LANGUAGE-BCP47-CODE — Value, хранящий полный языковой тег BCP 47 в виде ASCII-последовательности байтов. Используется пара кодов «чётный/нечётный»: 0x076L/0x077L.
| Пункт | Значение |
|---|---|
| Имя | LANGUAGE-BCP47-CODE (группа «чётный/нечётный». Имена по кодам — в таблице участников ниже) |
| TAG ID | 0x076L·0x077L |
| Раздел | 3 0011 (Value), смещение C внутри раздела = 22~23 |
| Kind | Value · семейство: TEXT |
| Описание в индексе | ASCII-последовательность байтов полного языкового тега BCP 47 в canonical casing. Чётное и нечётное число байтов |
| Сторона Hugo | value/text/language-bcp47-code.md |
Участники
Эта страница охватывает пару кодов «чётный/нечётный». У чётного кода число байтов чётное, у нечётного — нечётное (запись и TAG WORD). Документ Codec заведён на каждый код. Поля в двух документах Codec совпадают, различаются только цель DECLARE и имя (BIND).
| TAG ID | Имя | Число байтов | Codec ID | Документ спецификации | TAG WORD |
|---|---|---|---|---|---|
0x076L | LANGUAGE-BCP47-CODE-EVEN | чётное | 0x00000760 | 0x00000000/codecs/0x00000760/ | 0000 0111 0110 LLLL |
0x077L | LANGUAGE-BCP47-CODE-ODD | нечётное | 0x00000770 | 0x00000000/codecs/0x00000770/ | 0000 0111 0111 LLLL |
Поля (документ спецификации)
Порядок FIELD в документе — это порядок полей Payload (документ спецификации Codec).
| Порядок | Поле (BIND) | FIELD | Ширина | Принимаемый формат (CODEC) | ENUM |
|---|---|---|---|---|---|
| 1 | bytes | #2 | остаток, простое значение (0xFFFF) |
LANGUAGE-BCP47-CODE — Value, хранящий полный языковой тег BCP 47. Применяется, когда язык нужно указать точно, вплоть до script, region и variant.
Раскладка
- Код: прямой код Value
0x076L(чётное число байтов) и0x077L(нечётное число байтов). Семейство TEXT. - Число байтов определяется младшим битом Codec и числом Payload WORD:
2 × число Payload WORD − младший бит. Byte Count не вводится (Value). - Payload — не текст UTF-8, а ASCII-последовательность байтов тега BCP 47.
TAG WORD 0000 0111 011P LLLL Codec 0x076L/0x077L
[расширяющий Length TAG] если всего 15 WORD и более
Payload WORD 1st ... Nth BCP 47 tag bytes / final zero padding
Интерпретация и действительность
- Последовательность байтов должна быть well-formed языковым тегом BCP 47 по RFC 5646. Пустая строка не допускается.
- В Payload используются только ASCII-буквы, цифры и дефис-минус
-. Разделителем обязательно служит ASCII-;_, пробелы и не-ASCII символы не допускаются. - Сравнение тегов BCP 47 не учитывает регистр. Canonical profile GEUL записывает все разделители как
-, а подтеги language/extlang/variant/extension/private-use — строчными, script — в Titlecase, region — заглавными. - Одной well-formed формы недостаточно. Действительность registered подтегов и grandfathered тегов определяется по конкретному snapshot реестра IANA Language Subtag Registry, и дату этого snapshot или версию реестра нужно сохранять вместе со значением.
- Теги private-use и подтеги private-use допускаются, если они well-formed по грамматике RFC 5646. Но их смысл зависит от договорённости сторон и не определён реестром IANA, поэтому общая совместимость не гарантируется.
- Если в том же snapshot у deprecated подтега или grandfathered тега есть Preferred-Value, каноническая форма GEUL записывает эту замену в canonical casing. Тег в устаревшей записи можно принять как вход, но каноническим форматом хранения он не является.
- BCP 47 — ASCII-профиль, поэтому требования Unicode normalization вроде UTF-8 NFC не применяются.
- Внутри WORD старший byte идёт первым. Если число байтов нечётное (нечётный код), неиспользуемый младший byte последнего WORD должен быть
00. - Число Payload WORD равно
ceil(число байтов/2). Если код нечётный, а младший byte последнего WORD не равен00, значение отвергается.
Основание в стандартах
- Грамматика языковых тегов, нечувствительность к регистру и понятия deprecated/Preferred-Value соответствуют RFC 5646, Tags for Identifying Languages.
- Реестр, по которому определяется действительность тега, — IANA Language Subtag Registry.
- Пара кодов «чётный/нечётный», zero padding, политика хранения в canonical casing и расчёт Length — правила обрамления GEUL.
Длина
- Всего — число WORD: 1 WORD TAG, расширяющий Length TAG (если есть) и Payload. До 14 WORD используется прямая длина, от 15 WORD — расширенная длина
1110·1111; расширяющий TAG также входит в общее число (Length).
Связь с LANGUAGE-SHORT-CODE
- Тег, у которого есть номер в GEUL Language Registry, можно записать одним WORD LANGUAGE-SHORT-CODE.
- Тег без номера в реестре (в том числе тег с extension и private-use) записывается как LANGUAGE-BCP47-CODE. LANGUAGE-BCP47-CODE используется и тогда, когда нужно сохранить исходный вид полного тега.
- SHORT-CODE
nи LANGUAGE-BCP47-CODE тега, связанного в реестре сn(без учёта регистра), обозначают один и тот же язык.
Пример
ko-KR— ASCII, 5 byte (нечётное), поэтомуLANGUAGE-BCP47-CODE-ODD(0x077L), Payload —6B6F 2D4B 5200.- TAG 1 WORD и Payload 3 WORD дают всего 4 WORD,
LLLL=0011. Целиком:0773 6B6F 2D4B 5200.
Исходный текст документа спецификации
Так выглядит документ спецификации 0x00000000/codecs/0x00000760/latest.geul, прочитанный командой geul show (шестнадцатеричные цифры заглавные).
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"
Выше — документ Codec для LANGUAGE-BCP47-CODE-EVEN (0x076L). В документах Codec других участников (LANGUAGE-BCP47-CODE-ODD) различаются только Codec ID в DOC-ID, цель DECLARE и имя, привязанное в #1 (BIND).