gettext Plural-Forms para 42 idiomas, comprobados número por número contra CLDR
Idiomas
Una entrada de plural de gettext mantiene sus formas en ranuras numeradas, msgstr[0], msgstr[1] y siguientes, y la línea Plural-Forms en la cabecera del archivo es una pequeña fórmula en C que elige la ranura para un número. Para Polyglot 1.4.0 necesitábamos esa fórmula para los 42 idiomas a los que traduce, y cada ranura debía contener la forma que CLDR, los datos de plural detrás de Android, ICU y nuestras propias comprobaciones, asigna a esos números. Aquí está la tabla y cómo la comprobamos.
La cabecera para cada idioma del que CLDR tiene reglas de plural, y un comprobador para las tuyas, están en Plural-Forms para cada idioma.
Cómo la comprobamos
- Cada número entero de 0 a 10.000: el propio gettext de Python evaluaba cada fórmula, y la ranura que elegía debía contener la forma que los datos CLDR de Babel 2.18 asignan a ese número. 41 idiomas coincidieron; el criollo haitiano es la única excepción, y deliberada (abajo).
- GNU msgfmt --check en un archivo en cada uno de los 42 idiomas, con una forma en cada ranura: sin errores.
- Una ejecución real: el archivo gettext de la aplicación de ejemplo, traducido por nuestro modelo local a nueve idiomas, cada archivo compilado y leído de nuevo con el gettext de Python. El ruso muestra "Пропущена 21 привычка" pero "Пропущено 22 привычки", el rumano "21 de obiceiuri" pero "101 obiceiuri", y el árabe tiene las seis formas en su lugar.
Donde los datos antiguos no coincidían
Primero comprobamos contra Babel 2.10, que incluye CLDR 41 de 2022. Tres idiomas salieron diferentes, y en cada caso los datos más recientes y el propio idioma coinciden con la tabla:
- Rumano: CLDR 41 agrupa 101 con 20 y 100, que llevan "de" ("100 de zile"); el CLDR actual lo agrupa con 2 a 19, que no lo llevan. Nuestro modelo escribió "101 obiceiuri ratate", sin "de".
- Hebreo: CLDR 41 aún tenía una forma "many" para 20, 30, 40, etc. CLDR posterior la eliminó, por lo que el hebreo tiene tres ranuras: uno, dos y otros.
- Criollo haitiano no estaba en esos datos en absoluto. El CLDR actual le da dos formas, una para 0 y 1 y otra para el resto, pero los sustantivos haitianos no cambian por número ("1 liv", "2 liv"), así que mantuvimos una sola ranura, como hace Polyglot en sus otros formatos.
Qué contienen las ranuras
- Ruso, ucraniano y polaco tienen tres ranuras, y la tercera es la "many" de CLDR (0, 5 a 20, 25…), no la "other": la "other" es solo para fracciones. La "one" del polaco es solo 1; 21 es "many".
- Checo y eslovaco: su «many» es solo para fracciones, por lo que el tercer espacio es «other».
- Español, francés, italiano y portugués tienen una forma «many» para millones exactos; los dos espacios de gettext no pueden distinguirla, por lo que comparte «other».
- Francés, portugués, persa, armenio, amárico, canarés y punyabí usan «one» también para 0, de ahí
plural=(n > 1).
