前言

 最近加入到新項(xiàng)目組負(fù)責(zé)前端技術(shù)預(yù)研和選型，其中涉及到一個(gè)熟悉又陌生的需求——國(guó)際化＆本地化。熟悉的是之前的項(xiàng)目也玩過，陌生的是之前的實(shí)現(xiàn)僅僅停留在"有"的階段而已。趁著這個(gè)機(jī)會(huì)好好學(xué)習(xí)整理一下，為后面的技術(shù)選型做準(zhǔn)備。
 本篇將闡述國(guó)際化和本地化的概念，以及其中一個(gè)很重要的概念——Language tag(也叫Language code 或 Culture)。

何為國(guó)際化？

 國(guó)際化我認(rèn)為就是應(yīng)用支持多語(yǔ)言和文化習(xí)俗(數(shù)字、貨幣、日期和字符比較算法等)，而本地化則是應(yīng)用能識(shí)別用戶所屬文化習(xí)俗自動(dòng)適配至相應(yīng)的語(yǔ)言文化版本。
 過去常常以為國(guó)際化就是字符串的替換——如"你好!"替換為"What's up, man!"，其實(shí)具體是分為以下5方面:

1. 字符串替換
    如"你好!"替換為"What's up, man!".
2. 數(shù)字表示方式
    如1200.01，英語(yǔ)表示方式為1,200.01，而法語(yǔ)則為1 200,01，德語(yǔ)則為1.200,01.
3. 貨幣表示方式
    如人民幣￥1,200.01，美元表示方式為$1,200.01，而英語(yǔ)的歐元?jiǎng)t為€1,200.01，德語(yǔ)的歐元?jiǎng)t為1.200,01 €.
   注意: 這里沒有還沒算上匯率呢.
4. 日期表示方式
    如2016年9月15日，英語(yǔ)表示方式為9/15/2016, 而法語(yǔ)為15/9/2016, 德語(yǔ)為15.9.2016.

5. 字符比較算法
    如ä和z比較時(shí)，英語(yǔ)、德語(yǔ)中均是ä排在z前面，而在瑞典語(yǔ)中則是z排在ä前面.

   本地化的關(guān)鍵 —— Language Tag

    既然要自動(dòng)適配至用戶所屬的語(yǔ)言文化版本，那么總得有個(gè)根據(jù)才能識(shí)別吧？我想大家應(yīng)該對(duì)zh-CN和en等不陌生吧，而它們正是我們所需的根據(jù)了！在我們使用已有i18n庫(kù)實(shí)現(xiàn)國(guó)際化/本地化時(shí)，必定會(huì)寫下以下文檔

   {
    "en": { "name": "Enter Name" },
    "zh-CN": { "name": "輸入姓名" }
   }

    但除了en和zh-CN還有其他鍵嗎？它們的組成規(guī)則又是如何的呢？下面我們來(lái)稍微深入的了解這些Language Tag吧！

語(yǔ)法規(guī)則

注意以下采用ABNF語(yǔ)言描述(ABNF的語(yǔ)法請(qǐng)參考語(yǔ)法規(guī)范：BNF與ABNF)

Language-Tag = langtag
    / privateuse
    / grandfathered

langtag = language
   ["-" script]
   ["-" region]
   *("-" variant)
   *("-" extension)
   ["-" privateuse]

可以看到Language-Tag分為langtag，privateuse 和 grandfatherd三個(gè)子類,下面我們先了解一般情況用不上的兩個(gè)吧！
privateuse
 標(biāo)簽的意思不由subtag registry定義，而是由使用的團(tuán)隊(duì)間私自定義、維護(hù)和使用。
 格式:

privateuse = "x" 1*("-" (1*8alphanum))

