فرمهای جمع gettext برای 42 زبان، بررسیشده عدد به عدد در برابر CLDR
زبانها
یک ورودی جمع gettext، شکلهای خود را در خانههای شمارهگذاریشده نگه میدارد، msgstr[0]، msgstr[1] و به همین ترتیب، و خط Plural-Forms در سرصفحه فایل، یک فرمول کوچک C است که خانه مناسب برای یک عدد را انتخاب میکند. برای Polyglot 1.4.0 به آن فرمول برای هر 42 زبانی که به آنها ترجمه میکند نیاز داشتیم، و هر خانه باید شکلای را نگه میداشت که CLDR، دادههای جمع پشت Android، ICU و بررسیهای خودمان، برای همان اعداد ارائه میدهد. در اینجا جدول و نحوه بررسی آن آمده است.
سرصفحه برای هر زبانی که CLDR برای آن قواعد جمع دارد، و یک ابزار بررسی برای قواعد خودتان، در صفحهٔ Plural-Forms برای همهٔ زبانها موجود است.
نحوه بررسی ما
- هر عدد صحیح از 0 تا 10,000: خود gettext پایتون هر فرمول را ارزیابی کرد، و خانهای که انتخاب میکرد باید شکلای را نگه میداشت که دادههای CLDR در Babel 2.18 برای آن عدد ارائه میدهد. 41 زبان مطابقت داشتند؛ کریول هائیتی تنها استثنا است، و یک استثنای عمدی (در ادامه).
- GNU msgfmt --check روی یک فایل در هر یک از 42 زبان، با یک شکل در هر خانه: بدون خطا.
- یک اجرای واقعی: فایل gettext اپلیکیشن نمونه، ترجمهشده توسط مدل محلی ما به نه زبان، هر فایل کامپایل و با gettext پایتون خوانده شد. روسی «Пропущена 21 привычка» را نشان میدهد اما «Пропущено 22 привычки» را، رومانیایی «21 de obiceiuri» را اما «101 obiceiuri» را، و عربی هر شش شکل خود را در جایگاههایشان دارد.
جایی که دادههای قدیمیتر اختلاف داشتند
ما ابتدا در برابر Babel 2.10 بررسی کردیم، که CLDR 41 از سال 2022 را حمل میکند. سه زبان نتایج متفاوتی داشتند، و در هر مورد دادههای جدیدتر و خودِ زبان با جدول همخوانی دارند:
- رومانیایی: CLDR 41 عدد 101 را با 20 و 100 قرار میدهد، که «de» میگیرند («100 de zile»)؛ CLDR فعلی آن را با 2 تا 19 قرار میدهد، که «de» نمیگیرند. مدل ما «101 obiceiuri ratate» نوشت، بدون «de».
- عبری: CLDR 41 هنوز یک شکل «many» برای 20، 30، 40 و به همین ترتیب داشت. CLDRهای بعدی آن را حذف کردند، بنابراین عبری سه خانه دارد: یکی، دو و سایر.
- کریول هائیتی اصلاً در آن دادهها نبود. CLDR فعلی دو شکل برای آن ارائه میدهد، یکی برای 0 و 1 و دیگری برای بقیه، اما اسمهای کریول هائیتی برای عدد تغییر نمیکنند («1 liv»، «2 liv»)، بنابراین ما یک خانه واحد نگه داشتیم، همانطور که Polyglot در سایر فرمتهای خود انجام میدهد.
خانهها چه چیزی را نگه میدارند
- روسی، اوکراینی و لهستانی سه خانه دارند، و سومی «many» در CLDR است (0، 5 تا 20، 25…)، نه «other»: «other» فقط برای کسرها است. «one» در لهستانی فقط 1 است؛ 21 «many» است.
- چکی و اسلواکی: «many» آنها فقط برای کسرها به کار میرود، بنابراین جایگاه سوم «other» است.
- اسپانیایی، فرانسوی، ایتالیایی و پرتغالی یک شکل «many» برای میلیونهای دقیق دارند؛ دو جایگاه gettext نمیتوانند آن را تشخیص دهند، بنابراین «other» را مشترک میدارند.
- فرانسوی، پرتغالی، فارسی، ارمنی، امهری، کانارا و پنجابی برای 0 نیز از «one» استفاده میکنند، از این رو
plural=(n > 1).
