gettext Plural-Forms voor 42 talen, getal voor getal gecontroleerd met CLDR
Talen
Een gettext-plural-entry bewaart zijn vormen in genummerde slots, msgstr[0], msgstr[1] enzovoort, en de Plural-Forms-regel in de header van het bestand is een kleine C-formule die het slot voor een getal kiest. Voor Polyglot 1.4.0 hadden we die formule nodig voor alle 42 talen waarnaar het vertaalt, en elk slot moest de vorm bevatten die CLDR, de plural-data achter Android, ICU en onze eigen controles, voor dezelfde getallen geeft. Hier is de tabel, en hoe we die hebben gecontroleerd.
De koptekst voor elke taal waarvoor CLDR meervoudsregels heeft, en een controle voor je eigen regels, vind je op Meervoudsvormen voor elke taal.
Zo hebben we het gecontroleerd
- Elk geheel getal van 0 tot 10.000: Pythons eigen gettext evalueerde elke formule, en het gekozen slot moest de vorm bevatten die Babel 2.18's CLDR-data voor dat getal geeft. 41 talen kwamen overeen; Haïtiaans Creools is de enige uitzondering, en een bewuste (hieronder).
- GNU msgfmt --check op een bestand in elk van de 42 talen, met een vorm in elk slot: geen fouten.
- Een echte run: het gettext-bestand van de voorbeeldapp, vertaald door ons lokale model in negen talen, elk bestand gecompileerd en teruggelezen met Pythons gettext. Russisch toont "Пропущена 21 привычка" maar "Пропущено 22 привычки", Roemeens "21 de obiceiuri" maar "101 obiceiuri", en Arabisch heeft al zijn zes vormen op hun plaats.
Waar oudere data afweken
We controleerden eerst met Babel 2.10, dat CLDR 41 uit 2022 bevat. Drie talen kwamen anders uit, en bij elk daarvan zijn de nieuwere data en de taal zelf het eens met de tabel:
- Roemeens: CLDR 41 plaatst 101 bij 20 en 100, die "de" gebruiken ("100 de zile"); de huidige CLDR plaatst het bij 2 tot 19, die dat niet doen. Ons model schreef "101 obiceiuri ratate", zonder "de".
- Hebreeuws: CLDR 41 had nog een "many"-vorm voor 20, 30, 40 enzovoort. Latere CLDR-versies hebben die verwijderd, dus Hebreeuws heeft drie slots: one, two en other.
- Haïtiaans Creools kwam in die data helemaal niet voor. De huidige CLDR geeft het twee vormen, een voor 0 en 1 en other voor de rest, maar Haïtiaanse zelfstandige naamwoorden veranderen niet naar getal ("1 liv", "2 liv"), dus hielden we één slot aan, zoals Polyglot dat in zijn andere formaten doet.
Wat de slots bevatten
- Russisch, Oekraïens en Pools hebben drie slots, en het derde is CLDR's "many" (0, 5 tot 20, 25…), niet "other": "other" is alleen voor breuken. Pools "one" is alleen 1; 21 is "many".
- Tsjechisch en Slowaaks: hun "many" is alleen voor breuken, dus de derde slot is "other".
- Spaans, Frans, Italiaans en Portugees hebben een "many"-vorm voor exacte miljoenen; de twee slots van gettext kunnen dit niet onderscheiden, dus het deelt "other".
- Frans, Portugees, Perzisch, Armeens, Amhaars, Kannada en Punjabi gebruiken "one" ook voor 0, vandaar
plural=(n > 1).
