gettext Plural-Forms за 42 езика, проверени число по число спрямо CLDR
Езици
Един запис за множествено число в gettext съхранява формите си в номерирани слотове, msgstr[0], msgstr[1] и т.н., а редът Plural-Forms в заглавката на файла е малка C формула, която избира слота за дадено число. За Polyglot 1.4.0 ни трябваше тази формула за всички 42 езика, на които превежда, и всеки слот трябваше да съдържа формата, която CLDR – данните за множествено число, стоящи зад Android, ICU и нашите собствени проверки – определя за същите числа. Ето таблицата и начина, по който я проверихме.
Заглавката за всеки език, за който CLDR има правила за множествено число, и проверка за вашите собствени правила са в Plural-Forms за всеки език.
Как я проверихме
- Всяко цяло число от 0 до 10 000: вграденият gettext на Python изчисляваше всяка формула, а избраният от нея слот трябваше да съдържа формата, която данните на CLDR в Babel 2.18 определят за това число. 41 езика съвпаднаха; хаитянският креолски е единственото изключение и то съзнателно (вижте по-долу).
- GNU msgfmt --check върху файл на всеки от 42-те езика, с форма във всеки слот: без грешки.
- Реално изпълнение: gettext файлът на примерното приложение, преведен от нашия локален модел на девет езика, като всеки файл беше компилиран и прочетен обратно с gettext на Python. Руският показва „Пропущена 21 привычка“, но „Пропущено 22 привычки“, румънският „21 de obiceiuri“, но „101 obiceiuri“, а арабският има всички шест свои форми на местата им.
Където по-старите данни се различаваха
Първоначално проверихме спрямо Babel 2.10, който съдържа CLDR 41 от 2022 г. При три езика резултатът беше различен и при всеки от тях по-новите данни и самият език съвпадат с таблицата:
- Румънски: CLDR 41 поставя 101 заедно с 20 и 100, които изискват „de“ („100 de zile“); текущият CLDR го поставя заедно с числата от 2 до 19, които не го изискват. Нашият модел написа „101 obiceiuri ratate“, без „de“.
- Иврит: CLDR 41 все още имаше форма „many“ за 20, 30, 40 и т.н. По-късни версии на CLDR премахнаха тази форма, така че ивритът има три слота: един, два и останали.
- Хаитянският креолски изобщо не присъстваше в тези данни. Текущият CLDR му определя две форми, едната за 0 и 1, а другата за останалите, но съществителните в хаитянския креолски не се променят по число („1 liv“, „2 liv“), затова запазихме един слот, както прави Polyglot и в другите си формати.
Какво съдържат слотовете
- Руският, украинският и полският имат три слота, а третият е „many“ на CLDR (0, 5 до 20, 25…), а не „other“: „other“ е само за дробни числа. Полският „one“ е само за 1; 21 е „many“.
- Чешки и словашки: тяхната форма „many“ е само за дробни числа, затова третият слот е „other“.
- Испански, френски, италиански и португалски имат форма „many“ за точни милиони; gettext не може да ги разграничи с двата си слота, затова споделя „other“.
- Френски, португалски, персийски, арменски, амхарски, каннада и пенджабски използват „one“ и за 0, оттам
plural=(n > 1).
Таблицата
| Език | gettext | Форми за множествено число | msgstr[0], [1]… |
|---|---|---|---|
| Амхарски | am | nplurals=2; plural=(n > 1); | one, other |
| Арабски | ar | nplurals=6; plural=(n == 0) ? 0 : ((n == 1) ? 1 : ((n == 2) ? 2 : ((n % 100 >= 3 && n % 100 <= 10) ? 3 : ((n % 100 >= 11) ? 4 : 5)))); | zero, one, two, few, many, other |
| Арменски | hy | nplurals=2; plural=(n > 1); | one, other |
| Български | bg | nplurals=2; plural=(n != 1); | one, other |
| Китайски (опростен) | zh_CN | nplurals=1; plural=0; | other |
| Китайски (традиционен) | zh_TW | nplurals=1; plural=0; | other |
| Чешки | cs | nplurals=3; plural=(n == 1) ? 0 : ((n >= 2 && n <= 4) ? 1 : 2); | one, few, other |
| Нидерландски | nl | nplurals=2; plural=(n != 1); | one, other |
