Internationalisering

Hvad det er

Internationalisering er det tekniske arbejde, der gør, at ét produkt
kan bruges på mange sprog og i mange regioner, uden at koden skal
ændres for hvert af dem. W3C definerer det som design og udvikling
af et produkt, en applikation eller et dokument, så det let kan
lokaliseres til målgrupper, der adskiller sig i kultur, region eller
sprog. På engelsk forkortes ordet i18n, fordi der står 18 bogstaver
mellem det første i og det sidste n, og forkortelsen bruges også i
danske kodebaser. Nogle kalder den samme idé globalisering.

W3C opsummerer arbejdsdelingen i én sætning: designere og udviklere
internationaliserer produkter, så oversættere og
lokaliseringsspecialister nemt kan lokalisere dem.
Internationaliseringen sker én gang, i koden og skabelonerne.
Lokaliseringen sker igen for hvert marked, i data, som koden læser.
Et produkt kan være fuldt internationaliseret og stadig kun findes
på ét sprog.

Den enhed, begge dele arbejder med, er en locale. CLDR's
specifikation definerer en locale som en identifikator for en række
brugerpræferencer, der typisk deles over store dele af verden: et
sprog, ofte afgrænset til en region, så `en-GB` og `en-US` deler
sprog, men skriver en dato forskelligt. Identifikatoren vælger på én
gang en oversættelse og et sæt konventioner.

W3C deler arbejdet i fire slags. Den første fjerner forhindringer:
produktet behandler tekst som Unicode eller håndterer en ældre
tegnkodning bevidst, hvor det er nødvendigt, det bygger ikke
sætninger ved at sætte stumper sammen, og koden afhænger aldrig af
den ordlyd, brugeren ser. Den anden tilføjer understøttelse, som
først et senere sprog får brug for, for eksempel markup til tekst,
der blander højre-til-venstre- og venstre-til-højre-skrift, en måde
at angive, hvilket sprog et afsnit er skrevet på, og stilregler til
lodret tekst. Den tredje lader koden bruge lokale konventioner, som
regel fra eksisterende biblioteker frem for tabeller, teamet selv
skriver: dato- og tidsformater, kalendere, talformater og
talsystemer, rækkefølgen, lister sorteres i, og håndteringen af
personnavne og tiltaleformer. Den fjerde holder alt, der skal
oversættes, ude af kildekoden, så den rette udgave kan indlæses til
hver læser.

Hvorfor det betyder noget

W3C's argument handler om timing. At ombygge et produkt, der er
bygget op om ét sprog og én kultur, er langt sværere og mere
tidskrævende end at designe det til et globalt publikum fra
begyndelsen, og W3C sammenligner arbejdet med år

2000-problemet, hvor tocifrede årstalsfelter, der gik ud fra, at
hvert år begyndte med 19, skulle bygges om. Kommer
internationaliseringen sent, ender den ofte som besværlig og dyr
ombygning. Kommer den tidligt, er den en håndfuld vaner, der næsten
intet koster den dag, de indføres.

Prisen for en manglende vane vokser med hvert sprog. En sætning, der
stykkes sammen af tre stumper i koden, er én fejl i et produkt på
dansk og fem fejl i et produkt med fem sprog, og rettelsen er hver
gang ikke en bedre oversættelse, men en ændring i koden, der skal
gennemgås og udgives som enhver anden. Det samme gælder en dato, der
formateres i hånden, en liste, der sorteres ved at sammenligne
bytes, og en test, der finder en knap på dens danske tekst.

Vanerne betaler sig også, når intet nogensinde bliver oversat, og
det påpeger W3C udtrykkeligt. Et produkt, der kun sælges på dansk,
modtager stadig navne med bogstaver, dansk ikke har, adresser
skrevet efter et andet lands skik og datoer fra systemer, der sætter
måneden før dagen. Tekst, der gemmes som Unicode, og data, der
beholder en dato som en dato, indtil den vises, klarer alt det uden
særtilfælde.

Sådan ser det ud i praksis

Den hurtigste prøve på, om et produkt er internationaliseret, er en
sætning med et tal i. Versionen, der ikke er, bygger sætningen i
koden:

```js
const label = count + (count === 1 ? " dag" : " dage");
```

Det virker for danske heltal og kan ikke oversættes til ukrainsk.
Ukrainsk har tre former for hele tal og en fjerde for brøker: день
efter 1, 21 og 101, дні efter 2, 3, 4 og 22, днів efter 0, 5 til 20
og 25, og дня efter et decimaltal. Uanset hvilket ord en oversætter
skriver i den anden gren, er det forkert for de fleste tal, fordi 21
tager samme form som 1, og 2 tager en anden form end 5.

Når produktet er internationaliseret, bliver sætningen til en nøgle,
og hvert sprogs tabel leverer alle de former, sproget har brug for.
I Hugo ligger oversættelsestabellerne i mappen `i18n`, én fil pr.
sprog, opkaldt efter sprogkoden:

```toml
i# i18n/da.toml		engineer.company	70
[days]
one = '{{ . }} dag'
other = '{{ . }} dage'
```

```toml
i# i18n/uk.toml		engineer.company	70
[days]
one = '{{ . }} день'
few = '{{ . }} дні'
many = '{{ . }} днів'
other = '{{ . }} дня'
```

Skabelonen beder om nøglen og giver tallet med. Den indeholder ikke
et ord på nogen af sprogene og ingen regel om flertal:

```text
{{ T "days" 21 }}
```

De danske sider viser `21 dage` og de ukrainske `21 день`; med 2
viser de `2 dage` og `2 дні`, og med 5 `5 dage` og `5 днів`. Navnene
`one`, `few`, `many` og `other` er ikke Hugos opfindelse. Det er
flertalskategorierne fra CLDR, Unicode-konsortiets samling af lokale
konventioner, og Hugos dokumentation henviser til CLDR's oversigt
over flertalsregler for at se, hvilke kategorier hvert sprog har. Et
nyt sprog kommer til som en ny fil uden ændringer i skabelonerne.

