Plural-Forms του gettext για 42 γλώσσες, ελεγχόμενες αριθμό προς αριθμό με βάση το CLDR
Γλώσσες
Μια καταχώρηση πληθυντικού του gettext διατηρεί τις μορφές της σε αριθμημένες θέσεις, msgstr[0], msgstr[1] κ.ο.κ., και η γραμμή Plural-Forms στην επικεφαλίδα του αρχείου είναι ένας μικρός τύπος σε C που επιλέγει τη θέση για έναν αριθμό. Για το Polyglot 1.4.0 χρειαζόμασταν αυτόν τον τύπο για όλες τις 42 γλώσσες στις οποίες μεταφράζει, και κάθε θέση έπρεπε να περιέχει τη μορφή που το CLDR, τα δεδομένα πληθυντικού πίσω από το Android, το ICU και τους δικούς μας ελέγχους, αποδίδει στους ίδιους αριθμούς. Ακολουθεί ο πίνακας και ο τρόπος με τον οποίο τον ελέγξαμε.
Η κεφαλίδα για κάθε γλώσσα για την οποία το CLDR έχει κανόνες πληθυντικού, καθώς και ένας έλεγχος για τους δικούς σας κανόνες, βρίσκονται στη σελίδα Plural-Forms για κάθε γλώσσα.
Πώς τον ελέγξαμε
- Κάθε ακέραιος από το 0 έως το 10.000: το gettext της Python αξιολογούσε κάθε τύπο, και η θέση που επέλεγε έπρεπε να περιέχει τη μορφή που τα δεδομένα CLDR του Babel 2.18 αποδίδουν σε αυτόν τον αριθμό. 41 γλώσσες ταίριαξαν· η Κρεολή Αϊτής είναι η μία εξαίρεση, και εκούσια (παρακάτω).
- GNU msgfmt --check σε ένα αρχείο σε καθεμία από τις 42 γλώσσες, με μια μορφή σε κάθε θέση: χωρίς σφάλματα.
- Μια πραγματική εκτέλεση: το αρχείο gettext της εφαρμογής παραδείγματος, μεταφρασμένο από το τοπικό μας μοντέλο σε εννέα γλώσσες, με κάθε αρχείο να μεταγλωττίζεται και να διαβάζεται πίσω με το gettext της Python. Τα ρωσικά δείχνουν «Пропущена 21 привычка» αλλά «Пропущено 22 привычки», τα ρουμανικά «21 de obiceiuri» αλλά «101 obiceiuri», και τα αραβικά έχουν και τις έξι μορφές τους στις σωστές θέσεις.
Όπου τα παλαιότερα δεδομένα διέφεραν
Αρχικά ελέγξαμε με βάση το Babel 2.10, το οποίο περιλαμβάνει το CLDR 41 του 2022. Τρεις γλώσσες βγήκαν διαφορετικά, και σε κάθε περίπτωση τα νεότερα δεδομένα και η ίδια η γλώσσα συμφωνούν με τον πίνακα:
- Ρουμανικά: Το CLDR 41 τοποθετεί το 101 μαζί με το 20 και το 100, τα οποία παίρνουν «de» («100 de zile»)· το τρέχον CLDR το τοποθετεί μαζί με τα 2 έως 19, τα οποία δεν το παίρνουν. Το μοντέλο μας έγραψε «101 obiceiuri ratate», χωρίς το «de».
- Εβραϊκά: Το CLDR 41 είχε ακόμα μια μορφή «many» για το 20, 30, 40 κ.ο.κ. Οι νεότερες εκδόσεις του CLDR την κατήργησαν, οπότε τα εβραϊκά έχουν τρεις θέσεις: μία, δύο και other.
- Η Κρεολή Αϊτής δεν υπήρχε καθόλου σε αυτά τα δεδομένα. Το τρέχον CLDR της δίνει δύο μορφές, μία για το 0 και το 1 και μία other για τα υπόλοιπα, αλλά τα ουσιαστικά της Κρεολής Αϊτής δεν κλίνονται κατά αριθμό («1 liv», «2 liv»), οπότε κρατήσαμε μία μόνο θέση, όπως κάνει το Polyglot και σε άλλες μορφές.
Τι περιέχουν οι θέσεις
- Τα ρωσικά, τα ουκρανικά και τα πολωνικά έχουν τρεις θέσεις, και η τρίτη είναι η «many» του CLDR (0, 5 έως 20, 25…), όχι η «other»: η «other» προορίζεται μόνο για κλάσματα. Η «one» στα πολωνικά είναι μόνο το 1· το 21 είναι «many».
- Τσέχικα και Σλοβακικά: η μορφή «many» αφορά μόνο τα κλάσματα, οπότε η τρίτη θέση είναι «other».
- Ισπανικά, Γαλλικά, Ιταλικά και Πορτογαλικά έχουν μορφή «many» για ακριβή εκατομμύρια· οι δύο θέσεις του gettext δεν μπορούν να τις ξεχωρίσουν, οπότε μοιράζεται την «other».
- Γαλλικά, Πορτογαλικά, Περσικά, Αρμενικά, Αμχαρικά, Καναναντά και Παντζάμπι χρησιμοποιούν την «one» και για το 0, άρα
plural=(n > 1).