示例:x-zh-CN是privateuse，其意思不一定與languagezh-CN一致。
注意: 只作為小集團(tuán)內(nèi)部用可以，決不能大范圍適用。

grandfathered
 用于向后兼容。由于RFC 4646前的標(biāo)簽無(wú)法完全匹配當(dāng)前registry的標(biāo)簽語(yǔ)法和意思，因此通過grandfathered來(lái)提供向后兼容的特性。
 語(yǔ)法:

grandfathered = irregular
    / regualr
irregular = "en-GB-oed"   ; irregular tags do not match
   / "i-ami"    ; the 'langtag' production and
   / "i-bnn"    ; would not otherwise be
   / "i-default"   ; considered 'well-formed'
   / "i-enochian"  ; These tags are all valid,
   / "i-hak"    ; but most are deprecated
   / "i-klingon"   ; in favor of more modern
   / "i-lux"    ; subtags or subtag
   / "i-mingo" 
   / "i-navajo"
   / "i-pwn"
   / "i-tao"
   / "i-tay"
   / "i-tsu"
   / "sgn-BE-FR"
   / "sgn-BE-NL"
   / "sgn-CH-DE"
regular = "art-lojban"  ; these tags match the 'langtag'
  / "cel-gaulish"  ; production, but their subtags
  / "no-bok"   ; are not extended language
  / "no-nyn"   ; or variant subtags: their meaning
  / "zh-guoyu"   ; is defined by their registration
  / "zh-hakka"   ; and all of these are deprecated
  / "zh-min"   ; in favor of a more modern
  / "zh-min-nan"  ; subtag or sequence of subtags
  / "zh-xiang"

注意: 幾乎所有g(shù)randfarthered標(biāo)簽均可被當(dāng)前registry的標(biāo)簽及其組合作替代(像i-tao可以被tao代替)，因此如無(wú)意外請(qǐng)使用現(xiàn)行的標(biāo)簽吧。

下面就到了我們的重頭戲langtag了,首先我們看看langtag下的第一個(gè)subtag——language.

Primary language subtag

 像en這種就是Primary language subtag，用于標(biāo)識(shí)資源所對(duì)應(yīng)的語(yǔ)言。
 語(yǔ)法:

language = 2*3ALPAH
   ["-" extlang]
   / 4ALPHA
   / 5*8ALPHA
extlang = 3ALPHA
   *2("-" 3ALPHA)

看到language有三種形式，其中讓我比較好奇的是第一種2*3ALPHA ["-" extlang]。這種形式中前面的2*3ALPHA稱為macrolanguage，用于標(biāo)明資源對(duì)應(yīng)一種語(yǔ)言的匯總，而具體的某一種語(yǔ)言/方言則通過extlang指定。而包含extlang部分的language也被稱為encompassed language.
如zh-cmn和zh-yue就是encompassed language，其中zh是macrolanguage，而cmn和yue則是extlang。
 這里有個(gè)很有趣的事情是，我們認(rèn)為普通話和廣東話等都是漢語(yǔ)的方言，但西方卻認(rèn)為普通話、廣東話根本就不屬于一種語(yǔ)言，因此像zh-cmn和zh-yue在規(guī)范中被設(shè)置為redundant，建議直接使用cmn和yue等。不過由于歷史原因，我們還是使用zh-CN代表cmn-CN。
 另外現(xiàn)在可以作為macrolanguage的就只有7個(gè)標(biāo)簽(ar,kok,ms,sw,uz,zh和sgn)
 另外幾個(gè)和cmn類似的subtags如下

cmn 普通話（官話、國(guó)語(yǔ)）
wuu 吳語(yǔ)（江浙話、上海話）
czh 徽語(yǔ)（徽州話、嚴(yán)州話、吳語(yǔ)-徽嚴(yán)片）
hak 客家語(yǔ)
yue 粵語(yǔ)（廣東話）
nan 閩南語(yǔ)（福建話、臺(tái)語(yǔ)）
cpx 莆仙話（莆田話、興化語(yǔ)）
cdo 閩東語(yǔ)
mnp 閩北語(yǔ)
zco 閩中語(yǔ)
gan 贛語(yǔ)（江西話）
hsn 湘語(yǔ)（湖南話）
cjy 晉語(yǔ)（山西話、陜北話）

