gettext Plural-Forms dla 42 języków, sprawdzone liczba po liczbie względem CLDR
Języki
Wpis liczby mnogiej gettext przechowuje formy w numerowanych slotach, msgstr[0], msgstr[1] itd., a linia Plural-Forms w nagłówku pliku to mały wzór w języku C, który wybiera slot dla danej liczby. Dla Polyglot 1.4.0 potrzebny był ten wzór dla wszystkich 42 języków, na które tłumaczy, a każdy slot musiał zawierać formę, którą CLDR, dane liczby mnogiej stojące za Android, ICU i naszymi własnymi sprawdzeniami, przypisuje tym samym liczbom. Oto tabela i opis sposobu weryfikacji.
Nagłówek dla każdego języka, dla którego CLDR ma reguły liczby mnogiej, oraz narzędzie sprawdzające dla Twoich własnych reguł, znajdziesz na stronie Plural-Forms dla każdego języka.
Jak to sprawdziliśmy
- Każda liczba całkowita od 0 do 10 000: gettext z Pythona obliczał każdy wzór, a wybrany slot musiał zawierać formę, którą dane CLDR z Babel 2.18 przypisują tej liczbie. 41 języków się zgodziło; haitański jest jedynym wyjątkiem i to zamierzonym (poniżej).
- GNU msgfmt --check dla pliku w każdym z 42 języków, z formą w każdym slocie: brak błędów.
- Rzeczywiste uruchomienie: plik gettext przykładowej aplikacji, przetłumaczony przez nasz lokalny model na dziewięć języków, każdy plik skompilowany i odczytany z powrotem za pomocą gettext z Pythona. Rosyjski pokazuje „Пропущена 21 привычка”, ale „Пропущено 22 привычки”, rumuński „21 de obiceiuri”, ale „101 obiceiuri”, a arabski ma wszystkie sześć swoich form na właściwych miejscach.
Gdzie starsze dane się różniły
Najpierw sprawdziliśmy względem Babel 2.10, który zawiera CLDR 41 z 2022 roku. Trzy języki wyszły inaczej i w każdym przypadku nowsze dane oraz sam język są zgodne z tabelą:
- Rumuński: CLDR 41 przypisuje 101 do 20 i 100, które wymagają „de” („100 de zile”); obecny CLDR przypisuje go do 2–19, które go nie wymagają. Nasz model napisał „101 obiceiuri ratate”, bez „de”.
- Hebrajski: CLDR 41 wciąż miał formę „many” dla 20, 30, 40 itd. Późniejsze wersje CLDR ją usunęły, więc hebrajski ma trzy sloty: one, two i other.
- Haitański w ogóle nie był w tych danych. Obecny CLDR przypisuje mu dwie formy, jedną dla 0 i 1 oraz drugą dla pozostałych, ale rzeczowniki haitańskie nie zmieniają się w liczbie („1 liv”, „2 liv”), więc zachowaliśmy pojedynczy slot, tak jak robi to Polyglot w innych formatach.
Co zawierają sloty
- Rosyjski, ukraiński i polski mają trzy sloty, a trzeci to „many” z CLDR (0, 5–20, 25…), a nie „other”: „other” jest tylko dla ułamków. Polski „one” to tylko 1; 21 to „many”.
- Czeski i słowacki: ich forma „many” dotyczy wyłącznie ułamków, dlatego trzecie pole to „other”.
- Hiszpański, francuski, włoski i portugalski mają formę „many” dla dokładnych milionów; gettext nie rozróżnia dwóch pól, więc współdzieli „other”.
- Francuski, portugalski, perski, ormiański, amharski, kannada i pendżabski używają „one” również dla 0, stąd
plural=(n > 1).
