| 项目 | 值 |
|---|---|
| 名称 | LANGUAGE-SHORT-CODE(规格文档 BIND LANGUAGE-SHORT-CODE) |
| TAG ID | 0x07AL |
| Codec ID | 0x000007A0 |
| 规格文档 | 0x00000000/codecs/0x000007A0/(DECLARE 对象 07A0) |
| 章节 | 3 0011(Value),章节内偏移 C = 26 |
| Kind | Value · 系列:TEXT |
| TAG WORD | 0000 0111 1010 LLLL(000K KKKC CCCC LLLL) |
| 索引说明 | 以 GEUL Language Registry 编号书写的 BCP 47 tag(Payload 1 WORD) |
| Hugo 路径 | value/text/language-short-code.md |
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 | code | #2 | 原始值 1 WORD | ENUM 8678 个。例:0x0001 aa, 0x0002 aaa, 0x0003 aab, 0x0004 aac, 0x0005 aad … |
LANGUAGE-SHORT-CODE 是以 1 WORD 承载 GEUL Language Registry 中已分配编号的一个 BCP 47 tag 的 GEUL 压缩语言码。Payload 恰好为 1 WORD。
布局
- 代码:Value 直接码
0x07AL。系列 TEXT。 - Payload 恰好是 1 WORD 的 unsigned 16 位代码。
TAG WORD 0x07A1 (0000 0111 1010 0001) 总计 2 WORD
Payload WORD 1st (16位) GEUL Language Registry 编号 (uint16)
解释与有效性
- 将 Payload 1 WORD 读作 unsigned 16 位整数。
- 该值是 GEUL Language Registry 所分配的一个 tag。注册表的正式表示是此 Codec 的规格文档
0x00000000/codecs/0x000007A0。每个代码值在 FIELDcode中都有一个 ENUM,通过 BIND 绑定到该 ENUM Edge Id 的名称,就是规范大小写的 BCP 47 tag。 - 注册表是封闭列表。规格文档中没有 ENUM 的值为 invalid。此 Codec 规则优先于 ENUM 的一般规则(“未声明的代码值不是错误”)。
- 分配对象有以下三类。
- IANA Language Subtag Registry 的
Type: language记录中,去掉Scope: private-use(qaa..qtz)的部分。collection、macrolanguage、special(mul·und·zxx·mis)不去掉。 - IANA 整体登记的 tag:grandfathered 和 redundant(
zh-Hans、sr-Latn、zh-min-nan等)。 - 在公开的 CC0 来源中观察到的有效组合 tag(
pt-BR、en-GB、be-tarask等)。只由 language、extlang、script、region、variant subtag 构成的 tag。含 extension(-u-·-t-)和 private-use(-x-)的 tag 不接收。
- IANA Language Subtag Registry 的
- 没有编号的 tag 不能用此格式书写。用 LANGUAGE-BCP47-CODE(
0x076L·0x077L)书写。SHORT-CODE 内部没有 escape 路径。 0x0000和0xFFFF永久不分配。在此 Value 中两者均为 invalid。两者都不用作null·unknown·und的含义。- 值的区间是分配惯例。解码器不根据值的范围推测 tag 的种类。值的含义只来自规格文档。
| 区间 | 用途 |
|---|---|
0x0000 | 未分配(invalid) |
0x0001–0x3FFF | 只有一个 language subtag 的 tag |
0x4000–0x7FFF | 含两个以上 subtag 的 tag(IANA 整体 tag、观察到的组合 tag) |
0x8000–0xFFFE | 溢出。上述区块已满时在此接续分配 |
0xFFFF | 未分配(invalid) |
- 初版在区块内按 tag 的小写 ASCII 顺序给号。
0x4000区块先是 IANA 整体 tag(grandfathered 与 redundant 混合的 ASCII 顺序),其后是观察到的组合 tag(ASCII 顺序)。IANA 文件的物理顺序和使用频率不是编号规则。 - 分配只追加(append-only)。新 tag 追加在区块末尾,区块已满则追加到溢出区间。已给出编号的 tag(忽略大小写)不更改,不删除,也不复用。
- 新 tag 通过在规格文档的新版本中追加 ENUM 和 BIND 加入。不修改既有 ENUM·BIND。因此任何版本都是前一版本的超集。
- 65,534 个全部分配完后不再分配。其后的新 tag 用 LANGUAGE-BCP47-CODE 书写。表达力不减,只是没有压缩收益。
- 同一语言: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。 - 注册表版本就是规格文档的版本。每一版都把作为依据的 IANA registry 文件(File-Date、SHA-256)写成规格文档 HEAD 的 SOURCE。需要说明解释该值所用的版本时,一并保留该版本(CODEC-POINTER(
