國際化是 XML 的主要優勢之一,但諷刺的是,極少有 XML 格式真的提供了讓內容本地化的機制。這篇文章談的是:怎麼在設計階段就把本地化的需求考慮進去。
XML 的核心字符集是 Unicode,這提供了支援各語系系統的基礎——歐洲的 ISO-8859 系列、日本的 Shift-JIS、中文的 BIG-5 等。但光是支援字符集還遠遠不夠。
歷史上,許多應用程式最初以單一地區的觀點開發,後來要做國際化部署時,往往得投入大量成本重寫。真正的挑戰在於:能否依據特定語言與文化習慣,定制資訊的表達方式。這就是本地化。
本地化的某些層面(如日期格式、姓名順序)可以靠基本的 XML 機制解決,最直接的一招是使用國際標準形式。日期是最典型的例子,建議採用 ISO 8601:
<?xml version="1.0" encoding="utf-8"?> <products> <!-- 美國地區格式 --> <product release-date="8/18/2002"/> <!-- ISO-8601 格式 --> <product release-date="2002-08-18"/> </products>
ISO-8601 有個常被忽略的實用優勢:它可以直接當字串比大小。在多數程式語言中,"8/19/2001" 會被判定大於 "8/18/2002",即使前者日期更早;但改用 "2001-08-19" 與 "2002-08-18" 相比,字串順序與時間順序就自然一致了。
因此建議:資料層一律用 ISO-8601 儲存,呈現層再用本地化格式顯示給使用者。這類轉換在多數程式語言中都很成熟,XSLT 的 EXSLT 擴充庫也提供了對應的日期時間函數。
另一個思路是精心構造資料結構,讓它能在本地以適當方式重組。姓名是最好的例子——在某些文化(如中文)中,姓在名之前。
<?xml version="1.0" encoding="utf-8"?>
<signatories>
<!-- 直接寫法 -->
<name>Mr. Uche Ogbuji</name>
<!-- 支援本地習俗的結構化寫法 -->
<name>
<honorific>Mr.</honorific>
<given>Uche</given>
<family>Ogbuji</family>
</name>
</signatories>
直接寫法的風險很明確:讀取端得靠猜測切分姓名各部分,而一旦敬語被省略,順序判斷就可能出錯。結構化寫法則讓顯示端能依本地習俗重新組裝;若再附上國籍這類線索,甚至能為每筆姓名定制合適的順序。
代價是增加了複雜度與檔案大小。這裡有個永恆的取捨:標記結構的豐富程度,實用性與靈活性之間必須權衡。結構太簡單無法適應差異,太複雜則誰都懶得用。
要表示標籤、訊息、描述的翻譯版本時,XML 1.0 提供了在元素內容與屬性值中標示語言的機制:
<?xml version="1.0" encoding="utf-8"?> <menu> <item id="A" xml:lang="en">Orange juice</item> <item id="A" xml:lang="es">Jugo de naranja</item> <item id="B" xml:lang="en">Toast</item> <item id="B" xml:lang="es">Pan tostada</item> </menu>
xml:lang 可以取 RFC 1766 允許的任何值:主要語言指稱如 en(英語)、es(西班牙語);若某語言有多種變體,可加上區域碼以更精確定義,例如 en-US(美式英語)、en-GB(英式英語)、es-MX(墨西哥西班牙語)。
三個實務細節值得記住:
xml 名稱空間已隱式定義在每份文件中。對應的 DTD 片段如下:
<!ATTLIST item xml:lang NMTOKEN #IMPLIED "en">
這行宣告同時完成兩件事:加入對該屬性的支援,並設定預設值 en,以免屬性被省略時失去依據。
本地化所需的工作遠比這篇短短的說明更多。對開發者而言,它與其說是規則集,不如說是一種思維習慣。
真正該持續問自己的問題是:「在我的程式碼與資料中,有哪些我以為理所當然、但其實會隨地區而變的假設?」日期怎麼排、姓名怎麼切、數字用什麼分隔符、文字從左往右還是從右往左、一週從週幾開始——這些細節平時隱形,出問題時卻代價高昂。
學習各種可能的使用習慣並把它們建構進程式碼中,是開發者的一項關鍵技能。XML 提供了做到這件事的重要基礎工具,剩下的取決於你是否養成使用它們的習慣。
xml:lang 的允許值。