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.
| Item | Valor |
|---|---|
| Nome | LANGUAGE-BCP47-CODE (grupo par/ímpar; os nomes por código estão na tabela de membros abaixo) |
| TAG ID | 0x076L·0x077L |
| Seção | 3 0011 (Value), deslocamento C dentro da seção = 22~23 |
| Kind | Value · família: TEXT |
| Descrição do índice | Sequência de bytes ASCII de um language tag BCP 47 completo em canonical casing. Bytes pares·ímpares |
| Lado Hugo | value/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 ID | Nome | Número de bytes | Codec ID | Documento de especificação | TAG WORD |
|---|---|---|---|---|---|
0x076L | LANGUAGE-BCP47-CODE-EVEN | par | 0x00000760 | 0x00000000/codecs/0x00000760/ | 0000 0111 0110 LLLL |
0x077L | LANGUAGE-BCP47-CODE-ODD | ímpar | 0x00000770 | 0x00000000/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).
| Ordem | Campo (BIND) | FIELD | Largura | Formato recebido (CODEC) | ENUM |
|---|---|---|---|---|---|
| 1 | bytes | #2 | restante, 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) e0x077L(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 é00, 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
ne o LANGUAGE-BCP47-CODE do tag que o registro associa an(sem distinguir maiúsculas de minúsculas) são o mesmo idioma.
Exemplo
ko-KRtem 5 bytes ASCII (ímpar), logo éLANGUAGE-BCP47-CODE-ODD(0x077L), e o Payload é6B6F 2D4B 5200.- Com 1 WORD de TAG e 3 WORDs de Payload, o total é 4 WORDs e
LLLL=0011. O total é0773 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).