gettext Plural-Forms for 42 språk, kontrollert tall for tall mot CLDR
Språk
En gettext-flertallsoppføring holder formene i nummererte plasser, msgstr[0], msgstr[1] og videre, og Plural-Forms-linjen i filens hode er en liten C-formel som velger plassen for et tall. For Polyglot 1.4.0 trengte vi den formelen for alle 42 språkene den oversetter til, og hver plass måtte inneholde den formen som CLDR, flertallsdataene bak Android, ICU og våre egne kontroller, gir de samme tallene. Her er tabellen, og hvordan vi kontrollerte den.
Overskriften for hvert språk CLDR har flertallsregler for, og en sjekker for dine egne, finnes på Flertallsformer for hvert språk.
Slik kontrollerte vi det
- Heltall fra 0 til 10 000: Pythons egen gettext evaluerte hver formel, og plassen den valgte måtte inneholde den formen Babel 2.18s CLDR-data gir for det tallet. 41 språk stemte overens; haitisk kreolsk er det ene unntaket, og et bevisst ett (nedenfor).
- GNU msgfmt --check på en fil på hvert av de 42 språkene, med en form i hver plass: ingen feil.
- En ekte kjøring: eksempelappens gettext-fil, oversatt av vår lokale modell til ni språk, hver fil kompilert og lest tilbake med Pythons gettext. Russisk viser "Пропущена 21 привычка" men "Пропущено 22 привычки", rumensk "21 de obiceiuri" men "101 obiceiuri", og arabisk har alle sine seks former på plass.
Hvor eldre data var uenige
Vi sjekket først mot Babel 2.10, som inneholder CLDR 41 fra 2022. Tre språk kom ut ulikt, og i hvert tilfelle er de nyere dataene og språket selv enige med tabellen:
- Rumensk: CLDR 41 plasserer 101 sammen med 20 og 100, som tar "de" ("100 de zile"); gjeldende CLDR plasserer det sammen med 2 til 19, som ikke gjør det. Modellen vår skrev "101 obiceiuri ratate", uten "de".
- Hebraisk: CLDR 41 hadde fortsatt en "many"-form for 20, 30, 40 og så videre. Senere CLDR fjernet den, så hebraisk har tre plasser: én, to og andre.
- Haitisk kreolsk var ikke i de dataene i det hele tatt. Gjeldende CLDR gir det to former, én for 0 og 1 og andre for resten, men haitiske substantiv endres ikke etter tall ("1 liv", "2 liv"), så vi beholdt én plass, slik Polyglot gjør i sine andre formater.
Hva plassene inneholder
- Russisk, ukrainsk og polsk har tre plasser, og den tredje er CLDRs "many" (0, 5 til 20, 25…), ikke "other": "other" er bare for brøktall. Polsk "one" er bare 1; 21 er "many".
- Tsjekkisk og slovakisk: deres «many» brukes bare om brøktall, så den tredje plassen er «other».
- Spansk, fransk, italiensk og portugisisk har en «many»-form for eksakte millioner; gettexts to plasser kan ikke skille dem fra hverandre, så den deler «other».
- Fransk, portugisisk, persisk, armensk, amharisk, kannada og punjabi bruker «one» for 0 også, derfor
plural=(n > 1).