| Филипински | fil | nplurals=2; plural=(n != 1 && n != 2 && n != 3 && (n % 10 == 4 || n % 10 == 6 || n % 10 == 9)); | one, other |
| Финландски | fi | nplurals=2; plural=(n != 1); | one, other |
| Френски | fr | nplurals=2; plural=(n > 1); | one, other |
| Немски | de | nplurals=2; plural=(n != 1); | one, other |
| Гръцки | el | nplurals=2; plural=(n != 1); | one, other |
| Хаитянски креолски | ht | nplurals=1; plural=0; | other |
| Иврит | he | nplurals=3; plural=(n == 1) ? 0 : ((n == 2) ? 1 : 2); | one, two, other |
| Унгарски | hu | nplurals=2; plural=(n != 1); | one, other |
| Индонезийски | id | nplurals=1; plural=0; | other |
| Италиански | it | nplurals=2; plural=(n != 1); | one, other |
| Японски | ja | nplurals=1; plural=0; | other |
| Каннада | kn | nplurals=2; plural=(n > 1); | one, other |
| Кхмерски | km | nplurals=1; plural=0; | other |
| Корейски | ko | nplurals=1; plural=0; | other |
| Македонски | mk | nplurals=2; plural=(n % 10 == 1 && n % 100 != 11) ? 0 : 1; | one, other |
| Малайски | ms | nplurals=1; plural=0; | other |
| Норвежки букмол | nb | nplurals=2; plural=(n != 1); | one, other |
| Оромо | om | nplurals=2; plural=(n != 1); | one, other |
| Персийски | fa | nplurals=2; plural=(n > 1); | one, other |
| Полски | pl | nplurals=3; plural=(n == 1) ? 0 : ((n % 10 >= 2 && n % 10 <= 4 && (n % 100 < 12 || n % 100 > 14)) ? 1 : 2); | one, few, many |
| Португалски (Бразилия) | pt_BR | nplurals=2; plural=(n > 1); | one, other |
| Пенджабски | pa | nplurals=2; plural=(n > 1); | one, other |
| Румънски | ro | nplurals=3; plural=(n == 1) ? 0 : ((n == 0 || n % 100 >= 1 && n % 100 <= 19) ? 1 : 2); | one, few, other |
| Руски | ru | nplurals=3; plural=(n % 10 == 1 && n % 100 != 11) ? 0 : ((n % 10 >= 2 && n % 10 <= 4 && (n % 100 < 12 || n % 100 > 14)) ? 1 : 2); | one, few, many |
| Шотландски келтски | gd | nplurals=4; plural=(n == 1 || n == 11) ? 0 : ((n == 2 || n == 12) ? 1 : ((n > 2 && n < 20) ? 2 : 3)); | one, two, few, other |
| Сръбски (кирилица) | sr | nplurals=3; plural=(n % 10 == 1 && n % 100 != 11) ? 0 : ((n % 10 >= 2 && n % 10 <= 4 && (n % 100 < 12 || n % 100 > 14)) ? 1 : 2); | one, few, other |
| Словашки | sk | nplurals=3; plural=(n == 1) ? 0 : ((n >= 2 && n <= 4) ? 1 : 2); | one, few, other |
| Словенски | sl | nplurals=4; plural=(n % 100 == 1) ? 0 : ((n % 100 == 2) ? 1 : ((n % 100 == 3 || n % 100 == 4) ? 2 : 3)); | one, two, few, other |
| Испански | es | nplurals=2; plural=(n != 1); | one, other |
| Шведски | sv | nplurals=2; plural=(n != 1); | one, other |
| Тайландски | th | nplurals=1; plural=0; | other |
| Турски | tr | nplurals=2; plural=(n != 1); | one, other |
| Украински | uk | nplurals=3; plural=(n % 10 == 1 && n % 100 != 11) ? 0 : ((n % 10 >= 2 && n % 10 <= 4 && (n % 100 < 12 || n % 100 > 14)) ? 1 : 2); | one, few, many |
| Виетнамски | vi | nplurals=1; plural=0; | other |
Какво установи реалното изпълнение
Първоначално формите за нула и две на арабски бяха отхвърлени, защото не включваха %(n)s. Форма за единично число може да го направи, а арабската двойствена форма сама по себе си означава „два“, но проверката ни разпознаваше само %d и {count} като брояч. Сега тя разпознава и %(n)s, и %(count)d на Python, което означава, че и руската форма „one“ без число се отхвърля, тъй като руската „one“ е и за 21, и за 31. При същото изпълнение моделът ни прочете преводите за смисъл и хвана чешкото „Unsubscribe“, преведено като „излизане“.
Къде се намира
Polyglot 1.4.0 записва тези заглавки във всеки .po файл, който създава, и поставя всяка форма на мястото ѝ. Защо форма, използвана за няколко числа, трябва да показва числото, е обяснено в по-раншна бележка, а самите проверки са безплатни в translation-checks, която от версия 1.3.0 чете и вече съществуващ .po файл и ви казва кога неговите Plural-Forms слагат числа в един слот, за които CLDR предвижда различни форми.