جدول
| زبان | gettext | فرمهای جمع | msgstr[0], [1]… |
|---|---|---|---|
| امهری | am | nplurals=2; plural=(n > 1); | one, other |
| عربی | 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 |
| ارمنی | hy | nplurals=2; plural=(n > 1); | one, other |
| بلغاری | bg | nplurals=2; plural=(n != 1); | one, other |
| چینی (سادهشده) | zh_CN | nplurals=1; plural=0; | other |
| چینی (سنتی) | zh_TW | nplurals=1; plural=0; | other |
| چکی | cs | nplurals=3; plural=(n == 1) ? 0 : ((n >= 2 && n <= 4) ? 1 : 2); | one, few, other |
| هلندی | nl | nplurals=2; plural=(n != 1); | one, other |
| فیلیپینی | fil | nplurals=2; plural=(n != 1 && n != 2 && n != 3 && (n % 10 == 4 || n % 10 == 6 || n % 10 == 9)); | one, other |
| فنلاندی | fi | nplurals=2; plural=(n != 1); | one, other |
| فرانسوی | fr | nplurals=2; plural=(n > 1); | one, other |
| آلمانی | de | nplurals=2; plural=(n != 1); | one, other |
| یونانی | el | nplurals=2; plural=(n != 1); | one, other |
| کریول هائیتی | ht | nplurals=1; plural=0; | other |
| عبری | he | nplurals=3; plural=(n == 1) ? 0 : ((n == 2) ? 1 : 2); | one, two, other |
| مجاری | hu | nplurals=2; plural=(n != 1); | one, other |
| اندونزیایی | id | nplurals=1; plural=0; | other |
| ایتالیایی | it | nplurals=2; plural=(n != 1); | one, other |
| ژاپنی | ja | nplurals=1; plural=0; | other |
| کانارا | kn | nplurals=2; plural=(n > 1); | one, other |
| خمری | km | nplurals=1; plural=0; | other |
| کرهای | ko | nplurals=1; plural=0; | other |
| مقدونی | mk | nplurals=2; plural=(n % 10 == 1 && n % 100 != 11) ? 0 : 1; | one, other |
| مالایی | ms | nplurals=1; plural=0; | other |
| نروژی بوکمال | nb | nplurals=2; plural=(n != 1); | one, other |
| اورومو | om | nplurals=2; plural=(n != 1); | one, other |
| فارسی | fa | nplurals=2; plural=(n > 1); | one, other |
| لهستانی | pl | nplurals=3; plural=(n == 1) ? 0 : ((n % 10 >= 2 && n % 10 <= 4 && (n % 100 < 12 || n % 100 > 14)) ? 1 : 2); | one, few, many |
| پرتغالی (برزیل) | pt_BR | nplurals=2; plural=(n > 1); | one, other |
| پنجابی | pa | nplurals=2; plural=(n > 1); | one, other |
| رومانیایی | ro | nplurals=3; plural=(n == 1) ? 0 : ((n == 0 || n % 100 >= 1 && n % 100 <= 19) ? 1 : 2); | one, few, other |
| روسی | 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 |
| گلیکی اسکاتلندی | gd | nplurals=4; plural=(n == 1 || n == 11) ? 0 : ((n == 2 || n == 12) ? 1 : ((n > 2 && n < 20) ? 2 : 3)); | one, two, few, other |
| صربی (سیریلیک) | 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 |
| اسلواکی | sk | nplurals=3; plural=(n == 1) ? 0 : ((n >= 2 && n <= 4) ? 1 : 2); | one, few, other |
| اسلوونیایی | sl | nplurals=4; plural=(n % 100 == 1) ? 0 : ((n % 100 == 2) ? 1 : ((n % 100 == 3 || n % 100 == 4) ? 2 : 3)); | one, two, few, other |
| اسپانیایی | es | nplurals=2; plural=(n != 1); | one، other |
| سوئدی | sv | nplurals=2; plural=(n != 1); | one، other |
| تایلندی | th | nplurals=1; plural=0; | other |
| ترکی | tr | nplurals=2; plural=(n != 1); | one، other |
| اوکراینی | 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 |
| ویتنامی | vi | nplurals=1; plural=0; | other |
آنچه اجرای واقعی یافت
در ابتدا فرمهای صفر و دو در عربی به دلیل حذف %(n)s رد شدند. یک فرم برای یک عدد واحد ممکن است این کار را بکند، و فرم مثنی در عربی خودش «دو» را میگوید، اما بررسی ما تنها %d و {count} را بهعنوان شمارنده میشناخت. اکنون %(n)s و %(count)d پایتون را نیز میشناسد، که به این معناست که «one» روسی بدون عدد نیز رد میشود، زیرا «one» در روسی برای 21 و 31 نیز به کار میرود. در همان اجرا، مدل ما ترجمههایش را از نظر معنا بررسی کرد و متوجه شد که «Unsubscribe» در چکی بهصورت «خروج از حساب» نوشته شده است.
محل قرارگیری
Polyglot نسخه 1.4.0 این هدرها را در هر فایل .po که تولید میکند مینویسد و هر فرم را در جایگاه خودش قرار میدهد. دلیل اینکه چرا یک فرم که برای چند عدد استفاده میشود باید عدد را نشان دهد، در یادداشت قبلی آمده است، و خود بررسیها بهصورت رایگان در translation-checks موجود هستند که از نسخه 1.3.0 به بعد یک فایل .po موجود را نیز میخواند و میگوید چه زمانی Plural-Forms آن اعداد را در یک جایگاه قرار میدهد که CLDR برای آنها فرمهای متفاوتی در نظر گرفته است.