注意: 一般采用全小寫

Script subtag

 用于指定字跡或文字系統(tǒng)資源所屬的語(yǔ)言和方言等。
 語(yǔ)法:

script = 4ALPHA

注意: 一般采用首字母大寫，后續(xù)字母全小寫

Region subtag

 指定與國(guó)家、地域?qū)?yīng)的語(yǔ)言/方言文化。
 語(yǔ)法:

region = 2ALPHA
  / 3DIGIT

注意: 一般采用全大寫

Variant subtag

 指定其他subtag又無(wú)法提供的額外信息
 語(yǔ)法:

variant = 5*8alphanum
  / (DIGIT 3alphanum)

示例:de-CH-1996其中1996是variant subtag，整體意思是在Switzerland使用的自1996改良過的德語(yǔ)。

Extension subtag

 提供一種機(jī)制讓我們?nèi)U(kuò)展langtag
 語(yǔ)法:

extension = singleton 1*("-" (2*8alphanum))
singleton = DIGIT
   / %x41-57
   / %x59-5A
   / %x61-77
   / %x79-7A

現(xiàn)在僅支持u作為sigleton的值。
示例:de-DE-u-co-phonebk表示采用電話本核對(duì)的方式對(duì)內(nèi)容進(jìn)行排序等操作。

更多關(guān)于language-tag的信息請(qǐng)參考BCP 47

如何選擇Language Tag

 硬著頭皮啃下這么多規(guī)范的內(nèi)容，但我還不知道如何組合合適的language-tag呢:(其實(shí)選擇和組合的原則就只有一條
在足以區(qū)別當(dāng)前上下文中其他language-tag的前提下，保持language-tag足夠地短小精干
示例1:下文普通話、粵語(yǔ)并存

<p lang="cmn">
小陳說(shuō):"老大爺，東方廣場(chǎng)怎么走??？"
老大爺回答道:"<span lang="yue">你講咩也?。课衣犨砻鬣?。</span>"
</p>

示例2:下文含大陸人講英語(yǔ)、香港人講普通話和美國(guó)人說(shuō)英語(yǔ)

<p lang="cmn">
小陳說(shuō):"<span lang="en-CN">Hi, where are you come from?</span>"
李先生說(shuō):"<span lang="cmn-HK">你的英文跟我的普通話一樣普通啊，哈哈！</span>"
Simon說(shuō):"<span lang="en">Hey, what's up!</span>"
</p>

 那現(xiàn)在引出另一個(gè)問題，那就是我們?cè)趺粗栏鱾€(gè)subtag具體定義了哪些值呢？
具體都定義在IANA Language Subtag Registry中了。
假如覺得查找起來(lái)還是不方便，那么就使用Language Subtag Lookup tool吧！
另外若不清楚各國(guó)各地區(qū)所使用的語(yǔ)言或方言時(shí)，可通過Ethnologue查看，直接點(diǎn)擊地圖上的區(qū)域即可獲取相應(yīng)的subtag信息。

總結(jié)

 現(xiàn)在我們已經(jīng)對(duì)國(guó)際化和本地化有了更全面的理解，也對(duì)Language tag有了更深入的認(rèn)識(shí)，現(xiàn)在是不是迫不及待想挽起袖子擼代碼呢？敬請(qǐng)期待下篇《JS魔法堂:不完全國(guó)際化&本地化手冊(cè) 之 實(shí)戰(zhàn)篇》

感謝

網(wǎng)頁(yè)頭部的聲明應(yīng)該是用 lang="zh" 還是 lang="zh-cn"？
Language Subtag Registry
BCP 47
Language on the Web
Choosing a Language Tag
Language tags in HTML and XML