0x00000000、0x000007A0、版本 IDn))。 - Codec 规格可以把同一个 1 WORD 代码作为无 TAG 的原始值字段承载(原始值字段的 CODEC)。这是该 Codec 规格的规则,独立 Value 的 wire form 始终是 TAG 1 WORD + Payload 1 WORD。
标准依据
- tag 的含义和 subtag 的有效性遵循 IANA Language Subtag Registry 和 RFC 5646, Tags for Identifying Languages。IANA·IETF 对协议注册表的权利以 CC0 1.0 释出(IANA Licensing Terms)。
- 注册表编号(ASCII 顺序 append-only 分配、区块构成、
0x0000·0xFFFF不分配、封闭列表)、规格文档 ENUM 为正式表示这一点,以及与无 TAG 原始值字段 embedding 的区分,都是 GEUL 规则。
长度
- 总长为 TAG 1 WORD 与 Payload 1 WORD 之和,恰好 2 WORD,使用直接长度
LLLL=0001。没有 Length 扩展 TAG、descriptor、padding。 - Payload 不是恰好 1 WORD 时拒绝。
示例
这是注册表 v2(规格文档 0x00000000/codecs/0x000007A0 版本 2,IANA File-Date 2026-09-17)的编号。共分配 8,678 个(language 8,275、grandfathered 26、redundant 67、观察到的组合 310)。
| tag | 代码 | 总 WORD |
|---|---|---|
en | 0x0784 | 07A1 0784 |
ko | 0x0D06 | 07A1 0D06 |
zh-Hans | 0x404C | 07A1 404C |
pt-BR | 0x4130 | 07A1 4130 |
- 在规格文档中,
en是ENUM #2 0x0784以及绑定到该 Edge Id 的BIND "en"。 de-x-formal(private-use)、nl-u-sd-bebru(extension)没有编号,因此用 LANGUAGE-BCP47-CODE 书写。
未决问题
- 版本间解释:遇到比读取方所持版本更新的编号时,是作为 invalid 丢弃,还是保留原值并作为“未知代码”处理。因为是 append-only,最新版一份总是足够,但需要为离线解码器制定规则。
- 规范形式:有编号的 tag 是否必须(SHOULD/MUST)用 SHORT-CODE 书写。若为 MUST,写法唯一确定,但新版本发布后,先前写成的文档就不再是规范形式。
- 在规格文档中表示 deprecated tag 与 Preferred-Value 的方法(当前版本中没有)。
- 追加观察到的组合 tag 的流程(来源、观察下限)。
相关页面
规格文档原文
这是用 geul show 读取规格文档 0x00000000/codecs/0x000007A0/latest.geul 的样子(十六进制为大写)。
SPEC-VERSION 0x0001
DOC-ID 0x042600000000000007A000000000
#17368 SOURCE #0 #17362
#17369 QUALIFIER P577 #17368 GREGORIAN-DATE(2026-09-17)
#17370 QUALIFIER P813 #17368 GREGORIAN-DATE(2026-10-29)
#17371 QUALIFIER P4092 #17368 SHA-256-DIGEST(0x755FAD43283BE7B41EBE3C89AD054B6EAF928F404F9C0EDB74799E0EAB74BEB1)
#17372 SOURCE #0 Q2013
#17373 QUALIFIER P813 #17372 GREGORIAN-DATE(2026-10-29)
BODY
#1 DECLARE 0x07A0
#2 FIELD #1 0x0001
#3 BIND #1 "LANGUAGE-SHORT-CODE"
#4 BIND #2 "code"
#5 ENUM #2 0x0001
#6 BIND #5 "aa"
#7 ENUM #2 0x0002
#8 BIND #7 "aaa"
#9 ENUM #2 0x0003
#10 BIND #9 "aab"
#11 ENUM #2 0x0004
#12 BIND #11 "aac"
#13 ENUM #2 0x0005
#14 BIND #13 "aad"
… (省略 ENUM·BIND 17346 行)
#17361 REFERENCE-NODE #17362 <https://www.iana.org/assignments/language-subtag-registry/language-subtag-registry>
#17363 TRIPLE P275 #17362 Q6938433 normal
#17364 REFERENCE-NODE #17365 <https://www.iana.org/help/licensing-terms>
#17366 SOURCE #17363 #17365
#17367 QUALIFIER P813 #17366 GREGORIAN-DATE(2026-10-29)