De tabel
| Taal | gettext | Plural-Forms | msgstr[0], [1]… |
|---|---|---|---|
| Amhaars | am | nplurals=2; plural=(n > 1); | one, other |
| Arabisch | 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 |
| Armeens | hy | nplurals=2; plural=(n > 1); | one, other |
| Bulgaars | bg | nplurals=2; plural=(n != 1); | one, other |
| Chinees (vereenvoudigd) | zh_CN | nplurals=1; plural=0; | other |
| Chinees (traditioneel) | zh_TW | nplurals=1; plural=0; | other |
| Tsjechisch | cs | nplurals=3; plural=(n == 1) ? 0 : ((n >= 2 && n <= 4) ? 1 : 2); | one, few, other |
| Nederlands | nl | nplurals=2; plural=(n != 1); | one, other |
| Filipijns | fil | nplurals=2; plural=(n != 1 && n != 2 && n != 3 && (n % 10 == 4 || n % 10 == 6 || n % 10 == 9)); | one, other |
| Fins | fi | nplurals=2; plural=(n != 1); | one, other |
| Frans | fr | nplurals=2; plural=(n > 1); | one, other |
| Duits | de | nplurals=2; plural=(n != 1); | one, other |
| Grieks | el | nplurals=2; plural=(n != 1); | one, other |
| Haïtiaans Creools | ht | nplurals=1; plural=0; | other |
| Hebreeuws | he | nplurals=3; plural=(n == 1) ? 0 : ((n == 2) ? 1 : 2); | one, two, other |
| Hongaars | hu | nplurals=2; plural=(n != 1); | one, other |
| Indonesisch | id | nplurals=1; plural=0; | other |
| Italiaans | it | nplurals=2; plural=(n != 1); | one, other |
| Japans | ja | nplurals=1; plural=0; | other |
| Kannada | kn | nplurals=2; plural=(n > 1); | one, other |
| Khmer | km | nplurals=1; plural=0; | other |
| Koreaans | ko | nplurals=1; plural=0; | other |
| Macedonisch | mk | nplurals=2; plural=(n % 10 == 1 && n % 100 != 11) ? 0 : 1; | one, other |
| Maleis | ms | nplurals=1; plural=0; | other |
| Noors Bokmål | nb | nplurals=2; plural=(n != 1); | one, other |
| Oromo | om | nplurals=2; plural=(n != 1); | one, other |
| Perzisch | fa | nplurals=2; plural=(n > 1); | one, other |
| Pools | pl | nplurals=3; plural=(n == 1) ? 0 : ((n % 10 >= 2 && n % 10 <= 4 && (n % 100 < 12 || n % 100 > 14)) ? 1 : 2); | one, few, many |
| Portugees (Brazilië) | pt_BR | nplurals=2; plural=(n > 1); | one, other |
| Punjabi | pa | nplurals=2; plural=(n > 1); | one, other |
| Roemeens | ro | nplurals=3; plural=(n == 1) ? 0 : ((n == 0 || n % 100 >= 1 && n % 100 <= 19) ? 1 : 2); | one, few, other |
| Russisch | 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 |
| Schots-Gaelisch | gd | nplurals=4; plural=(n == 1 || n == 11) ? 0 : ((n == 2 || n == 12) ? 1 : ((n > 2 && n < 20) ? 2 : 3)); | one, two, few, other |
| Servisch (Cyrillisch) | 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 |
| Slowaaks | sk | nplurals=3; plural=(n == 1) ? 0 : ((n >= 2 && n <= 4) ? 1 : 2); | one, few, other |
| Sloveens | sl | nplurals=4; plural=(n % 100 == 1) ? 0 : ((n % 100 == 2) ? 1 : ((n % 100 == 3 || n % 100 == 4) ? 2 : 3)); | one, two, few, other |
| Spaans | es | nplurals=2; plural=(n != 1); | one, other |
| Zweeds | sv | nplurals=2; plural=(n != 1); | one, other |
| Thai | th | nplurals=1; plural=0; | other |
| Turks | tr | nplurals=2; plural=(n != 1); | one, other |
| Oekraïens | 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 |
| Vietnamees | vi | nplurals=1; plural=0; | other |
Wat de echte run heeft aangetroffen
De nula- en dualvormen van het Arabisch werden in eerste instantie geweigerd omdat %(n)s ontbrak. Een vorm voor één getal mag dat weglaten, en de Arabische dual zegt zelf al 'twee', maar onze controle kende alleen %d en {count} als het getal. Het kent nu ook Python's %(n)s en %(count)d, wat ook betekent dat een Russische 'één' zonder getal wordt geweigerd, aangezien Russische 'één' ook 21 en 31 is. In dezelfde run liet ons model zijn vertalingen op betekenis lezen, en het ving een Tsjechische 'Unsubscribe' af die als 'uitloggen' was geschreven.
Waar het staat
Polyglot 1.4.0 schrijft deze headers in elk .po-bestand dat het produceert en zet elke vorm op de juiste plek. Waarom een vorm die voor meerdere getallen wordt gebruikt, het getal moet tonen, staat in een eerdere notitie, en de controles zelf zijn gratis beschikbaar in translation-checks, dat sinds 1.3.0 ook een .po-bestand dat je al hebt leest en aangeeft wanneer de Plural-Forms-getallen in één slot zet waar CLDR verschillende vormen geeft.