gettext Plural-Forms för 42 språk, kontrollerade siffra för siffra mot CLDR
Språk
En gettext-pluralpost behåller sina former i numrerade platser, msgstr[0], msgstr[1] och så vidare, och raden Plural-Forms i filhuvudet är en liten C-formel som väljer plats för ett tal. För Polyglot 1.4.0 behövde vi den formeln för alla 42 språk som den översätter till, och varje plats måste innehålla den form som CLDR, pluraldata bakom Android, ICU och våra egna kontroller, ger samma tal. Här är tabellen, och hur vi kontrollerade den.
Rubriken för varje språk som CLDR har pluralregler för, och en kontroll för dina egna, finns på Plural-Forms för varje språk.
Hur vi kontrollerade den
- Alla heltal från 0 till 10 000: Pythons egen gettext utvärderade varje formel, och den plats som valdes måste innehålla den form som Babel 2.18:s CLDR-data ger för det talet. 41 språk stämde överens; haitisk kreol är det enda undantaget, och ett medvetet sådant (nedan).
- GNU msgfmt --check på en fil för varje av de 42 språken, med en form i varje plats: inga fel.
- En riktig körning: exempelappens gettext-fil, översatt av vår lokala modell till nio språk, varje fil kompilerad och inläst med Pythons gettext. Ryska visar "Пропущена 21 привычка" men "Пропущено 22 привычки", rumänska "21 de obiceiuri" men "101 obiceiuri", och arabiska har alla sex av sina former på sina platser.
Där äldre data var oense
Vi kontrollerade först mot Babel 2.10, som innehåller CLDR 41 från 2022. Tre språk kom ut annorlunda, och i varje fall håller den nyare datan och språket själva med tabellen:
- Rumänska: CLDR 41 placerar 101 med 20 och 100, som tar "de" ("100 de zile"); nuvarande CLDR placerar det med 2 till 19, som inte gör det. Vår modell skrev "101 obiceiuri ratate", utan "de".
- Hebreiska: CLDR 41 hade fortfarande en "many"-form för 20, 30, 40 och så vidare. Senare CLDR tog bort den, så hebreiska har tre platser: en, två och other.
- Haitisk kreol fanns inte alls i den datan. Nuvarande CLDR ger den två former, en för 0 och 1 och other för resten, men haitiska substantiv böjs inte efter numerus ("1 liv", "2 liv"), så vi behöll en enda plats, som Polyglot gör i sina andra format.
Vad platserna innehåller
- Ryska, ukrainska och polska har tre platser, och den tredje är CLDR:s "many" (0, 5 till 20, 25…), inte "other": "other" är bara för bråk. Polsk "one" är 1 ensam; 21 är "many".
- Tjeckiska och slovakiska: deras "many" gäller endast bråk, så den tredje platsen är "other".
- Spanska, franska, italienska och portugisiska har en "many"-form för exakta miljontal; gettexts två platser kan inte skilja dem åt, så den delar "other".
- Franska, portugisiska, persiska, armeniska, amhariska, kannada och punjabi använder "one" även för 0, varför
plural=(n > 1).
