14

我正在为微博平台上的消息设计一个架构，该平台需要具有定义的语言。这些消息将分布在许多节点之间的网络上，因此我需要使架构紧凑但仍然完全多语言。

我将使用IETF 语言代码（en等en-AU），但为了提高效率，我需要知道是否有特定的方式来表示它们。语言标签有多种标准，但当前规范RFC 5646通过保持与以前标准的向后兼容性而变得复杂。我不完全了解空间要求，因为有多个子标签。

表示 IETF 语言代码最节省空间的方式是什么？

4

1 回答 1

19

我认为处理语言环境代码的 IETF 规范确实是行业“最佳通用实践”，但绝对不是没有妥协以保持向后兼容性等。我仍然建议根据您的需要调整它，因为最重要的国际化库和标准（Unicode、ICU）都在使用它。

BCP47/RFC5646第 4.4.1 节推荐 35 个字符的标签长度​​：

   language      =  8 ; longest allowed registered value
                      ;   longer than primary+extlang
                      ;   which requires 7 characters
   script        =  5 ; if not suppressed: see Section 4.1
   region        =  4 ; UN M.49 numeric region code
                      ;   ISO 3166-1 codes require 3
   variant1      =  9 ; needs 'language' as a prefix
   variant2      =  9 ; very rare, as it needs
                      ;   'language-variant1' as a prefix

   total         = 35 characters

              Figure 7: Derivation of the Limit on Tag Length

但是，如果您只关心语言和脚本（而不是表示某些区域设置敏感数据（如日期和时间格式）的区域信息），那么您最多可以使用 13 个字符。

实际上，大多数标签最终只会成为该语言的两个字符。我经常处理并需要脚本子标签的唯一常见示例是sr-Latn和sr-Cyrl（分别是用拉丁文或西里尔文书写的塞尔维亚文）、zh-Hant（繁体中文）和zh-Hans（简体中文）。此外，您很可能不需要变体，这意味着这些语言环境代码的大多数现实世界示例都应低于 17 个字符的限制。

于 2013-07-25T16:12:36.130 回答