Plural-Forms do gettext para 42 idiomas, verificados número por número contra o CLDR
Idiomas
Uma entrada de plural do gettext mantém suas formas em slots numerados, msgstr[0], msgstr[1] e assim por diante, e a linha Plural-Forms no cabeçalho do arquivo é uma pequena fórmula em C que escolhe o slot para um número. Para o Polyglot 1.4.0, precisávamos dessa fórmula para todos os 42 idiomas para os quais ele traduz, e cada slot precisava conter a forma que o CLDR, os dados de plural por trás do Android, do ICU e de nossas próprias verificações, atribui aos mesmos números. Aqui está a tabela e como a verificamos.
O cabeçalho para todos os idiomas com regras de plural no CLDR e um verificador para as suas próprias regras estão em Plural-Forms para todos os idiomas.
Como a verificamos
- Todos os números inteiros de 0 a 10.000: o próprio gettext do Python avaliou cada fórmula, e o slot escolhido precisava conter a forma que os dados CLDR do Babel 2.18 atribuem a esse número. 41 idiomas corresponderam; o crioulo haitiano é a única exceção, e deliberada (abaixo).
- GNU msgfmt --check em um arquivo em cada um dos 42 idiomas, com uma forma em cada slot: sem erros.
- Uma execução real: o arquivo gettext do aplicativo de exemplo, traduzido por nosso modelo local para nove idiomas, cada arquivo compilado e lido novamente com o gettext do Python. O russo mostra "Пропущена 21 привычка" mas "Пропущено 22 привычки", o romeno "21 de obiceiuri" mas "101 obiceiuri", e o árabe tem todas as suas seis formas em seus lugares.
Onde os dados antigos divergiam
Primeiro verificamos contra o Babel 2.10, que traz o CLDR 41 de 2022. Três idiomas apresentaram resultados diferentes, e em cada um os dados mais recentes e o próprio idioma concordam com a tabela:
- Romeno: o CLDR 41 coloca 101 com 20 e 100, que usam "de" ("100 de zile"); o CLDR atual coloca-o com 2 a 19, que não usam. Nosso modelo escreveu "101 obiceiuri ratate", sem "de".
- Hebraico: o CLDR 41 ainda tinha uma forma "many" para 20, 30, 40 e assim por diante. Versões posteriores do CLDR a removeram, então o hebraico tem três slots: um, dois e outros.
- Crioulo haitiano não estava nesses dados. O CLDR atual dá a ele duas formas, uma para 0 e 1 e outra para o restante, mas os substantivos no crioulo haitiano não mudam com o número ("1 liv", "2 liv"), então mantivemos um único slot, como o Polyglot faz em seus outros formatos.
O que os slots contêm
- Russo, ucraniano e polonês têm três slots, e o terceiro é o "many" do CLDR (0, 5 a 20, 25…), não "other": "other" é apenas para frações. O "one" do polonês é apenas 1; 21 é "many".
- Checo e eslovaco: o "many" deles é apenas para frações, então o terceiro espaço é "other".
- Espanhol, francês, italiano e português têm uma forma "many" para milhões exatos; os dois espaços do gettext não conseguem diferenciá-la, então ela compartilha "other".
- Francês, português, persa, armênio, amárico, canarês e punjabe usam "one" também para 0, daí
plural=(n > 1).
