gettext Plural-Forms 42 nyelvre, sorszámonként ellenőrizve a CLDR-rel
Nyelvek
Egy gettext nyelvtani szám (plural) bejegyzés a formákat sorszámozott helyeken (slot) tárolja, msgstr[0], msgstr[1] és így tovább, a fájl fejlécében lévő Plural-Forms sor pedig egy kis C képlet, amely kiválasztja a helyet egy számhoz. A Polyglot 1.4.0-hoz erre a képletre volt szükség mind a 42 nyelven, amelyre fordít, és minden helynek azt a formát kellett tartalmaznia, amelyet a CLDR – az Android, az ICU és a saját ellenőrzéseink mögött álló nyelvtani szám adat – ugyanazokhoz a számokhoz ad. Íme a táblázat, és hogy hogyan ellenőriztük.
A fejléc minden olyan nyelvhez, amelyhez a CLDR tartalmaz többes számú szabályokat, valamint egy ellenőrző a saját szabályaihoz, itt található: Többes számú formák minden nyelvhez.
Hogyan ellenőriztük
- Minden egész szám 0-tól 10 000-ig: A Python saját gettext modulja kiértékelte minden képletet, és a kiválasztott helynek azt a formát kellett tartalmaznia, amelyet a Babel 2.18 CLDR adatai adnak az adott számhoz. 41 nyelv egyezett; a haiti kreol az egyetlen kivétel, és ez szándékos (lásd alább).
- GNU msgfmt --check egy-egy fájlra mind a 42 nyelven, minden helyen egy formával: nincs hiba.
- Egy valódi futtatás: a példaalkalmazás gettext fájlja, amelyet a helyi modellünk fordított le kilenc nyelvre, minden fájl lefordítva és visszaolvasva a Python gettext moduljával. Az oroszban „Пропущена 21 привычка”, de „Пропущено 22 привычки”, a románban „21 de obiceiuri”, de „101 obiceiuri”, az arabban pedig mind a hat forma a helyén van.
Ahol a régebbi adatok eltértek
Először a Babel 2.10 ellenőriztünk, amely a 2022-es CLDR 41-et tartalmazza. Három nyelv eltért, és mindegyiknél az újabb adatok és maga a nyelv egyezik a táblázattal:
- Román: A CLDR 41 a 101-et a 20-hoz és a 100-hoz rendeli, amelyek „de”-t igényelnek („100 de zile”); a jelenlegi CLDR a 2-től 19-ig tartó számokhoz rendeli, amelyek nem igénylik. A modellünk „101 obiceiuri ratate”-t írt, „de” nélkül.
- Héber: A CLDR 41 még tartalmazott „many” (sok) formát a 20, 30, 40 stb. számokhoz. A későbbi CLDR ezt eltávolította, így a hébernek három helye van: egy, kettő és egyéb.
- A haiti kreol egyáltalán nem szerepelt abban az adatban. A jelenlegi CLDR két formát ad neki: egyet a 0-hoz és az 1-hez, másikat a többihez, de a haiti főnevek nem változnak szám szerint („1 liv”, „2 liv”), ezért egyetlen helyet tartottunk fenn, ahogy a Polyglot is teszi a többi formátumban.
Mit tartalmaznak a helyek
- Az orosz, az ukrán és a lengyel három hellyel rendelkezik, és a harmadik a CLDR „many” (sok) formája (0, 5-től 20-ig, 25…), nem pedig az „other” (egyéb): az „other” csak törtekhez való. A lengyel „one” (egy) csak az 1; a 21 „many” (sok).
- Cseh és szlovák: a „sok” alakjuk csak törtekhez való, ezért a harmadik hely a „egyéb”.
- A spanyol, francia, olasz és portugál rendelkezik „sok” alakkal a pontos milliókhoz; a gettext két helye nem tudja megkülönböztetni, ezért az „egyéb”-et osztja.
- A francia, portugál, perzsa, örmény, amhara, kannada és pandzsábi a „egy” alakot használja 0-hoz is, ezért
plural=(n > 1).
