将语言代码与该语言为官方语言或常用语言的国家/地区匹配

Question

有没有python库可以获取特定语言代码的国家/地区列表，其中该代码是官方或常用语言？

例如，"fr“的语言代码与29个法语为官方语言的国家/地区以及8个常用法语的国家/地区相关。

Answer 1

pycountry (认真的)。您可以从Package Index获得它。

Answer 2

尽管有公认的答案，但据我所知，在pycountry底层的xml文件中没有一个包含将语言映射到国家的方法。它包含语言及其iso代码的列表，国家及其iso代码的列表，以及其他有用的东西，但不包括这些。

类似地，Babel包也很棒，但在仔细研究了一段时间后，我找不到任何方法来列出特定国家的所有语言。你能做的最好的就是“最有可能”的语言：https://stackoverflow.com/a/22199367/202168

所以我得自己去拿。

import lxml.etree
import urllib.request

def get_territory_languages():
    url = "https://raw.githubusercontent.com/unicode-org/cldr/master/common/supplemental/supplementalData.xml"
    langxml = urllib.request.urlopen(url)
    langtree = lxml.etree.XML(langxml.read())

    territory_languages = {}
    for t in langtree.find('territoryInfo').findall('territory'):
        langs = {}
        for l in t.findall('languagePopulation'):
            langs[l.get('type')] = {
                'percent': float(l.get('populationPercent')),
                'official': bool(l.get('officialStatus'))
            }
        territory_languages[t.get('type')] = langs
    return territory_languages

您可能希望将结果存储在一个文件中，而不是每次需要时都通过web调用。

此数据集还包含“非官方”语言，您可能不想包含这些语言，以下是更多示例代码：

TERRITORY_LANGUAGES = get_territory_languages()

def get_official_locale_ids(country_code):
    country_code = country_code.upper()
    langs = TERRITORY_LANGUAGES[country_code].items()
    # most widely-spoken first:
    langs.sort(key=lambda l: l[1]['percent'], reverse=True)
    return [
        '{lang}_{terr}'.format(lang=lang, terr=country_code)
        for lang, spec in langs if spec['official']
    ]

get_official_locale_ids('es')
>>> ['es_ES', 'ca_ES', 'gl_ES', 'eu_ES', 'ast_ES']

Answer 3

去找巴别包。对于每个支持的语言环境，它都有一个pickle文件。要获取所有语言环境的列表，请参阅localedata模块中的list()函数。然后编写一些代码，将语言环境划分为(语言、国家等)等