Tabellen
| Språk | gettext | Plural-Forms | msgstr[0], [1]… |
|---|---|---|---|
| Amhariska | am | nplurals=2; plural=(n > 1); | one, other |
| Arabiska | 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 |
| Armeniska | hy | nplurals=2; plural=(n > 1); | one, other |
| Bulgariska | bg | nplurals=2; plural=(n != 1); | one, other |
| Kinesiska (förenklad) | zh_CN | nplurals=1; plural=0; | other |
| Kinesiska (traditionell) | zh_TW | nplurals=1; plural=0; | other |
| Tjeckiska | cs | nplurals=3; plural=(n == 1) ? 0 : ((n >= 2 && n <= 4) ? 1 : 2); | one, few, other |
| Nederländska | nl | nplurals=2; plural=(n != 1); | one, other |
| Filippinska | fil | nplurals=2; plural=(n != 1 && n != 2 && n != 3 && (n % 10 == 4 || n % 10 == 6 || n % 10 == 9)); | one, other |
| Finska | fi | nplurals=2; plural=(n != 1); | one, other |
| Franska | fr | nplurals=2; plural=(n > 1); | one, other |
| Tyska | de | nplurals=2; plural=(n != 1); | one, other |
| Grekiska | el | nplurals=2; plural=(n != 1); | one, other |
| Haitisk kreol | ht | nplurals=1; plural=0; | other |
| Hebreiska | he | nplurals=3; plural=(n == 1) ? 0 : ((n == 2) ? 1 : 2); | one, two, other |
| Ungerska | hu | nplurals=2; plural=(n != 1); | one, other |
| Indonesiska | id | nplurals=1; plural=0; | other |
| Italienska | it | nplurals=2; plural=(n != 1); | one, other |
| Japanska | ja | nplurals=1; plural=0; | other |
| Kannada | kn | nplurals=2; plural=(n > 1); | one, other |
| Khmer | km | nplurals=1; plural=0; | other |
| Koreanska | ko | nplurals=1; plural=0; | other |
| Makedonska | mk | nplurals=2; plural=(n % 10 == 1 && n % 100 != 11) ? 0 : 1; | one, other |
| Malajiska | ms | nplurals=1; plural=0; | other |
| Norska (bokmål) | nb | nplurals=2; plural=(n != 1); | one, other |
| Oromo | om | nplurals=2; plural=(n != 1); | one, other |
| Persiska | fa | nplurals=2; plural=(n > 1); | one, other |
| Polska | pl | nplurals=3; plural=(n == 1) ? 0 : ((n % 10 >= 2 && n % 10 <= 4 && (n % 100 < 12 || n % 100 > 14)) ? 1 : 2); | one, few, many |
| Portugisiska (Brasilien) | pt_BR | nplurals=2; plural=(n > 1); | one, other |
| Punjabi | pa | nplurals=2; plural=(n > 1); | one, other |
| Rumänska | ro | nplurals=3; plural=(n == 1) ? 0 : ((n == 0 || n % 100 >= 1 && n % 100 <= 19) ? 1 : 2); | one, few, other |
| Ryska | 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 gaeliska | gd | nplurals=4; plural=(n == 1 || n == 11) ? 0 : ((n == 2 || n == 12) ? 1 : ((n > 2 && n < 20) ? 2 : 3)); | one, two, few, other |
| Serbiska (kyrilliska) | 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 |
| Slovakiska | sk | nplurals=3; plural=(n == 1) ? 0 : ((n >= 2 && n <= 4) ? 1 : 2); | one, few, other |
| Slovenska | sl | nplurals=4; plural=(n % 100 == 1) ? 0 : ((n % 100 == 2) ? 1 : ((n % 100 == 3 || n % 100 == 4) ? 2 : 3)); | one, two, few, other |
| Spanska | es | nplurals=2; plural=(n != 1); | one, other |
| Svenska | sv | nplurals=2; plural=(n != 1); | one, other |
| Thailändska | th | nplurals=1; plural=0; | other |
| Turkiska | tr | nplurals=2; plural=(n != 1); | one, other |
| Ukrainska | 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 |
| Vietnamesiska | vi | nplurals=1; plural=0; | other |
Vad den verkliga körningen fann
Arabiskans noll- och tvåformer nekades först eftersom de utelämnade %(n)s. En form för ett enda tal får göra det, och den arabiska dualformen säger ”två” i sig, men vår kontroll kände bara igen %d och {count} som talet. Den känner nu även igen Pythons %(n)s och %(count)d, vilket också innebär att en rysk ”one” utan talet nekas, eftersom rysk ”one” också är 21 och 31. Samma körning lät vår modell läsa sina översättningar för att kontrollera betydelsen, och den fångade tjeckisk ”Unsubscribe” skriven som ”log out”.
Var den finns
Polyglot 1.4.0 skriver dessa rubriker i varje .po-fil den skapar och placerar varje form i sin plats. Varför en form som används för flera tal måste visa talet finns i en tidigare notering, och kontrollerna själva finns gratis i translation-checks, som sedan 1.3.0 också läser en .po-fil du redan har och säger till när dess Plural-Forms placerar tal i en plats som CLDR ger olika former för.