LANGUAGE-BCP47-CODE é o Value que contém um language tag BCP 47 completo como sequência de bytes ASCII. Usa o par de códigos de bytes pares·ímpares 0x076L/0x077L.

ItemValor
NomeLANGUAGE-BCP47-CODE (grupo par/ímpar; os nomes por código estão na tabela de membros abaixo)
TAG ID0x076L·0x077L
Seção3 0011 (Value), deslocamento C dentro da seção = 22~23
KindValue · família: TEXT
Descrição do índiceSequência de bytes ASCII de um language tag BCP 47 completo em canonical casing. Bytes pares·ímpares
Lado Hugovalue/text/language-bcp47-code.md

Membros

Esta página trata em conjunto os dois códigos de um par par/ímpar. O código par é o de valores com número par de bytes, e o ímpar, o de valores com número ímpar (Registro e TAG WORD). Há um documento de Codec por código. Os campos dos dois documentos de Codec são iguais; só diferem o alvo de DECLARE e o nome (BIND).

TAG IDNomeNúmero de bytesCodec IDDocumento de especificaçãoTAG WORD
0x076LLANGUAGE-BCP47-CODE-EVENpar0x000007600x00000000/codecs/0x00000760/0000 0111 0110 LLLL
0x077LLANGUAGE-BCP47-CODE-ODDímpar0x000007700x00000000/codecs/0x00000770/0000 0111 0111 LLLL

Campos (documento de especificação)

A ordem dos FIELD no documento é a ordem dos campos do Payload (Documento de especificação de Codec).

OrdemCampo (BIND)FIELDLarguraFormato recebido (CODEC)ENUM
1bytes#2restante, valor bruto (0xFFFF)

LANGUAGE-BCP47-CODE é o Value que contém um language tag BCP 47 completo. Usa-se para escrever o idioma com exatidão, até script, region e variant.

Layout

  • Código: códigos diretos de Value 0x076L (número par de bytes) e 0x077L (número ímpar de bytes). Família TEXT.
  • O número de bytes é determinado pelo bit menos significativo do Codec e pelo número de WORDs do Payload. É 2 × número de WORD do Payload − bit menos significativo, e não há Byte Count (Value).
  • O Payload não é texto UTF-8, mas a sequência de bytes ASCII do tag BCP 47.
TAG WORD          0000 0111 011P LLLL      Codec 0x076L/0x077L
[TAG de extensão de Length] quando o total é de 15 WORD ou mais
Payload WORD 1st ... Nth          BCP 47 tag bytes / final zero padding

Interpretação e validade

  • A sequência de bytes deve ser um language tag BCP 47 bem formado (well-formed) da RFC 5646. Não se admite cadeia vazia.
  • O Payload usa apenas letras ASCII, dígitos e hyphen-minus -. O separador é obrigatoriamente o - ASCII; _, espaços e caracteres não ASCII não são permitidos.
  • A comparação de tags BCP 47 não distingue maiúsculas de minúsculas. O canonical profile de GEUL usa - para todos os separadores e serializa os subtags language/extlang/variant/extension/private-use em minúsculas, o script em Titlecase e a region em maiúsculas.
  • Estar bem formado não basta. A validade de subtags registrados e de grandfathered tags é julgada com base em um snapshot específico do IANA Language Subtag Registry, e a data do snapshot ou a versão do registry deve ser preservada em conjunto.
  • Tags private-use e subtags private-use são permitidos se estiverem bem formados na gramática da RFC 5646. No entanto, o significado depende de acordo entre as partes e não é definido pelo registry da IANA, de modo que não se garante interoperabilidade pública.
  • Se, no mesmo snapshot, um subtag deprecated ou um grandfathered tag tem Preferred-Value, a forma canonical de GEUL escreve esse valor substituto em canonical casing. Um tag na notação deprecated original pode ser interpretado como entrada, mas não é a forma de armazenamento canonical.
  • Como BCP 47 é um profile ASCII, não se aplica a exigência de Unicode normalization, como UTF-8 NFC.
  • Dentro de um WORD, o byte alto vem primeiro. Se o número de bytes é ímpar (código ímpar), o byte baixo não usado do último WORD deve ser 00.
  • O número de WORDs do Payload é ceil(número de bytes/2). Se o código é ímpar e o byte baixo do último WORD não é 00, rejeita-se.

Base normativa

  • A gramática do language tag, a interpretação sem distinção de maiúsculas e minúsculas e o conceito de deprecated/Preferred-Value seguem a RFC 5646, Tags for Identifying Languages.
  • O registry que julga a validade do tag é o IANA Language Subtag Registry.
  • O par de códigos par/ímpar, o zero padding, a política de armazenamento em canonical casing e o cálculo de Length são regras de framing de GEUL.

Comprimento

  • O total é 1 WORD de TAG mais o número de WORDs da TAG de extensão de Length (se houver) e do Payload. Até 14 WORD usa-se o comprimento direto; com 15 WORD ou mais, o comprimento estendido 1110·1111, e a TAG de extensão também conta no total (Length).

Relação com LANGUAGE-SHORT-CODE

  • Um tag que tem número no GEUL Language Registry pode ser escrito em 1 WORD com LANGUAGE-SHORT-CODE.
  • Um tag sem número no registro (inclusive tags com extension ou private-use) escreve-se com LANGUAGE-BCP47-CODE. Também se usa LANGUAGE-BCP47-CODE quando é preciso preservar o texto original do tag completo.
  • O SHORT-CODE n e o LANGUAGE-BCP47-CODE do tag que o registro associa a n (sem distinguir maiúsculas de minúsculas) são o mesmo idioma.

Exemplo

  • ko-KR tem 5 bytes ASCII (ímpar), logo é LANGUAGE-BCP47-CODE-ODD (0x077L), e o Payload é 6B6F 2D4B 5200.
  • Com 1 WORD de TAG e 3 WORDs de Payload, o total é 4 WORDs e LLLL=0011. O total é 0773 6B6F 2D4B 5200.

Texto original do documento de especificação

É o documento de especificação 0x00000000/codecs/0x00000760/latest.geul lido com geul show (hexadecimal em maiúsculas).

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"

Acima está o documento de Codec de LANGUAGE-BCP47-CODE-EVEN (0x076L). O documento de Codec do outro membro (LANGUAGE-BCP47-CODE-ODD) difere apenas no Codec ID do DOC-ID, no alvo de DECLARE e no nome ligado a #1 (BIND).