IETF语言代码应该使用什么数据类型？

Question

我正在为微博平台上的消息设计一个模式，这个平台需要有一种定义的语言。这些消息将分布在多个节点之间的网络中，因此我需要使模式紧凑，但仍然是完全多语言的。

我将使用IETF语言代码 (en，en-AU等)，但为了提高效率，我需要知道是否有一种特定的方法来表示它们。语言标记有多种标准，但是当前的规范RFC 5646由于与以前的标准保持向后兼容性而变得复杂。我不完全理解空间的要求，因为有多个子标签。

表示IETF语言代码的最有效的空间方法是什么？

Answer 1

我认为IETF规范用于处理地区代码确实是业界的“最佳通用实践”，但肯定不是没有保持向后兼容性之类的妥协。由于最重要的国际化库和标准(Unicode、ICU)正在使用它，我仍然建议根据您的需要对其进行调整。

BCP47 47/ tag 5646 第4.4.1节建议使用35个字符的标签长度：

   language      =  8 ; longest allowed registered value
                      ;   longer than primary+extlang
                      ;   which requires 7 characters
   script        =  5 ; if not suppressed: see Section 4.1
   region        =  4 ; UN M.49 numeric region code
                      ;   ISO 3166-1 codes require 3
   variant1      =  9 ; needs 'language' as a prefix
   variant2      =  9 ; very rare, as it needs
                      ;   'language-variant1' as a prefix

   total         = 35 characters

              Figure 7: Derivation of the Limit on Tag Length

但是，如果您只关心语言和脚本(而不是表示一些区域敏感数据(如日期和时间格式)的区域信息)，那么您可以使用13个字符( max )。

实际上，大多数标记最终只能是语言的两个字符。我经常处理并需要脚本子标签的唯一常见示例是sr-Latn和sr-Cyrl (分别是用拉丁语或西里尔语编写的塞尔维亚语)、zh-Hant (繁体中文)和zh-Hans (简体中文)。另外，您很可能不需要这些变体，这意味着这些地区代码的大多数真实示例应该在17个字符的限制之下。