做多語言網站很多年了，翻譯的辦法以機器翻譯+人工校對為主，去年在做EmojiAll這個網站的時候才發現還有個CLDR ，當時記錄了一篇博客文章《Unicode的CLDR有Emoji翻譯文字，但新版缺少了幾十個》。這兩天在更新Emoji 13.0的時候再次用到該語言翻譯系統，特别記錄如下。
CLDR是Common Locale Data Repository的簡稱，可翻譯為通用語言環境數據倉庫，該項目提供一些常見信息的标準化翻譯，由Unicode Consortium非盈利組織提供的XML格式語言數據，主要用于機器使用，計算機操作系統涉及到的很多信息都包含在内，例如：
- 語言名稱的翻譯
- 領土和國家名稱的翻譯
- 貨币名稱的翻譯，包括單/複數
- 完整和縮寫形式的工作日、月份、時代、時段的翻譯
- 時區和示例城市（或類似城市）的時區翻譯
- 日曆字段的翻譯
- 用于格式化/解析日期或一天中的時間的模式
- 用于編寫語言的示例字符集
- 格式化/解析數字的模式
- 适應語言的排序規則
- 在傳統數字系統中格式化數字的規則（例如羅馬數字、亞美尼亞數字 …）
- 将數字拼寫為單詞的規則
- 腳本之間音譯的規則，其中很多是基于BGN / PCGN羅馬化的
官方網址：CLDR - Unicode Common Locale Data Repository
英文維基百科介紹：Common Locale Data Repository
該項目每年提供兩次版本更新，一次是4月份，一次是10月份。我這次是急着希望能獲取最新Emoji 13.0的翻譯，去github找到了最新開發版本：github-unicode-org/cldr，可以下載最新數據。
裡面與Emoji有關的annotations數據是已經更新了，但annotationsDerived數據沒有更新，還是與去年的一樣，隻有繼續等待了。
除了Emoji網站可以利用其中一些翻譯數據以外，還看到有國家下屬子區域名稱也有各種語言的翻譯：subdivisions，可用的區域英文名稱和代碼：Territory Subdivisions，例如代碼cnhb的中文簡體（目前在yue_Hans.xml文件中）是“湖北”，可以考慮以後用到需要翻譯國家下面一級或者兩級子區域的網站，例如郵編庫系列網站。
评论