A tabela
| Idioma | gettext | Plural-Forms | msgstr[0], [1]… |
|---|---|---|---|
| Amárico | am | nplurals=2; plural=(n > 1); | one, other |
| Árabe | 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 |
| Armênio | hy | nplurals=2; plural=(n > 1); | one, other |
| Búlgaro | bg | nplurals=2; plural=(n != 1); | one, other |
| Chinês (simplificado) | zh_CN | nplurals=1; plural=0; | other |
| Chinês (tradicional) | zh_TW | nplurals=1; plural=0; | other |
| Checo | cs | nplurals=3; plural=(n == 1) ? 0 : ((n >= 2 && n <= 4) ? 1 : 2); | one, few, other |
| Holandês | 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 |
| Finlandês | fi | nplurals=2; plural=(n != 1); | one, other |
| Francês | fr | nplurals=2; plural=(n > 1); | one, other |
| Alemão | de | nplurals=2; plural=(n != 1); | one, other |
| Grego | el | nplurals=2; plural=(n != 1); | one, other |
| Crioulo Haitiano | ht | nplurals=1; plural=0; | other |
| Hebraico | he | nplurals=3; plural=(n == 1) ? 0 : ((n == 2) ? 1 : 2); | one, two, other |
| Húngaro | hu | nplurals=2; plural=(n != 1); | one, other |
| Indonésio | id | nplurals=1; plural=0; | other |
| Italiano | it | nplurals=2; plural=(n != 1); | one, other |
| Japonês | ja | nplurals=1; plural=0; | other |
| Canarês | kn | nplurals=2; plural=(n > 1); | one, other |
| Khmer | km | nplurals=1; plural=0; | other |
| Coreano | ko | nplurals=1; plural=0; | other |
| Macedônio | mk | nplurals=2; plural=(n % 10 == 1 && n % 100 != 11) ? 0 : 1; | one, other |
| Malaio | ms | nplurals=1; plural=0; | other |
| Norueguês Bokmål | nb | nplurals=2; plural=(n != 1); | one, other |
| Oromo | om | nplurals=2; plural=(n != 1); | one, other |
| Persa | fa | nplurals=2; plural=(n > 1); | one, other |
| Polonês | pl | nplurals=3; plural=(n == 1) ? 0 : ((n % 10 >= 2 && n % 10 <= 4 && (n % 100 < 12 || n % 100 > 14)) ? 1 : 2); | one, few, many |
| Português (Brasil) | pt_BR | nplurals=2; plural=(n > 1); | one, other |
| Punjabi | pa | nplurals=2; plural=(n > 1); | one, other |
| Romeno | ro | nplurals=3; plural=(n == 1) ? 0 : ((n == 0 || n % 100 >= 1 && n % 100 <= 19) ? 1 : 2); | one, few, other |
| Russo | 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 |
| Gaélico Escocês | gd | nplurals=4; plural=(n == 1 || n == 11) ? 0 : ((n == 2 || n == 12) ? 1 : ((n > 2 && n < 20) ? 2 : 3)); | one, two, few, other |
| Sérvio (Cirílico) | 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 |
| Eslovaco | sk | nplurals=3; plural=(n == 1) ? 0 : ((n >= 2 && n <= 4) ? 1 : 2); | one, few, other |
| Esloveno | sl | nplurals=4; plural=(n % 100 == 1) ? 0 : ((n % 100 == 2) ? 1 : ((n % 100 == 3 || n % 100 == 4) ? 2 : 3)); | one, two, few, other |
| Espanhol | es | nplurals=2; plural=(n != 1); | one, other |
| Sueco | sv | nplurals=2; plural=(n != 1); | one, other |
| Tailandês | th | nplurals=1; plural=0; | other |
| Turco | tr | nplurals=2; plural=(n != 1); | one, other |
| Ucraniano | 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 |
| Vietnamita | vi | nplurals=1; plural=0; | other |
O que a execução real encontrou
As formas zero e dois do árabe foram recusadas no início por omitirem %(n)s. Uma forma para um único número pode fazer isso, e o dual árabe diz "dois" por si só, mas nossa verificação só reconhecia %d e {count} como a contagem. Agora ela também reconhece %(n)s e %(count)d do Python, o que também significa que um "one" russo sem o número é recusado, já que o "one" russo também vale para 21 e 31. Na mesma execução, nosso modelo leu suas traduções para verificar o significado e detectou que o "Unsubscribe" em tcheco estava escrito como "log out".
Onde está
O Polyglot 1.4.0 grava esses cabeçalhos em cada arquivo .po que produz e coloca cada forma em seu espaço. Por que uma forma usada para vários números deve mostrar o número está em uma nota anterior, e as verificações em si são gratuitas em translation-checks, que desde a versão 1.3.0 também lê um arquivo .po que você já tem e informa quando seu Plural-Forms coloca números em um espaço ao qual o CLDR atribui formas diferentes.