gettext Plural-Forms 42 լեզուների համար՝ ստուգված թիվ առ թիվ CLDR-ի համեմատ
Լեզուներ
gettext-ի բազմակի թվի գրառումը պահում է իր ձևերը համարակալված բջիջներում՝ msgstr[0], msgstr[1] և այլն, իսկ ֆայլի վերնագրի Plural-Forms տողը փոքրիկ C բանաձև է, որը թվի համար ընտրում է բջիջը։ Polyglot 1.4.0-ի համար մեզ անհրաժեշտ էր այդ բանաձևը բոլոր 42 լեզուների համար, որոնցով այն թարգմանում է, և յուրաքանչյուր բջիջ պետք է պարունակեր այն ձևը, որը CLDR-ը՝ Android-ի, ICU-ի և մեր սեփական ստուգումների հիմքում ընկած բազմակի թվի տվյալները, տալիս է նույն թվերի համար։ Ահա աղյուսակը և այն, թե ինչպես մենք այն ստուգեցինք։
Յուրաքանչյուր լեզվի համար, որի CLDR-ում կան բազմակի թվի կանոններ, և Ձեր սեփական կանոնների ստուգիչը ներկայացված են Յուրաքանչյուր լեզվի բազմակի թվի ձևեր էջում։
Ինչպես մենք ստուգեցինք
- Ամբողջ թվեր 0-ից մինչև 10,000. Python-ի սեփական gettext-ը գնահատում էր յուրաքանչյուր բանաձև, և ընտրված բջիջը պետք է պարունակեր Babel 2.18-ի CLDR տվյալների կողմից տրված ձևը։ 41 լեզուներ համընկան. Հայտի կրեոլը միակ բացառությունն է, և գիտակցված (ստորև)։
- GNU msgfmt --check 42 լեզուներից յուրաքանչյուրով ֆայլի վրա, յուրաքանչյուր բջջում ձևով. սխալներ չկան։
- Իրական գործարկում. օրինակ ծրագրի gettext ֆայլը, թարգմանված մեր տեղական մոդելով ինը լեզուներով, յուրաքանչյուր ֆայլ կոմպիլացվել և կարդացվել է Python-ի gettext-ով։ Ռուսերենը ցույց է տալիս «Пропущена 21 привычка», բայց «Пропущено 22 привычки», ռումիներենը՝ «21 de obiceiuri», բայց «101 obiceiuri», իսկ արաբերենը ունի իր վեց ձևերից բոլորը իրենց տեղերում։
Որտեղ հին տվյալները չէին համընկնում
Նախ մենք ստուգեցինք Babel 2.10-ի համեմատ, որը կրում է 2022 թվականի CLDR 41-ը։ Երեք լեզուներ տարբերվում էին, և յուրաքանչյուր դեպքում ավելի նոր տվյալներն ու լեզուն ինքնին համաձայն են աղյուսակի հետ։
- Ռումիներեն. CLDR 41-ը 101-ը դնում է 20-ի և 100-ի հետ, որոնք վերցնում են «de» («100 de zile»). ներկայիս CLDR-ը այն դնում է 2-ից 19-ի հետ, որոնք չեն վերցնում։ Մեր մոդելը գրեց «101 obiceiuri ratate», առանց «de»-ի։
- Եբրայերեն. CLDR 41-ը դեռ ուներ «many» ձև 20-ի, 30-ի, 40-ի և այլնի համար։ Հետագա CLDR-ը հեռացրեց այն, ուստի եբրայերենն ունի երեք բջիջ. մեկ, երկու և այլ։
- Հայտի կրեոլը ընդհանրապես չկար այդ տվյալներում։ Ներկայիս CLDR-ը տալիս է երկու ձև. մեկը 0-ի և 1-ի համար, մյուսը՝ մնացածի համար, բայց հայտի կրեոլի գոյականները չեն փոխվում թվով («1 liv», «2 liv»), ուստի մենք պահպանեցինք մեկ բջիջ, ինչպես Polyglot-ն է անում իր այլ ձևաչափերում։
Ինչ են պարունակում բջիջները
- Ռուսերենը, ուկրաիներենը և լեհերենը ունեն երեք բջիջ, և երրորդը CLDR-ի «many»-ն է (0, 5-ից 20, 25…), ոչ թե «other». «other»-ը միայն կոտորակների համար է։ Լեհերենի «one»-ը միայն 1-ն է. 21-ը «many» է։
- Չեխերեն և սլովակերեն. նրանց «many»-ը նախատեսված է միայն կոտորակների համար, ուստի երրորդ դաշտը «other»-ն է։
- Իսպաներեն, ֆրանսերեն, իտալերեն և պորտուգալերեն ունեն «many» ձև՝ ճիշտ միլիոնների համար. gettext-ի երկու դաշտը չի կարողանում դրանք տարբերակել, ուստի այն օգտագործում է «other»-ը։
- Ֆրանսերեն, պորտուգալերեն, պարսկերեն, հայերեն, ամհարերեն, կաննադա և պենջաբերեն 0-ի համար նույնպես օգտագործում են «one», հետևաբար
plural=(n > 1)։
Աղյուսակ
| Լեզու | gettext | Plural-Forms | msgstr[0], [1]… |
|---|---|---|---|
| Ամհարերեն | am | nplurals=2; plural=(n > 1); | one, other |
| Արաբերեն | 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 |
| Հայերեն | hy | nplurals=2; plural=(n > 1); | one, other |
| Բուլղարերեն | bg | nplurals=2; plural=(n != 1); | one, other |
| Չինարեն (պարզեցված) | zh_CN | nplurals=1; plural=0; | other |
| Չինարեն (ավանդական) | zh_TW | nplurals=1; plural=0; | other |
| Չեխերեն | cs | nplurals=3; plural=(n == 1) ? 0 : ((n >= 2 && n <= 4) ? 1 : 2); | one, few, other |
| Հոլանդերեն | nl | nplurals=2; plural=(n != 1); | one, other |
