html语言如此简单,HTML lang 没你想的那么简单

最新推荐文章于 2024-04-12 14:56:46 发布

大苏牙

最新推荐文章于 2024-04-12 14:56:46 发布

阅读量236

点赞数

文章标签： html语言如此简单

前言

做 web 无障碍相关的研究时，遇到的第一件事就是要给设置正确的 lang 属性，这么简单的一件事，想也不用就写好了：，或者直接简写成，Bingo，可以去做其它事了。

但仔细想一想，好像有些问题

zh 是什么鬼？拼音？明明是国际标准怎么会用中文拼音？

CN 为什么要大写？zh-CN表示中国中文，zh-SG表示新加坡中文，但都是用的简体中文，貌似没什么区别？

如果页面上显示的是用中文显示的粤语用词，如佢系一个须刨嚟嘅 (它是一个刮胡刀)，那屏幕阅读器是用普通话朗读还是用粤语朗读呢？

为了一探究竟，我决定开始了解下语言标记是如何定义的。

过程

先从 lang 属性的定义开始，参考 MDN 上关于 lang 上的解释，它是由 IETF 的 BCP47 规范来定义的，根据 BCP47 规范的描述，它是 RFC5646 与 RFC4647 这两个规范的最佳实践合集，其中取代了 RFC4646、RFC3066、RFC1766 这三个旧的语言标签规范，最新的规范定义了语言标签的描述规则如下：

language - extlang - script - region - variant - extension - privateuse

主语言 - 扩展语言(方言) - 书写文字 - 区域 - 变体 - 扩展 - 私有

复制代码

由子标签按顺序通过连字号(-)连接起来组成一个完整的语言标签，各子标签的格式遵循以下标准：

language：ISO639-1 (2002)的2字母语言代码，ISO639-2 (1998) 或 ISO639-3 (2007) 或 ISO639-5 (2008)的3字母语言代码

extlang：ISO639-3 每个由3字母组成

script：ISO15924 的4字母书写文字代码

region：ISO3166-1_alpha-2 的2字母地区代码(通常大写)，或UNM.49的3数字地理区代码

variant：IANA语言子标签注册表每个为5至8个字母，或者4字母后跟1个数字

extension：暂未知

privateuse：暂未知

这才刚开始讲，就遇到了一堆的专有名称，一堆的国际规范，用一个字形象我现在的心情：懵

对新规范的解读先停一下，我们来先回过头来从 zh-CN 的历史开始讲起

历史

1995年3月 IETF(互联网工程任务组)发布最早的 RFC1766 语言标签规范，使用 ISO639-1 的2字母语言代码，ISO3166-1_alpha-2 的2字母国家地区代码并(约定大写)。ISO639-1 规范中汉语使用 zh 表示，来自“中文”的汉语拼音：Zhōngwén。ISO3166-1_alpha-2 规范中中国的代码是 CN，这大概就是 zh-CN 的由来，也是目前使用最普遍的一种中文语言标签。

2001年1月发布的 RFC3066 语言标签规范, 使用 ISO639-2 的3字母语言代码，汉语使用 zho 表示，同样来自“中文”的汉语拼音：Zhōngwén 的前3个字母。

2006年9月发布 RFC4646 (规范的主体)与 RFC4647 (处理匹配行为) 语言标签规范。 RFC4646 增加了使用 ISO15924 的4字母书写文字子标签，简体中文是 Hans，繁体中文是 Hant，以及 UNM.49 的3数字地理分区码。

2009年9月发布 RFC5646 ，引入了3字符码的 ISO639-3 与 ISO639-5 作为语言子标签，其中 ISO639-3 认定汉语文(zho)是一个大语文(macrolanguage)，包含14种语文，cdo – 闽东语，cjy – 晋语，cmn – 普通话或國語，cpx – 莆仙语，czh – 徽语，czo – 闽中语，gan – 赣语，hak – 客家话，hsn – 湘语，mnp – 闽北语，nan – 闽南语，wuu – 吴语，yue – 粤语，lzh - 文言文。

2009年9月发布的 BCP47 整合了 RFC4647 和 RFC5646 形成语言标签最佳实践，仍然使用 zh 作为大语文(macrolanguage)标签， ISO639-3 中引入的另外14种语文标签作为方言扩展标签，但推荐方言扩展标签直接作为主语言标签，因此赣语的标签以 zh-gan 或 gan 开头、粤语的以 zh-yue 或 yue 开头、普通话的以 zh-cmn 或 cmn 开头，BCP47 规范建议优先选择后者，但关于这点目前在业界是有争议的，普遍的观点是希望保留 zh 作为主语言标签，这样能更好的向前兼容。

IANA 语言子标签注册表

了解了语言标签规范的发展历史，我们再回到 BCP47 规范，语言标签描述规则中的以下子标签:

language - extlang - script - region - variant - extension - privateuse

复制代码

在这些子标签中推荐使用 IANA语言子标签注册表中的子标签格式，这些格式通常是来源于各种 ISO 标准中的通用约定。

示例1：region 的取值 CN(中国)

Type: region

Subtag: CN

Description: China

Added: 2005-10-16

复制代码

示例2：script 的取值 Hans(简体中文)