Tabellen
| Språk | gettext | Plural-Forms | msgstr[0], [1]… |
|---|---|---|---|
| Amharisk | am | nplurals=2; plural=(n > 1); | one, other |
| Arabisk | 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 |
| Armensk | hy | nplurals=2; plural=(n > 1); | one, other |
| Bulgarsk | bg | nplurals=2; plural=(n != 1); | one, other |
| Kinesisk (forenklet) | zh_CN | nplurals=1; plural=0; | other |
| Kinesisk (tradisjonell) | zh_TW | nplurals=1; plural=0; | other |
| Tsjekkisk | cs | nplurals=3; plural=(n == 1) ? 0 : ((n >= 2 && n <= 4) ? 1 : 2); | one, few, other |
| Nederlandsk | 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 |
| Finsk | fi | nplurals=2; plural=(n != 1); | one, other |
| Fransk | fr | nplurals=2; plural=(n > 1); | one, other |
| Tysk | de | nplurals=2; plural=(n != 1); | one, other |
| Gresk | el | nplurals=2; plural=(n != 1); | one, other |
| Haitisk kreol | ht | nplurals=1; plural=0; | other |
| Hebraisk | he | nplurals=3; plural=(n == 1) ? 0 : ((n == 2) ? 1 : 2); | one, two, other |
| Ungarsk | hu | nplurals=2; plural=(n != 1); | one, other |
| Indonesisk | id | nplurals=1; plural=0; | other |
| Italiensk | it | nplurals=2; plural=(n != 1); | one, other |
| Japansk | ja | nplurals=1; plural=0; | other |
| Kannada | kn | nplurals=2; plural=(n > 1); | one, other |
| Khmer | km | nplurals=1; plural=0; | other |
| Koreansk | ko | nplurals=1; plural=0; | other |
| Makedonsk | mk | nplurals=2; plural=(n % 10 == 1 && n % 100 != 11) ? 0 : 1; | one, other |
| Malayisk | ms | nplurals=1; plural=0; | other |
| Norsk bokmål | nb | nplurals=2; plural=(n != 1); | one, other |
| Oromo | om | nplurals=2; plural=(n != 1); | one, other |
| Persisk | fa | nplurals=2; plural=(n > 1); | one, other |
| Polsk | pl | nplurals=3; plural=(n == 1) ? 0 : ((n % 10 >= 2 && n % 10 <= 4 && (n % 100 < 12 || n % 100 > 14)) ? 1 : 2); | one, few, many |
| Portugisisk (Brasil) | pt_BR | nplurals=2; plural=(n > 1); | one, other |
| Panjabi | pa | nplurals=2; plural=(n > 1); | one, other |
| Rumensk | ro | nplurals=3; plural=(n == 1) ? 0 : ((n == 0 || n % 100 >= 1 && n % 100 <= 19) ? 1 : 2); | one, few, other |
| Russisk | 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 |
| Skotsk-gælisk | gd | nplurals=4; plural=(n == 1 || n == 11) ? 0 : ((n == 2 || n == 12) ? 1 : ((n > 2 && n < 20) ? 2 : 3)); | one, two, few, other |
| Serbisk (kyrillisk) | 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 |
| Slovakisk | sk | nplurals=3; plural=(n == 1) ? 0 : ((n >= 2 && n <= 4) ? 1 : 2); | one, few, other |
| Slovensk | sl | nplurals=4; plural=(n % 100 == 1) ? 0 : ((n % 100 == 2) ? 1 : ((n % 100 == 3 || n % 100 == 4) ? 2 : 3)); | one, two, few, other |
| Spansk | es | nplurals=2; plural=(n != 1); | one, other |
| Svensk | sv | nplurals=2; plural=(n != 1); | one, other |
| Thai | th | nplurals=1; plural=0; | other |
| Tyrkisk | tr | nplurals=2; plural=(n != 1); | one, other |
| Ukrainsk | 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 |
| Vietnamesisk | vi | nplurals=1; plural=0; | other |
Det reelle løpet fant
De null- og to-formene på arabisk ble først avvist fordi de utelot %(n)s. En form for ett tall kan gjøre det, og den arabiske dualis sier «to» i seg selv, men sjekken vår kjente bare %d og {count} som tellingen. Den kjenner nå også Pythons %(n)s og %(count)d, noe som også betyr at en russisk «én» uten tallet blir avvist, siden russisk «én» også er 21 og 31. I samme kjøring leste modellen oversettelsene sine for mening, og den fanget opp tsjekkisk «Unsubscribe» skrevet som «log out».
Hvor det bor
Polyglot 1.4.0 skriver disse overskriftene inn i hver .po-fil den lager, og plasserer hver form i sin plass. Hvorfor en form som brukes for flere tall, må vise tallet, forklares i en tidligere merknad, og selve kontrollene er gratis i translation-checks, som siden 1.3.0 også leser en .po-fil du allerede har, og sier fra når dens Plural-Forms plasserer tall i én form som CLDR gir ulike former.