Tabela
| Język | gettext | Plural-Forms | msgstr[0], [1]… |
|---|---|---|---|
| Amharski | am | nplurals=2; plural=(n > 1); | one, other |
| Arabski | 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 |
| Ormiański | hy | nplurals=2; plural=(n > 1); | one, other |
| Bułgarski | bg | nplurals=2; plural=(n != 1); | one, other |
| Chiński (uproszczony) | zh_CN | nplurals=1; plural=0; | other |
| Chiński (tradycyjny) | zh_TW | nplurals=1; plural=0; | other |
| Czeski | cs | nplurals=3; plural=(n == 1) ? 0 : ((n >= 2 && n <= 4) ? 1 : 2); | one, few, other |
| Holenderski | nl | nplurals=2; plural=(n != 1); | one, other |
| Filipiński | fil | nplurals=2; plural=(n != 1 && n != 2 && n != 3 && (n % 10 == 4 || n % 10 == 6 || n % 10 == 9)); | one, other |
| Fiński | fi | nplurals=2; plural=(n != 1); | one, other |
| Francuski | fr | nplurals=2; plural=(n > 1); | one, other |
| Niemiecki | de | nplurals=2; plural=(n != 1); | one, other |
| Grecki | el | nplurals=2; plural=(n != 1); | one, other |
| Kreolski haitański | ht | nplurals=1; plural=0; | other |
| Hebrajski | he | nplurals=3; plural=(n == 1) ? 0 : ((n == 2) ? 1 : 2); | one, two, other |
| Węgierski | hu | nplurals=2; plural=(n != 1); | one, other |
| Indonezyjski | id | nplurals=1; plural=0; | other |
| Włoski | it | nplurals=2; plural=(n != 1); | one, other |
| Japoński | ja | nplurals=1; plural=0; | other |
| Kannada | kn | nplurals=2; plural=(n > 1); | one, other |
| Khmerski | km | nplurals=1; plural=0; | other |
| Koreański | ko | nplurals=1; plural=0; | other |
| Macedoński | mk | nplurals=2; plural=(n % 10 == 1 && n % 100 != 11) ? 0 : 1; | one, other |
| Malajski | ms | nplurals=1; plural=0; | other |
| Norweski bokmål | nb | nplurals=2; plural=(n != 1); | one, other |
| Oromo | om | nplurals=2; plural=(n != 1); | one, other |
| Perski | fa | nplurals=2; plural=(n > 1); | one, other |
| Polski | pl | nplurals=3; plural=(n == 1) ? 0 : ((n % 10 >= 2 && n % 10 <= 4 && (n % 100 < 12 || n % 100 > 14)) ? 1 : 2); | one, few, many |
| Portugalski (Brazylia) | pt_BR | nplurals=2; plural=(n > 1); | one, other |
| Pendżabski | pa | nplurals=2; plural=(n > 1); | one, other |
| Rumuński | ro | nplurals=3; plural=(n == 1) ? 0 : ((n == 0 || n % 100 >= 1 && n % 100 <= 19) ? 1 : 2); | one, few, other |
| Rosyjski | 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 |
| Gaelicki szkocki | gd | nplurals=4; plural=(n == 1 || n == 11) ? 0 : ((n == 2 || n == 12) ? 1 : ((n > 2 && n < 20) ? 2 : 3)); | one, two, few, other |
| Serbski (cyrylica) | 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 |
| Słowacki | sk | nplurals=3; plural=(n == 1) ? 0 : ((n >= 2 && n <= 4) ? 1 : 2); | one, few, other |
| Słoweński | sl | nplurals=4; plural=(n % 100 == 1) ? 0 : ((n % 100 == 2) ? 1 : ((n % 100 == 3 || n % 100 == 4) ? 2 : 3)); | one, two, few, other |
| Hiszpański | es | nplurals=2; plural=(n != 1); | one, other |
| Szwedzki | sv | nplurals=2; plural=(n != 1); | one, other |
| Tajski | th | nplurals=1; plural=0; | other |
| Turecki | tr | nplurals=2; plural=(n != 1); | one, other |
| Ukraiński | 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 |
| Wietnamski | vi | nplurals=1; plural=0; | other |
Co wykryło faktyczne uruchomienie
Formy zera i dwóch dla języka arabskiego zostały początkowo odrzucone, ponieważ nie zawierały %(n)s. Forma dla pojedynczej liczby może to pomijać, a arabska forma podwójna sama w sobie mówi „dwa”, ale nasza kontrola rozpoznawała liczbę tylko w %d i {count}. Teraz rozpoznaje również %(n)s i %(count)d z Pythona, co oznacza również, że rosyjska forma „one” bez liczby jest odrzucana, ponieważ rosyjskie „one” to także 21 i 31. W tym samym uruchomieniu nasz model odczytywał swoje tłumaczenia pod kątem znaczenia i wychwycił czeskie „Unsubscribe” zapisane jako „log out”.
Gdzie to się znajduje
Polyglot 1.4.0 zapisuje te nagłówki w każdym pliku .po, który tworzy, i umieszcza każdą formę w odpowiednim miejscu. Dlaczego forma używana dla wielu liczb musi zawierać tę liczbę, wyjaśnia wcześniejsza notatka, a same kontrole są dostępne za darmo w translation-checks, które od wersji 1.3.0 odczytują również istniejący plik .po i wskazują, kiedy jego Plural-Forms umieszcza liczby w jednym miejscu, dla którego CLDR przewiduje różne formy.