| Ֆիլիպիներեն | fil | nplurals=2; plural=(n != 1 && n != 2 && n != 3 && (n % 10 == 4 || n % 10 == 6 || n % 10 == 9)); | one, other |
| Ֆիններեն | fi | nplurals=2; plural=(n != 1); | one, other |
| Ֆրանսերեն | fr | nplurals=2; plural=(n > 1); | one, other |
| Գերմաներեն | de | nplurals=2; plural=(n != 1); | one, other |
| Հունարեն | el | nplurals=2; plural=(n != 1); | one, other |
| Հայտիան | ht | nplurals=1; plural=0; | other |
| Եբրայերեն | he | nplurals=3; plural=(n == 1) ? 0 : ((n == 2) ? 1 : 2); | one, two, other |
| Հունգարերեն | hu | nplurals=2; plural=(n != 1); | one, other |
| Ինդոնեզերեն | id | nplurals=1; plural=0; | other |
| Իտալերեն | it | nplurals=2; plural=(n != 1); | one, other |
| Ճապոներեն | ja | nplurals=1; plural=0; | other |
| Կաննադա | kn | nplurals=2; plural=(n > 1); | one, other |
| Խմերերեն | km | nplurals=1; plural=0; | other |
| Կորեերեն | ko | nplurals=1; plural=0; | other |
| Մակեդոներեն | mk | nplurals=2; plural=(n % 10 == 1 && n % 100 != 11) ? 0 : 1; | one, other |
| Մալայերեն | ms | nplurals=1; plural=0; | other |
| Նորվեգերեն (Բուկմոլ) | nb | nplurals=2; plural=(n != 1); | one, other |
| Օրոմո | om | nplurals=2; plural=(n != 1); | one, other |
| Պարսկերեն | fa | nplurals=2; plural=(n > 1); | one, other |
| Լեհերեն | pl | nplurals=3; plural=(n == 1) ? 0 : ((n % 10 >= 2 && n % 10 <= 4 && (n % 100 < 12 || n % 100 > 14)) ? 1 : 2); | one, few, many |
| Պորտուգալերեն (Բրազիլիա) | pt_BR | nplurals=2; plural=(n > 1); | one, other |
| Փենջաբերեն | pa | nplurals=2; plural=(n > 1); | one, other |
| Ռումիներեն | ro | nplurals=3; plural=(n == 1) ? 0 : ((n == 0 || n % 100 >= 1 && n % 100 <= 19) ? 1 : 2); | one, few, other |
| Ռուսերեն | 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 |
| Շոտլանդական գելերեն | gd | nplurals=4; plural=(n == 1 || n == 11) ? 0 : ((n == 2 || n == 12) ? 1 : ((n > 2 && n < 20) ? 2 : 3)); | one, two, few, other |
| Սերբերեն (կիրիլիցա) | 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 |
| Սլովակերեն | sk | nplurals=3; plural=(n == 1) ? 0 : ((n >= 2 && n <= 4) ? 1 : 2); | one, few, other |
| Սլովեներեն | sl | nplurals=4; plural=(n % 100 == 1) ? 0 : ((n % 100 == 2) ? 1 : ((n % 100 == 3 || n % 100 == 4) ? 2 : 3)); | one, two, few, other |
| Իսպաներեն | es | nplurals=2; plural=(n != 1); | one, other |
| Շվեդերեն | sv | nplurals=2; plural=(n != 1); | one, other |
| Թաիլանդերեն | th | nplurals=1; plural=0; | other |
| Թուրքերեն | tr | nplurals=2; plural=(n != 1); | one, other |
| Ուկրաիներեն | 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 |
| Վիետնամերեն | vi | nplurals=1; plural=0; | other |
Ինչ է հայտնաբերել իրական գործարկումը
Արաբերենի զրոյական և երկուսի ձևները սկզբում մերժվեցին, քանի որ դրանք բաց էին թողնում %(n)s-ը։ Մեկ թվի համար նախատեսված ձևը կարող է դա անել, և արաբերենի երկակի թվի ձևը ինքնին ասում է «երկու», բայց մեր ստուգումը որպես հաշվիչ ճանաչում էր միայն %d-ը և {count}-ը։ Այժմ այն ճանաչում է նաև Python-ի %(n)s-ը և %(count)d-ը, ինչը նշանակում է, որ մերժվում է նաև ռուսերեն «մեկ» ձևը՝ առանց թվի, քանի որ ռուսերեն «մեկ»-ը նաև 21 և 31 է։ Նույն գործարկման ընթացքում մեր մոդելը կարդաց թարգմանությունները՝ իմաստը ստուգելու համար, և հայտնաբերեց, որ չեխերեն «Unsubscribe»-ը գրված էր որպես «log out»։
Որտեղ է այն գտնվում
Polyglot 1.4.0-ը գրում է այս վերնագրերը յուրաքանչյուր .po ֆայլի մեջ, որ այն ստեղծում է, և տեղադրում է յուրաքանչյուր ձև իր բաժնում։ Թե ինչու պետք է մի քանի թվերի համար օգտագործվող ձևը ցույց տա թիվը, նկարագրված է նախորդ նշման մեջ, իսկ ստուգումներն իրենք ազատ հասանելի են translation-checks-ում, որը 1.3.0-ից սկսած կարդում է նաև ձեզ արդեն ունեցած .po ֆայլը և ասում է, թե երբ է դրա Plural-Forms-ը թվերը դնում մեկ բաժնում, որը CLDR-ը տալիս է տարբեր ձևերով։