gettext Plural-Forms pro 42 jazyků, ověřeno číslo po čísle podle CLDR
Jazyky
Položka množného čísla v gettext ukládá tvary do očíslovaných přihrádek, msgstr[0], msgstr[1] a dále, a řádek Plural-Forms v hlavičce souboru je malý vzorec v jazyce C, který pro dané číslo vybere přihrádku. Pro Polyglot 1.4.0 jsme tento vzorec potřebovali pro všech 42 jazyků, do kterých překládá, a každá přihrádka musela obsahovat tvar, který CLDR, data množného čísla stojící za Android, ICU a našimi vlastními kontrolami, přiřazuje stejným číslům. Zde je tabulka a popis toho, jak jsme ji ověřili.
Hlavička pro každý jazyk, pro který CLDR má pravidla pro množná čísla, a kontrola pro ta vaše jsou na stránce Plural-Forms pro každý jazyk.
Jak jsme to ověřili
- Každé celé číslo od 0 do 10 000: vlastní gettext v Pythonu vyhodnotil každý vzorec a vybraná přihrádka musela obsahovat tvar, který pro dané číslo uvádějí CLDR data v Babel 2.18. 41 jazyků souhlasilo; haitská kreolština je jedinou výjimkou, a to záměrnou (viz níže).
- GNU msgfmt --check na souboru v každém z 42 jazyků, s tvarem v každé přihrádce: žádné chyby.
- Reálné spuštění: gettext soubor ukázkové aplikace, přeložený naším lokálním modelem do devíti jazyků, každý soubor zkompilován a znovu načten pomocí gettext v Pythonu. Ruština ukazuje „Пропущена 21 привычка“, ale „Пропущено 22 привычки“, rumunština „21 de obiceiuri“, ale „101 obiceiuri“ a arabština má všech šest svých tvarů na správných místech.
Kde se starší data rozcházela
Nejprve jsme kontrolovali podle Babel 2.10, který obsahuje CLDR 41 z roku 2022. Tři jazyky vyšly odlišně a v každém z nich novější data i samotný jazyk souhlasí s tabulkou:
- Rumunština: CLDR 41 řadí 101 mezi 20 a 100, které vyžadují „de“ („100 de zile“); aktuální CLDR ji řadí mezi 2 až 19, které ji nevyžadují. Náš model napsal „101 obiceiuri ratate“, bez „de“.
- Hebrejština: CLDR 41 ještě mělo tvar „many“ pro 20, 30, 40 a tak dále. Pozdější CLDR ho vyřadilo, takže hebrejština má tři přihrádky: jedna, dvě a ostatní.
- Haitská kreolština v těch datech vůbec nebyla. Aktuální CLDR jí přiřazuje dva tvary, jeden pro 0 a 1 a ostatní pro zbytek, ale haitská podstatná jména se podle čísla nemění („1 liv“, „2 liv“), takže jsme ponechali jedinou přihrádku, stejně jako to dělá Polyglot u svých ostatních formátů.
Co obsahují přihrádky
- Ruština, ukrajinština a polština mají tři přihrádky a třetí je CLDR tvar „many“ (0, 5 až 20, 25…), ne „other“: „other“ je pouze pro desetinná čísla. Polský tvar „one“ je pouze pro 1; 21 je „many“.
- Čeština a slovenština: jejich „many“ je pouze pro desetinná čísla, takže třetí slot je „other“.
- Španělština, francouzština, italština a portugalština mají tvar „many“ pro přesné miliony; gettext to v jeho dvou slotech nedokáže rozlišit, takže sdílí „other“.
- Francouzština, portugalština, perština, arménština, amharština, kannadština a paňdžábština používají „one“ i pro 0, proto
plural=(n > 1).