Når produktet vokser, bliver tabellerne dets største samling tekst,
og de kræver samme disciplin som koden. Et af dette websteds
projekter, et engelsk/dansk i18n-system, rummer 12.027 beskeder pr.
locale fordelt på 458 namespace-filer. Hver fil har et budget på 400
linjer, et linter-tjek sammenligner nøglerne på tværs af sprogene,
så ingen nøgle findes på det ene sprog og mangler på det andet, og
den danske side følger et fastlåst ordforråd, ned til det uformelle
»du«, som værktøjerne håndhæver ved hver commit. Siden kalder
budgettet den bærende del: uden en grænse pr. fil ville de

458 filer have været tolv.

Hvor det går galt

Sætninger limes sammen. En besked bygget som `"Slet " + n + "
filer?"` når frem til oversætteren som to stumper uden nogen sætning
omkring dem og i en rækkefølge, kun dansk og engelsk har brug for.
Et andet sprog vil måske have tallet til sidst eller en bøjning, der
afhænger af navneordet. W3C nævner omhu med sammensætning af strenge
som en del af arbejdet. Gør hver sætning til én besked med navngivne
pladsholdere, som oversætteren kan flytte rundt på; Hugos
dokumentation viser, hvordan `{{ T "age" (dict "name" "Will" "count"
1) }}` fylder både et navn og et tal ind i én oversat sætning.

Koden læser ordene på skærmen. En test, der finder en knap på
teksten »Gem«, eller en gren, der sammenligner en status med teksten
»Betalt«, virker indtil den første oversættelse og fejler derefter
uden en fejlmeddelelse. W3C regner det at undgå, at koden afhænger
af brugerfladens tekster, blandt de første ting,
internationalisering indebærer. Sammenlign nøgler, identifikatorer
og faste værdier, og giv testene en stabil attribut at finde
elementet på.

Én flertalsregel til alle sprog. `count === 1` er den engelske regel
skrevet som kode. Den holder for danske heltal, men er forkert for
de fleste af de sprog, et produkt kan få. CLDR's specifikation
definerer seks flertalskategorier, zero, one, two, few, many og
other, hvoraf kun other er obligatorisk, og giver hvert sprog sine
egne regler for, hvilken der gælder: dansk bruger to, ukrainsk fire.
Giv tallet med til beskeden, og lad oversættelsestabellen rumme alle
de kategorier, sproget bruger.

En manglende oversættelse fejler lydløst. Hugos `T` falder tilbage
på standardsproget, når en nøgle mangler i det aktuelle sprog, og
returnerer en tom streng, når standardsproget heller ikke har den.
En side kan altså gå i luften med et hul eller med en engelsk
vending midt i en dansk sætning. Byg med `--printI18nWarnings` for
at få listet alle manglende oversættelser og fallbacks, slå
`enableMissingTranslationPlaceholders` til i et testmiljø, så
hullerne ses på siden, og sammenlign alle sprogs nøgler i den
kontinuerlige integration.

Datoer og tal formateres i hånden. En skabelon, der skriver
`MM/DD/YYYY`, eller et tal med komma for hvert tredje ciffer, har
kodet ét land ind. Samme dag er `10/27/26` på amerikansk engelsk,
`27/10/2026` på britisk engelsk, `27.10.2026` på dansk og
`2026-10-27` på svensk, og det, der på dansk skrives

12.027,5, er `12,027.5` på engelsk og har mellemrum som
tusindtalsseparator på norsk, svensk og ukrainsk. CLDR's
specifikation anbefaler at gemme og udveksle sprogneutrale data og
først formatere dem til læseren. Hold datoer og beløb som rene
værdier til sidste trin, og formatér dem der med platformens
sprogbevidste funktioner. I Hugo viser `time.Format ":date_full"`
samme dato som `Wednesday, November 3, 2021` på en engelsk side og
`Mittwoch, 3. November 2021` på en tysk.

Teksten gemmes ikke som Unicode. Et produkt, der skriver
»blåbærsyltetøj« i UTF-8 og læser det tilbage som Windows-1252,
viser »blÃ¥bÃ¦rsyltetÃ¸j«, og et produkt, der gemmer tekst i en
ældre kodning beregnet til ét sprog, kan slet ikke rumme et ukrainsk
navn. At tage Unicode i brug er det første punkt på W3C's liste.
Brug én Unicode-kodning, normalt UTF-8, hele vejen fra databasen til
browseren, og angiv den ved hver grænse, hvor bytes bliver til
tekst.

Læs mere

  * Localization vs. Internationalization — W3C's
arbejdsdefinitioner af begge begreber, de fire slags arbejde,
internationalisering omfatter, og hvorfor det hører hjemme i
begyndelsen.

  * Hugo: Multilingual mode — oversættelsestabeller, lokaliserede
datoer og valutaer, og hvordan Hugo melder en manglende
oversættelse.

  * Hugo: lang.Translate — opslagsrækkefølgen på tværs af sprog,
flertalskategorier i oversættelsestabeller og beskeder med navngivne
pladsholdere.

  * UTS #35, Part 1: Core — CLDR's specifikation:
locale-identifikatorer, nedarvning mellem locales og rådet om at
holde data sprogneutrale, indtil de vises.

  * UTS #35, Part 3: Numbers — talsymboler og talmønstre pr. locale
samt flertalskategorierne og reglerne for at vælge mellem dem.

hDenne side på nettet	URL:https://engineer.company/da/glossary/internationalization/	engineer.company	70
