LANGUAGE-BCP47-CODE 是以 ASCII 字节序列承载完整 BCP 47 language tag 的 Value。使用偶数·奇数字节代码对 0x076L/0x077L。
| 项目 | 值 |
|---|---|
| 名称 | LANGUAGE-BCP47-CODE(奇偶分组。各代码的名称见下方成员表) |
| TAG ID | 0x076L·0x077L |
| 章节 | 3 0011(Value),章节内偏移 C = 22~23 |
| Kind | Value · 系列:TEXT |
| 索引说明 | canonical casing 的完整 BCP 47 language tag ASCII 字节序列。偶数·奇数字节 |
| Hugo 路径 | value/text/language-bcp47-code.md |
成员
本页同时处理奇偶一对的两个代码。偶数代码的值字节数为偶数,奇数代码的值字节数为奇数(记录与 TAG WORD)。Codec 文档每个代码一份。两份 Codec 文档的字段相同,只有 DECLARE 对象和名称(BIND)不同。
| TAG ID | 名称 | 字节数 | Codec ID | 规格文档 | TAG WORD |
|---|---|---|---|---|---|
0x076L | LANGUAGE-BCP47-CODE-EVEN | 偶数 | 0x00000760 | 0x00000000/codecs/0x00000760/ | 0000 0111 0110 LLLL |
0x077L | LANGUAGE-BCP47-CODE-ODD | 奇数 | 0x00000770 | 0x00000000/codecs/0x00000770/ | 0000 0111 0111 LLLL |
字段(规格文档)
FIELD 在文档中的顺序就是 Payload 字段的顺序(Codec 规格文档)。
| 顺序 | 字段(BIND) | FIELD | 宽度 | 接收格式(CODEC) | ENUM |
|---|---|---|---|---|---|
| 1 | bytes | #2 | 剩余原始值(0xFFFF) |
LANGUAGE-BCP47-CODE 是承载完整 BCP 47 language tag 的 Value。需要连 script、region、variant 都精确标明语言时使用。
布局
- 代码:Value 直接码
0x076L(偶数字节)·0x077L(奇数字节)。系列 TEXT。 - 字节数由 Codec 的最低位和 Payload WORD 数决定。即
2 × Payload WORD 数 − 最低位,不设 Byte Count(Value)。 - Payload 不是 UTF-8 文本,而是 BCP 47 tag 的 ASCII 字节序列。
TAG WORD 0000 0111 011P LLLL Codec 0x076L/0x077L
[Length 扩展 TAG] 总计 15 WORD 以上时
Payload WORD 1st ... Nth BCP 47 tag bytes / final zero padding
解释与有效性
- 字节序列必须是 RFC 5646 的 well-formed BCP 47 language tag。不允许空字符串。
- Payload 只使用 ASCII 字母、数字和连字符
-。分隔符必须是 ASCII-,不允许_、空格和非 ASCII 字符。 - BCP 47 tag 的比较不区分大小写。GEUL canonical profile 的分隔符一律用
-,language/extlang/variant/extension/private-use subtag 序列化为小写,script 为 Titlecase,region 为大写。 - 仅 well-formed 并不足够。registered subtag 与 grandfathered tag 的有效性以特定的 IANA Language Subtag Registry snapshot 为准判定,并须同时保存该 snapshot 的日期或 registry version。
- private-use tag 与 private-use subtag 只要符合 RFC 5646 语法即 well-formed,便予允许。但其含义取决于当事方约定,IANA registry 并未定义,因此不保证公共互操作性。
- 在同一 snapshot 中,若 deprecated subtag 或 grandfathered tag 有 Preferred-Value,则 canonical GEUL form 以 canonical casing 写出该替换值。保持 deprecated 写法的 tag 虽然可作为输入解释,但不是 canonical 存储形式。
- BCP 47 是 ASCII profile,因此不适用 UTF-8 NFC 之类的 Unicode normalization 要求。
- WORD 内高位 byte 在前。字节数为奇数(奇数代码)时,最后一个 WORD 中未使用的低位 byte 必须为
00。 - Payload WORD 数为
ceil(字节数/2)。若为奇数代码而最后一个 WORD 的低位 byte 不是00,则拒绝。
标准依据
- language tag 语法、不区分大小写的解释、deprecated/Preferred-Value 概念遵循 RFC 5646, Tags for Identifying Languages。
- 判定 tag 有效性的 registry 是 IANA Language Subtag Registry。
- 奇偶代码对、zero padding、canonical casing 存储策略与 Length 计算是 GEUL framing 规则。
长度
- 总长为 TAG 1 WORD、Length 扩展 TAG(如有)与 Payload 的 WORD 数之和。14 WORD 以下用直接长度,15 WORD 以上用
1110·1111扩展长度,扩展 TAG 也计入总数(Length)。
与 LANGUAGE-SHORT-CODE 的关系
- 在 GEUL Language Registry 中有编号的 tag 可以用 LANGUAGE-SHORT-CODE 1 WORD 书写。
- 注册表中没有编号的 tag(包括含 extension·private-use 的 tag)用 LANGUAGE-BCP47-CODE 书写。需要保存 full tag 原文时也用 LANGUAGE-BCP47-CODE。
- SHORT-CODE
n与注册表绑定到n的 tag 的 LANGUAGE-BCP47-CODE(忽略大小写)是同一种语言。
示例
ko-KR为 ASCII 5 byte(奇数),因此是LANGUAGE-BCP47-CODE-ODD(0x077L),Payload 为6B6F 2D4B 5200。- TAG 1 WORD、Payload 3 WORD,总计 4 WORD,
LLLL=0011。整体为0773 6B6F 2D4B 5200。
规格文档原文
这是用 geul show 读取规格文档 0x00000000/codecs/0x00000760/latest.geul 的样子(十六进制为大写)。
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"
以上是 LANGUAGE-BCP47-CODE-EVEN(0x076L)的 Codec 文档。其他成员(LANGUAGE-BCP47-CODE-ODD)的 Codec 文档只在 DOC-ID 的 Codec ID、DECLARE 对象、#1 绑定的名称(BIND)上不同。