La tabla
| Idioma | gettext | Plural-Forms | msgstr[0], [1]… |
|---|---|---|---|
| Amárico | am | nplurals=2; plural=(n > 1); | one, other |
| Árabe | 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 |
| Armenio | hy | nplurals=2; plural=(n > 1); | one, other |
| Búlgaro | bg | nplurals=2; plural=(n != 1); | one, other |
| Chino (simplificado) | zh_CN | nplurals=1; plural=0; | other |
| Chino (tradicional) | zh_TW | nplurals=1; plural=0; | other |
| Checo | cs | nplurals=3; plural=(n == 1) ? 0 : ((n >= 2 && n <= 4) ? 1 : 2); | one, few, other |
| Neerlandés | nl | nplurals=2; plural=(n != 1); | one, other |
| Filipino | fil | nplurals=2; plural=(n != 1 && n != 2 && n != 3 && (n % 10 == 4 || n % 10 == 6 || n % 10 == 9)); | one, other |
| Finés | fi | nplurals=2; plural=(n != 1); | one, other |
| Francés | fr | nplurals=2; plural=(n > 1); | one, other |
| Alemán | de | nplurals=2; plural=(n != 1); | one, other |
| Griego | el | nplurals=2; plural=(n != 1); | one, other |
| Criollo haitiano | ht | nplurals=1; plural=0; | other |
| Hebreo | he | nplurals=3; plural=(n == 1) ? 0 : ((n == 2) ? 1 : 2); | one, two, other |
| Húngaro | hu | nplurals=2; plural=(n != 1); | one, other |
| Indonesio | id | nplurals=1; plural=0; | other |
| Italiano | it | nplurals=2; plural=(n != 1); | one, other |
| Japonés | ja | nplurals=1; plural=0; | other |
| Canarés | kn | nplurals=2; plural=(n > 1); | one, other |
| Jemer | km | nplurals=1; plural=0; | other |
| Coreano | ko | nplurals=1; plural=0; | other |
| Macedonio | mk | nplurals=2; plural=(n % 10 == 1 && n % 100 != 11) ? 0 : 1; | one, other |
| Malayo | ms | nplurals=1; plural=0; | other |
| Noruego bokmål | nb | nplurals=2; plural=(n != 1); | one, other |
| Oromo | om | nplurals=2; plural=(n != 1); | one, other |
| Persa | fa | nplurals=2; plural=(n > 1); | one, other |
| Polaco | pl | nplurals=3; plural=(n == 1) ? 0 : ((n % 10 >= 2 && n % 10 <= 4 && (n % 100 < 12 || n % 100 > 14)) ? 1 : 2); | one, few, many |
| Portugués (Brasil) | pt_BR | nplurals=2; plural=(n > 1); | one, other |
| Panyabí | pa | nplurals=2; plural=(n > 1); | one, other |
| Rumano | ro | nplurals=3; plural=(n == 1) ? 0 : ((n == 0 || n % 100 >= 1 && n % 100 <= 19) ? 1 : 2); | one, few, other |
| Ruso | 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 |
| Gaélico escocés | gd | nplurals=4; plural=(n == 1 || n == 11) ? 0 : ((n == 2 || n == 12) ? 1 : ((n > 2 && n < 20) ? 2 : 3)); | one, two, few, other |
| Serbio (cirílico) | 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 |
| Eslovaco | sk | nplurals=3; plural=(n == 1) ? 0 : ((n >= 2 && n <= 4) ? 1 : 2); | one, few, other |
| Esloveno | sl | nplurals=4; plural=(n % 100 == 1) ? 0 : ((n % 100 == 2) ? 1 : ((n % 100 == 3 || n % 100 == 4) ? 2 : 3)); | one, two, few, other |
| Español | es | nplurals=2; plural=(n != 1); | one, other |
| Sueco | sv | nplurals=2; plural=(n != 1); | one, other |
| Tailandés | th | nplurals=1; plural=0; | other |
| Turco | tr | nplurals=2; plural=(n != 1); | one, other |
| Ucraniano | 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 |
| Vietnamita | vi | nplurals=1; plural=0; | other |
Lo que encontró la ejecución real
Las formas de cero y dos del árabe se rechazaron al principio por omitir %(n)s. Una forma para un solo número puede hacerlo, y el dual árabe dice «dos» por sí solo, pero nuestra comprobación solo conocía %d y {count} como el contador. Ahora también conoce %(n)s y %(count)d de Python, lo que además significa que se rechaza un «one» ruso sin el número, ya que el «one» ruso también es 21 y 31. En la misma ejecución, nuestro modelo leyó sus traducciones para verificar el significado y detectó que «Unsubscribe» en checo estaba escrito como «cerrar sesión».
Dónde se encuentra
Polyglot 1.4.0 escribe estas cabeceras en cada archivo .po que genera y coloca cada forma en su espacio. Por qué una forma usada para varios números debe mostrar el número está en una nota anterior, y las comprobaciones son gratuitas en translation-checks, que desde la versión 1.3.0 también lee un archivo .po que ya tengas y te indica cuándo sus Plural-Forms ponen números en un espacio al que CLDR asigna formas diferentes.