IETF语言标签

语言标签是语言代码的缩写表示，例如en表示英语，pt-BR表示巴西葡萄牙语。由互联网工程任务组 (IETF)的“BCP（英语：Best Current Practice） 47”文档系列定义。现在标准化为RFC 5646 (引用了相关的RFC 5645)与RFC 4647, IANA语言子标签登记。使用的各成分来自ISO 639, ISO 15924, ISO 3166-1, UN M.49.这种语言标签用于许多现代的计算标准，包括IETF的互联网协议如HTTP, XML 以及PNG,，SGML，Unicode，ANSI，ECMA。Microsoft的Windows操作系统使用它代替过时的LCID，来表示locale。IETF语言标签的最早版本是1995年3月发布的RFC 1766。使用ISO 639的2字母语言代码，ISO 3166的2字母国家地区代码，允许登记的标签携带variant或书写文字子标签。2001年1月发布RFC 3066, 使用ISO 639-2的3字母语言代码。2006年9月发布RFC 4646 (规范的主体)与RFC 4647 (处理匹配行为)。RFC 4646增加了使用ISO 15924 的4字母书写文字代码与UN M.49的3数字地理分区码。2009年9月发布RFC 5646，引入了3字符码的ISO 639-3与639-5作为语言子标签。语言标签由一个或多个子标签（subtags）组成，用连字号(-)分隔。子标签只能由基本拉丁字母或数字组成。子标签出现顺序：例外情况是x-前缀开头的私用语言标签，向后兼容的grandfathered语言标签（包括i-前缀与以前登记的老的语言标签）。上述未指明的子标签应该小写。实际上整个语言标签是大小写无关的。可选的script与region子标签如果没有提供可辨识信息，则将被忽略。例如拉丁字母拼写的西班牙语es-Latn，日本的日语ja-JP。并不是所有语言区域都有有效的区域子标签：主语言的国内方言区被登记为variant子标签。例如，valencia variant子标签用于加泰罗尼亚语的巴伦西亚语方言。由于该方言几乎只用于西班牙国内，区域子标签ES通常忽略。宏语言（macrolanguage）中的语言代码或者直接用语言子标签表示，如普通话cmn；或者用语言-扩展子标签的组合，如zh-cmn。手语用扩展子标签，前缀为sgn。虽然源自ISO或UN的标准，但并不是严格遵循。特别是ISO 639, ISO 15924, ISO 3166, UN M.49等标准撤回某些编码，甚至改变某些编码所指的时候，RFC 4646规定语言标签仍然保持最初含义不变。RFC 4646之前登记的语言标签现在分为"grandfathered"或"redundant"，视其是否满足目前的语法而定。并且是过时的。现在采用ISO 639-3语言子标签。例如，nan取代了zh-min-nan表示闽南语；hak取代了i-hak、zh-hakka表示客家话；ase取代了sgn-US表示美国手语。ISO 639-5使用3字母表示一个语言群中所有的语言。而ISO 639-2使用3字母表示一个语言群中没有独立语言标签的那些语言。例如，ISO 639-2代码afa表示"Afro-Asiatic (Other)"，不包含阿拉伯语。而ISO 639-5中的这个代码表示"Afro-Asiatic languages"，包含亚非语系所有语言。这一变化发生在2009年。ISO 639-5为了向后兼容ISO 639-2，对于这些老的代码，定义了grouping type attribute。BCP 47定义了"Scope"属性用于语言集子标签的辨别。但是没有定义任何inclusive或exclusive属性，也没有使用ISO 639-5的grouping type attribute。ISO 639-5没有定义哪些语言属于某个语言集。因此RFC 5646不建议使用语言集，除非是那些非特定的语言集，如"Multiple languages"与 "Undetermined"。某些主语言子标签携带了属性"Suppress-Script"，通常某个书写系统适用于该语言。因此会忽略script子标签。例如，yi取代了yi-Hebr ，因为意地绪语总是使用希伯来字母书写。另一个例子，zh-Hans-SG可被认为等价于zh-Hans，因为新加坡简体中文与其他简体中文几乎一样。但是，这里的script子标签显然是有意义的。当语言的地区方言有专门的子标签，这比使用地区子标签更优。例如，ar-DZ应该被arq代替来表示阿尔及利亚阿拉伯语。Extension子标签（不要与extended语言子标签混淆）允许附加额外的信息，如locale，calendar，currency。至2014年1月已经分配了两种扩展。2012年2月，Unicode Consortium在RFC 6497发布了Extension T用于语言标签包含信息关于音译（transliterated），转写（transcribed），变换（transformed）。例如，en-t-jp用于从日语翻译到英语。2010年12月，Unicode Consortium在RFC 6067发布了Extension U，允许在Common Locale Data Repository（英语：Common Locale Data Repository）(CLDR)中嵌入了宽属性，表示很多locale数据集。例如：Windows Vista及以后版本，采用RFC 4646作为locale标签，字符串最大长度85，包含了结尾的零字符。只有语言子标签，称为中立locale（neutral locale）。加上地区子标签，称为specific locale。格式为<language>-<Script>-<REGION>，例如"uz-Latn-UZ"表示乌兹别克斯坦的使用拉丁字母的乌兹别克语。排序规则应写为<language>-<Script>-<REGION>_<sort order>