORD האחרון חייב להיות 00.
  • מספר ה-Payload WORD הוא ceil(מספר בייטים/2). אם הקוד אי-זוגי והבייט התחתון של ה-WORD האחרון אינו 00, דוחים.

בסיס בתקנים

  • דקדוק ה-language tag, הפירוש שאינו תלוי ברישיות ומושג ה-deprecated/Preferred-Value נקבעים לפי RFC 5646, Tags for Identifying Languages.
  • ה-registry הקובע את תקפות ה-tag הוא IANA Language Subtag Registry.
  • זוג הקודים זוגי/אי-זוגי, zero padding, מדיניות אחסון באותיות canonical וחישוב Length הם כללי ה-framing של GEUL.

אורך

  • הסך הכול הוא מספר ה-WORD של TAG אחד, ה-Length TAG של ההרחבה (אם יש) וה-Payload. עד 14 WORD משתמשים באורך ישיר, ומ-15 WORD ומעלה באורך מורחב 1110·1111, וה-TAG של ההרחבה נכלל גם הוא בסך הכול (Length).

היחס ל-LANGUAGE-SHORT-CODE

  • tag שיש לו מספר ב-GEUL Language Registry אפשר לכתוב ב-WORD אחד של LANGUAGE-SHORT-CODE.
  • tag שאין לו מספר ב-registry (כולל tag שיש בו extension או private-use) נכתב ב-LANGUAGE-BCP47-CODE. גם כשצריך לשמר את המקור של ה-tag המלא משתמשים ב-LANGUAGE-BCP47-CODE.
  • SHORT-CODE ‏n ו-LANGUAGE-BCP47-CODE של ה-tag שה-registry קשר ל-n (בלי תלות ברישיות) הם אותה שפה.

דוגמה

  • ko-KR הוא 5 בייטים של ASCII (אי-זוגי), ולכן LANGUAGE-BCP47-CODE-ODD ‏(0x077L), וה-Payload הוא 6B6F 2D4B 5200.
  • TAG של WORD אחד ו-Payload של 3 WORD נותנים סך הכול 4 WORD, ו-LLLL=0011. השלם הוא 0773 6B6F 2D4B 5200.

הטקסט המקורי של מסמך המפרט

זהו מסמך המפרט 0x00000000/codecs/0x00000760/latest.geul כפי שהוא נקרא באמצעות geul show (ספרות הקסדצימליות באותיות גדולות).

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"

למעלה מסמך ה-Codec של LANGUAGE-BCP47-CODE-EVEN (‏0x076L). במסמך ה-Codec של חבר אחר (LANGUAGE-BCP47-CODE-ODD) שונים רק ה-Codec ID ב-DOC-ID, יעד ה-DECLARE והשם הקשור ב-#1 (BIND).