Tabulka
| Jazyk | gettext | Plural-Forms | msgstr[0], [1]… |
|---|---|---|---|
| Amharština | am | nplurals=2; plural=(n > 1); | one, other |
| Arabština | 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 |
| Arménština | hy | nplurals=2; plural=(n > 1); | one, other |
| Bulharština | bg | nplurals=2; plural=(n != 1); | one, other |
| Čínština (zjednodušená) | zh_CN | nplurals=1; plural=0; | other |
| Čínština (tradiční) | zh_TW | nplurals=1; plural=0; | other |
| Čeština | cs | nplurals=3; plural=(n == 1) ? 0 : ((n >= 2 && n <= 4) ? 1 : 2); | one, few, other |
| Nizozemština | nl | nplurals=2; plural=(n != 1); | one, other |
| Filipínština | fil | nplurals=2; plural=(n != 1 && n != 2 && n != 3 && (n % 10 == 4 || n % 10 == 6 || n % 10 == 9)); | one, other |
| Finština | fi | nplurals=2; plural=(n != 1); | one, other |
| Francouzština | fr | nplurals=2; plural=(n > 1); | one, other |
| Němčina | de | nplurals=2; plural=(n != 1); | one, other |
| Řečtina | el | nplurals=2; plural=(n != 1); | one, other |
| Haitijská kreolština | ht | nplurals=1; plural=0; | other |
| Hebrejština | he | nplurals=3; plural=(n == 1) ? 0 : ((n == 2) ? 1 : 2); | one, two, other |
| Maďarština | hu | nplurals=2; plural=(n != 1); | one, other |
| Indonéština | id | nplurals=1; plural=0; | other |
| Italština | it | nplurals=2; plural=(n != 1); | one, other |
| Japonština | ja | nplurals=1; plural=0; | other |
| Kannadština | kn | nplurals=2; plural=(n > 1); | one, other |
| Khmerština | km | nplurals=1; plural=0; | other |
| Korejština | ko | nplurals=1; plural=0; | other |
| Makedonština | mk | nplurals=2; plural=(n % 10 == 1 && n % 100 != 11) ? 0 : 1; | one, other |
| Malajština | ms | nplurals=1; plural=0; | other |
| Norština (bokmål) | nb | nplurals=2; plural=(n != 1); | one, other |
| Oromština | om | nplurals=2; plural=(n != 1); | one, other |
| perština | fa | nplurals=2; plural=(n > 1); | one, other |
| polština | pl | nplurals=3; plural=(n == 1) ? 0 : ((n % 10 >= 2 && n % 10 <= 4 && (n % 100 < 12 || n % 100 > 14)) ? 1 : 2); | one, few, many |
| portugalština (Brazílie) | pt_BR | nplurals=2; plural=(n > 1); | one, other |
| paňdžábština | pa | nplurals=2; plural=(n > 1); | one, other |
| rumunština | ro | nplurals=3; plural=(n == 1) ? 0 : ((n == 0 || n % 100 >= 1 && n % 100 <= 19) ? 1 : 2); | one, few, other |
| ruština | 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 |
| skotská gaelština | gd | nplurals=4; plural=(n == 1 || n == 11) ? 0 : ((n == 2 || n == 12) ? 1 : ((n > 2 && n < 20) ? 2 : 3)); | one, two, few, other |
| srbština (cyrilice) | 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 |
| slovenština | sk | nplurals=3; plural=(n == 1) ? 0 : ((n >= 2 && n <= 4) ? 1 : 2); | one, few, other |
| slovinština | sl | nplurals=4; plural=(n % 100 == 1) ? 0 : ((n % 100 == 2) ? 1 : ((n % 100 == 3 || n % 100 == 4) ? 2 : 3)); | one, two, few, other |
| Španělština | es | nplurals=2; plural=(n != 1); | one, other |
| Švédština | sv | nplurals=2; plural=(n != 1); | one, other |
| thajština | th | nplurals=1; plural=0; | other |
| Turečtina | tr | nplurals=2; plural=(n != 1); | one, other |
| Ukrajinština | 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 |
| Vietnamština | vi | nplurals=1; plural=0; | other |
Co ukázal skutečný běh
Původně byly zamítnuty arabské nulté a dvojné tvary, protože vynechávaly %(n)s. U jednotlivých čísel to možné je a arabský duál sám o sobě znamená „dva“, ale naše kontrola znala jako počet pouze %d a {count}. Nyní zná také %(n)s a %(count)d z Pythonu, což znamená, že je zamítnuta i ruská forma pro „jeden“ bez čísla, protože ruské „jeden“ je také 21 a 31. Při stejném běhu náš model četl své překlady kvůli významu a zachytil české „Odhlásit odběr“ napsané jako „odhlásit se“.
Kde to žije
Polyglot 1.4.0 zapisuje tyto hlavičky do každého souboru .po, který vytvoří, a každou variantu umisťuje do příslušného slotu. Proč se u varianty používané pro několik čísel musí zobrazit číslo, vysvětluje předchozí poznámka, a samotné kontroly jsou zdarma v nástroji translation-checks, který od verze 1.3.0 umí přečíst i váš stávající soubor .po a upozornit, když jeho Plural-Forms vkládá čísla do jednoho slotu, přestože jim CLDR přiřazuje různé varianty.