LANGUAGE-BCP47-CODE は完全な BCP 47 language tag を ASCII バイト列として収める Value である。偶数·奇数バイトのコードの組 0x076L/0x077L を使う。

項目値
名前LANGUAGE-BCP47-CODE (偶奇の組。コードごとの名前は下の構成員の表)
TAG ID0x076L·0x077L
セクション3 0011 (Value)、セクション内オフセット C = 22~23
KindValue · 系列: TEXT
索引の説明canonical casing の完全な BCP 47 language tag の ASCII バイト列。偶数·奇数バイト
Hugo 側value/text/language-bcp47-code.md

構成員

このページは偶奇の組をなす二つのコードをまとめて扱う。偶数コードはバイト数が偶数、奇数コードは奇数の値である(レコードと TAG WORD)。Codec ドキュメントはコードごとに一つである。二つの Codec ドキュメントのフィールドは同じで、DECLARE の対象と名前(BIND)だけが異なる。

TAG ID名前バイト数Codec ID規格ドキュメントTAG WORD
0x076LLANGUAGE-BCP47-CODE-EVEN偶数0x000007600x00000000/codecs/0x00000760/0000 0111 0110 LLLL
0x077LLANGUAGE-BCP47-CODE-ODD奇数0x000007700x00000000/codecs/0x00000770/0000 0111 0111 LLLL

フィールド (規格ドキュメント)

FIELD のドキュメント内の順序が Payload のフィールド順序である(Codec 規格ドキュメント)。

順序フィールド(BIND)FIELD幅受ける形式(CODEC)ENUM
1bytes#2残り生値(0xFFFF)

LANGUAGE-BCP47-CODE は完全な BCP 47 language tag を収める Value である。script、region、variant まで含めて言語を正確に記すときに使う。

レイアウト

  • コード: Value 直接コード 0x076L(偶数バイト)·0x077L(奇数バイト)。系列 TEXT。
  • バイト数は Codec の最下位ビットと Payload WORD 数で決まる。2 × Payload WORD 数 − 最下位ビットであり、Byte Count は置かない(Value)。
  • Payload は UTF-8 テキストではなく BCP 47 tag の ASCII バイト列である。
TAG WORD          0000 0111 011P LLLL      Codec 0x076L/0x077L
[Length 拡張 TAG] 全体が 15 WORD 以上のとき
Payload WORD 1st ... Nth          BCP 47 tag bytes / final zero padding

解釈と有効性

  • バイト列は RFC 5646 の well-formed な BCP 47 language tag でなければならない。空文字列は許さない。
  • Payload は ASCII 文字、数字、hyphen-minus - だけを使う。区切りは必ず ASCII - であり、_、空白、非 ASCII 文字は許さない。
  • BCP 47 tag の比較は大文字小文字を区別しない。GEUL canonical profile は区切りをすべて - で書き、language/extlang/variant/extension/private-use の subtag は小文字、script は Titlecase、region は大文字でシリアライズする。
  • well-formed だけでは十分でない。registered subtag と grandfathered tag の有効性は特定の IANA Language Subtag Registry snapshot を基準に判定し、その snapshot の日付や registry version を併せて保存しなければならない。
  • private-use tag と private-use subtag は、RFC 5646 の文法で well-formed なら許す。ただしその意味は当事者の合意に依存し、IANA registry が定義しないので、公共の相互運用は保証されない。
  • 同じ snapshot で deprecated subtag や grandfathered tag に Preferred-Value があれば、canonical GEUL form はその置換値を canonical casing で書く。deprecated 表記のままの tag は入力として解釈できても、canonical な保存形ではない。
  • BCP 47 は ASCII profile なので、UTF-8 NFC のような Unicode normalization の要求は適用しない。
  • WORD の中では上位 byte が先に来る。バイト数が奇数(奇数コード)なら、最後の WORD の使わない下位 byte は 00 でなければならない。
  • Payload WORD 数は ceil(バイト数/2) である。奇数コードなのに最後の WORD の下位 byte が 00 でなければ拒否する。

標準の根拠

  • language tag の文法、大文字小文字を区別しない解釈、deprecated/Preferred-Value の概念は RFC 5646, Tags for Identifying Languages に従う。
  • tag の有効性を判定する registry は IANA Language Subtag Registry である。
  • 偶奇のコードの組、zero padding、canonical casing の保存ポリシーと Length の計算は GEUL の framing 規則である。

長さ

  • 全体は TAG 1 WORD、Length 拡張 TAG(あれば)と Payload を合わせた WORD 数である。14 WORD 以下は直接長、15 WORD 以上は 1110·1111 の拡張長を使い、拡張 TAG も全体の数に含める(Length)。

LANGUAGE-SHORT-CODE との関係

  • GEUL Language Registry に番号がある tag は LANGUAGE-SHORT-CODE の 1 WORD で書ける。
  • レジストリに番号がない tag(extension·private-use を含む tag も含む)は LANGUAGE-BCP47-CODE で書く。full tag の原文を保存する必要がある場合も LANGUAGE-BCP47-CODE を使う。
  • SHORT-CODE n と、レジストリが n に結び付けた tag の LANGUAGE-BCP47-CODE(大文字小文字を無視)は同じ言語である。

例

  • ko-KR は ASCII 5 byte(奇数)なので LANGUAGE-BCP47-CODE-ODD(0x077L)、Payload は 6B6F 2D4B 5200 である。
  • TAG 1 WORD、Payload 3 WORD で全体 4 WORD、LLLL=0011 である。全体は 0773 6B6F 2D4B 5200 である。

規格ドキュメント原文

規格ドキュメント 0x00000000/codecs/0x00000760/latest.geul を geul show で読んだ様子である(16 進は大文字)。

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"

上は LANGUAGE-BCP47-CODE-EVEN(0x076L)の Codec ドキュメントである。他の構成員(LANGUAGE-BCP47-CODE-ODD)の Codec ドキュメントは、DOC-ID の Codec ID、DECLARE の対象、#1 に結び付けた名前(BIND)だけが異なる。