Ο πίνακας
| Γλώσσα | gettext | Plural-Forms | msgstr[0], [1]… |
|---|---|---|---|
| Αμχαρικά | am | nplurals=2; plural=(n > 1); | one, other |
| Αραβικά | 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 |
| Αρμενικά | hy | nplurals=2; plural=(n > 1); | one, other |
| Βουλγαρικά | bg | nplurals=2; plural=(n != 1); | one, other |
| Κινεζικά (Απλοποιημένα) | zh_CN | nplurals=1; plural=0; | other |
| Κινεζικά (Παραδοσιακά) | zh_TW | nplurals=1; plural=0; | other |
| Τσέχικα | cs | nplurals=3; plural=(n == 1) ? 0 : ((n >= 2 && n <= 4) ? 1 : 2); | one, few, other |
| Ολλανδικά | nl | nplurals=2; plural=(n != 1); | one, other |
| Φιλιππινέζικα | fil | nplurals=2; plural=(n != 1 && n != 2 && n != 3 && (n % 10 == 4 || n % 10 == 6 || n % 10 == 9)); | one, other |
| Φινλανδικά | fi | nplurals=2; plural=(n != 1); | one, other |
| Γαλλικά | fr | nplurals=2; plural=(n > 1); | one, other |
| Γερμανικά | de | nplurals=2; plural=(n != 1); | one, other |
| Ελληνικά | el | nplurals=2; plural=(n != 1); | one, other |
| Αϊτινή Κρεολική | ht | nplurals=1; plural=0; | other |
| Εβραϊκά | he | nplurals=3; plural=(n == 1) ? 0 : ((n == 2) ? 1 : 2); | one, two, other |
| Ουγγρικά | hu | nplurals=2; plural=(n != 1); | one, other |
| Ινδονησιακά | id | nplurals=1; plural=0; | other |
| Ιταλικά | it | nplurals=2; plural=(n != 1); | one, other |
| Ιαπωνικά | ja | nplurals=1; plural=0; | other |
| Κανανανικά | kn | nplurals=2; plural=(n > 1); | one, other |
| Χμερ | km | nplurals=1; plural=0; | other |
| Κορεατικά | ko | nplurals=1; plural=0; | other |
| Σλαβομακεδονικά | mk | nplurals=2; plural=(n % 10 == 1 && n % 100 != 11) ? 0 : 1; | one, other |
| Μαλαϊκά | ms | nplurals=1; plural=0; | other |
| Νορβηγικά Μποκμάλ | nb | nplurals=2; plural=(n != 1); | one, other |
| Ορόμο | om | nplurals=2; plural=(n != 1); | one, other |
| Περσικά | fa | nplurals=2; plural=(n > 1); | one, other |
| Πολωνικά | pl | nplurals=3; plural=(n == 1) ? 0 : ((n % 10 >= 2 && n % 10 <= 4 && (n % 100 < 12 || n % 100 > 14)) ? 1 : 2); | one, few, many |
| Πορτογαλικά (Βραζιλία) | pt_BR | nplurals=2; plural=(n > 1); | one, other |
| Παντζάμπι | pa | nplurals=2; plural=(n > 1); | one, other |
| Ρουμανικά | ro | nplurals=3; plural=(n == 1) ? 0 : ((n == 0 || n % 100 >= 1 && n % 100 <= 19) ? 1 : 2); | one, few, other |
| Ρωσικά | 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 |
| Σκωτικά Γαελικά | gd | nplurals=4; plural=(n == 1 || n == 11) ? 0 : ((n == 2 || n == 12) ? 1 : ((n > 2 && n < 20) ? 2 : 3)); | one, two, few, other |
| Σερβικά (Κυριλλικά) | 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 |
| Σλοβακικά | sk | nplurals=3; plural=(n == 1) ? 0 : ((n >= 2 && n <= 4) ? 1 : 2); | one, few, other |
| Σλοβενικά | sl | nplurals=4; plural=(n % 100 == 1) ? 0 : ((n % 100 == 2) ? 1 : ((n % 100 == 3 || n % 100 == 4) ? 2 : 3)); | one, two, few, other |
| Ισπανικά | es | nplurals=2; plural=(n != 1); | one, other |
| Σουηδικά | sv | nplurals=2; plural=(n != 1); | one, other |
| Ταϊλανδικά | th | nplurals=1; plural=0; | other |
| Τουρκικά | tr | nplurals=2; plural=(n != 1); | one, other |
| Ουκρανικά | 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 |
| Βιετναμικά | vi | nplurals=1; plural=0; | other |
Τι βρήκε η πραγματική εκτέλεση
Οι μορφές μηδενικού και δύο της αραβικής απορρίφθηκαν αρχικά επειδή παραλείπονταν το %(n)s. Μια μορφή για έναν μόνο αριθμό μπορεί να το κάνει αυτό, και ο αραβικός πληθυντικός των δύο λέει «δύο» από μόνος του, αλλά ο έλεγχός μας γνώριζε μόνο το %d και το {count} ως τον αριθμό. Τώρα γνωρίζει επίσης το %(n)s και το %(count)d της Python, πράγμα που σημαίνει ότι απορρίπτεται και η ρωσική μορφή «one» χωρίς τον αριθμό, αφού η ρωσική «one» είναι επίσης 21 και 31. Στην ίδια εκτέλεση, το μοντέλο μας διάβασε τις μεταφράσεις του για το νόημα και εντόπισε την τσέχικη «Unsubscribe» γραμμένη ως «log out».
Πού βρίσκεται
Η Polyglot 1.4.0 γράφει αυτές τις επικεφαλίδες σε κάθε αρχείο .po που παράγει και τοποθετεί κάθε μορφή στη θέση της. Γιατί μια μορφή που χρησιμοποιείται για πολλούς αριθμούς πρέπει να εμφανίζει τον αριθμό, εξηγείται σε προηγούμενη σημείωση, και οι ίδιοι οι έλεγχοι είναι δωρεάν στο translation-checks, το οποίο από την έκδοση 1.3.0 διαβάζει επίσης ένα αρχείο .po που έχετε ήδη και σας λέει πότε οι Plural-Forms του τοποθετούν αριθμούς σε μία θέση που το CLDR δίνει διαφορετικές μορφές.