A táblázat
| Nyelv | gettext | Plural-Forms | msgstr[0], [1]… |
|---|---|---|---|
| Amhara | am | nplurals=2; plural=(n > 1); | one, other |
| Arab | 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 |
| Örmény | hy | nplurals=2; plural=(n > 1); | one, other |
| Bolgár | bg | nplurals=2; plural=(n != 1); | one, other |
| Kínai (egyszerűsített) | zh_CN | nplurals=1; plural=0; | other |
| Kínai (hagyományos) | zh_TW | nplurals=1; plural=0; | other |
| Cseh | cs | nplurals=3; plural=(n == 1) ? 0 : ((n >= 2 && n <= 4) ? 1 : 2); | one, few, other |
| Holland | nl | nplurals=2; plural=(n != 1); | one, other |
| Filippínó | fil | nplurals=2; plural=(n != 1 && n != 2 && n != 3 && (n % 10 == 4 || n % 10 == 6 || n % 10 == 9)); | one, other |
| Finn | fi | nplurals=2; plural=(n != 1); | one, other |
| Francia | fr | nplurals=2; plural=(n > 1); | one, other |
| Német | de | nplurals=2; plural=(n != 1); | one, other |
| Görög | el | nplurals=2; plural=(n != 1); | one, other |
| Haiti kreol | ht | nplurals=1; plural=0; | other |
| Héber | he | nplurals=3; plural=(n == 1) ? 0 : ((n == 2) ? 1 : 2); | one, two, other |
| Magyar | hu | nplurals=2; plural=(n != 1); | one, other |
| Indonéz | id | nplurals=1; plural=0; | other |
| Olasz | it | nplurals=2; plural=(n != 1); | one, other |
| Japán | ja | nplurals=1; plural=0; | other |
| Kannada | kn | nplurals=2; plural=(n > 1); | one, other |
| Khmer | km | nplurals=1; plural=0; | other |
| Koreai | ko | nplurals=1; plural=0; | other |
| Macedón | mk | nplurals=2; plural=(n % 10 == 1 && n % 100 != 11) ? 0 : 1; | one, other |
| Maláj | ms | nplurals=1; plural=0; | other |
| Norvég bokmål | nb | nplurals=2; plural=(n != 1); | one, other |
| Oromo | om | nplurals=2; plural=(n != 1); | one, other |
| Perzsa | fa | nplurals=2; plural=(n > 1); | one, other |
| Lengyel | pl | nplurals=3; plural=(n == 1) ? 0 : ((n % 10 >= 2 && n % 10 <= 4 && (n % 100 < 12 || n % 100 > 14)) ? 1 : 2); | one, few, many |
| Portugál (Brazília) | pt_BR | nplurals=2; plural=(n > 1); | one, other |
| Pandzsábi | pa | nplurals=2; plural=(n > 1); | one, other |
| Román | ro | nplurals=3; plural=(n == 1) ? 0 : ((n == 0 || n % 100 >= 1 && n % 100 <= 19) ? 1 : 2); | one, few, other |
| Orosz | 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 |
| Skót gael | gd | nplurals=4; plural=(n == 1 || n == 11) ? 0 : ((n == 2 || n == 12) ? 1 : ((n > 2 && n < 20) ? 2 : 3)); | one, two, few, other |
| Szerb (cirill) | 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 |
| Szlovák | sk | nplurals=3; plural=(n == 1) ? 0 : ((n >= 2 && n <= 4) ? 1 : 2); | one, few, other |
| Szlovén | sl | nplurals=4; plural=(n % 100 == 1) ? 0 : ((n % 100 == 2) ? 1 : ((n % 100 == 3 || n % 100 == 4) ? 2 : 3)); | one, two, few, other |
| Spanyol | es | nplurals=2; plural=(n != 1); | one, other |
| Svéd | sv | nplurals=2; plural=(n != 1); | one, other |
| Thai | th | nplurals=1; plural=0; | other |
| Török | tr | nplurals=2; plural=(n != 1); | one, other |
| Ukrán | 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 |
| Vietnami | vi | nplurals=1; plural=0; | other |
A valódi futtatás eredménye
Az arab nulla és kettes alakját először elutasították, mert kihagyták belőlük a %(n)s helyettesítőt. Egy egyes számra vonatkozó alak ezt megteheti, és az arab duális alak önmagában jelenti a „kettőt”, de az ellenőrzésünk csak a %d és a {count} helyettesítőket ismerte fel számként. Most már ismeri a Python %(n)s és %(count)d helyettesítőit is, ami azt is jelenti, hogy az orosz „egy” alakot szám nélkül elutasítjuk, mivel az orosz „egy” a 21 és a 31 esetén is így néz ki. Ugyanebben a futásban a modellünk elolvasta a fordításokat a jelentés ellenőrzésére, és kiszúrta, hogy a cseh „Leiratkozás” helyett „Kijelentkezés” szerepelt.
Hol él
A Polyglot 1.4.0 ezeket a fejléceket írja minden elkészített .po fájlba, és mindegyik alakot a megfelelő helyre teszi. Miért kell egy több számhoz használt alaknak megjelenítenie a számot, azt egy korábbi jegyzet ismerteti, a vizsgálatok pedig ingyenesek a translation-checks csomagban, amely 1.3.0 óta beolvassa a már meglévő .po fájlt is, és jelzi, ha a Plural-Forms olyan számokat helyez egy helyre, amelyekhez a CLDR különböző alakokat ad.