Internasjonalisering

Hva det er

Internasjonalisering er det tekniske arbeidet som gjør at ett
produkt kan brukes på mange språk og i mange regioner uten at koden
må endres for hvert av dem. W3C definerer det som utforming og
utvikling av et produkt, en applikasjon eller et dokument slik at
det lett kan lokaliseres for målgrupper som skiller seg fra
hverandre i kultur, region eller språk. På engelsk forkortes ordet
i18n, fordi det står 18 bokstaver mellom den første i-en og den
siste n-en, og forkortelsen brukes også i norske kodebaser. Noen
kaller den samme ideen globalisering.

W3C oppsummerer arbeidsdelingen i én setning: designere og utviklere
internasjonaliserer produkter, slik at oversettere og
lokaliseringsspesialister enkelt kan lokalisere dem.
Internasjonaliseringen gjøres én gang, i koden og malene.
Lokaliseringen gjøres på nytt for hvert marked, i data som koden
leser. Et produkt kan være fullt internasjonalisert og likevel bare
finnes på ett språk.

Enheten begge deler arbeider med, er en locale. CLDRs spesifikasjon
definerer en locale som en identifikator for et sett
brukerpreferanser som gjerne deles over store deler av verden: et
språk, ofte avgrenset til en region, slik at `en-GB` og `en-US`
deler språk, men skriver en dato forskjellig. Identifikatoren velger
på én gang en oversettelse og et sett konvensjoner.

W3C deler arbeidet inn i fire typer. Den første fjerner hindringer:
produktet behandler tekst som Unicode eller håndterer en eldre
tegnkoding bevisst der det er nødvendig, det bygger ikke setninger
ved å skjøte sammen biter, og koden er aldri avhengig av ordlyden
brukeren ser. Den andre legger til støtte som først et senere språk
får bruk for, for eksempel oppmerking for tekst som blander skrift
fra høyre mot venstre og fra venstre mot høyre, en måte å angi
hvilket språk et avsnitt er skrevet på, og stilregler for loddrett
tekst. Den tredje lar koden bruke lokale konvensjoner, som regel fra
eksisterende biblioteker heller enn fra tabeller teamet skriver
selv: dato- og tidsformater, kalendere, tallformater og
tallsystemer, rekkefølgen lister sorteres i, og håndteringen av
personnavn og tiltaleformer. Den fjerde holder alt som skal
oversettes, utenfor kildekoden, slik at riktig versjon kan lastes
inn for hver leser.

Hvorfor det er viktig

W3Cs argument handler om timing. Å bygge om et produkt som er laget
rundt ett språk og én kultur, er langt vanskeligere og mer
tidkrevende enn å utforme det for et globalt publikum fra starten
av, og W3C sammenligner arbeidet med år

2000-problemet, da tosifrede årstallsfelt som gikk ut fra at hvert
år begynte med 19, måtte bygges om. Kommer internasjonaliseringen
sent, ender den ofte som tungvint og dyr ombygging. Kommer den
tidlig, er den en håndfull vaner som nesten ikke koster noe den
dagen de innføres.

Prisen for en manglende vane vokser med hvert språk. En setning som
skjøtes sammen av tre biter i koden, er én feil i et produkt på
norsk og fem feil i et produkt med fem språk, og rettelsen er hver
gang ikke en bedre oversettelse, men en endring i koden som må
gjennomgås og rulles ut som enhver annen. Det samme gjelder en dato
som formateres for hånd, en liste som sorteres ved å sammenligne
bytes, og en test som finner en knapp på den norske teksten.

Vanene lønner seg også når ingenting noen gang blir oversatt, og det
påpeker W3C uttrykkelig. Et produkt som bare selges på norsk, får
likevel navn med bokstaver norsk ikke har, adresser skrevet etter et
annet lands skikk og datoer fra systemer som setter måneden foran
dagen. Tekst som lagres som Unicode, og data som beholder en dato
som en dato til den vises, klarer alt dette uten særtilfeller.

Slik ser det ut i praksis

Den raskeste prøven på om et produkt er internasjonalisert, er en
setning med et tall i. Versjonen som ikke er det, bygger setningen i
koden:

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

Det fungerer for norske heltall og kan ikke oversettes til ukrainsk.
Ukrainsk har tre former for hele tall og en fjerde for brøker: день
etter 1, 21 og 101, дні etter 2, 3, 4 og 22, днів etter 0, 5 til 20
og 25, og дня etter et desimaltall. Uansett hvilket ord en
oversetter skriver i den andre grenen, blir det feil for de fleste
tall, fordi 21 tar samme form som 1, og 2 tar en annen form enn 5.

Når produktet er internasjonalisert, blir setningen en nøkkel, og
hvert språks tabell leverer alle formene språket trenger. I Hugo
ligger oversettelsestabellene i katalogen `i18n`, én fil per språk,
oppkalt etter språkkoden:

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

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

Malen ber om nøkkelen og sender med tallet. Den inneholder ikke ett
ord på noen av språkene og ingen regel om flertall:

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

De norske sidene viser `21 dager` og de ukrainske `21 день`; med 2
viser de `2 dager` og `2 дні`, og med 5 `5 dager` og `5 днів`.
Navnene `one`, `few`, `many` og `other` er ikke Hugos oppfinnelse.
Det er flertallskategoriene fra CLDR, Unicode-konsortiets samling av
lokale konvensjoner, og Hugos dokumentasjon viser til CLDRs oversikt
over flertallsregler for å se hvilke kategorier hvert språk har. Et
nytt språk kommer til som en ny fil, uten endringer i malene.

Når produktet vokser, blir tabellene den største tekstmassen i det,
og de krever samme disiplin som koden. Et av dette nettstedets
prosjekter, et engelsk/dansk i18n-system, har 12 027 meldinger per
språkversjon fordelt på 458 navneromsfiler. Hver fil har et budsjett
på 400 linjer, en lintersjekk sammenligner nøklene på tvers av
språkene, så ingen nøkkel finnes på ett språk og mangler på det
andre, og den danske siden følger et låst vokabular, helt ned til
det uformelle «du», som verktøyene håndhever ved hver commit. Siden
kaller budsjettet den bærende delen: uten en grense per fil ville de
458 filene ha vært tolv.

Hvor det går galt

Setninger limes sammen. En melding bygd som `"Slett " + n + "
filer?"` kommer fram til oversetteren som to biter uten noen setning
rundt og i en rekkefølge bare norsk og engelsk trenger. Et annet
språk vil kanskje ha tallet til slutt eller en bøyning som avhenger
av substantivet. W3C nevner varsomhet med sammenskjøting av strenger
som en del av arbeidet. Gjør hver setning til én melding med
navngitte plassholdere som oversetteren kan flytte på; Hugos
dokumentasjon viser hvordan `{{ T "age" (dict "name" "Will" "count"
1) }}` fyller både et navn og et tall inn i én oversatt setning.

Koden leser ordene på skjermen. En test som finner en knapp på
teksten «Lagre», eller en gren som sammenligner en status med
teksten «Betalt», fungerer fram til den første oversettelsen og
feiler deretter uten noen feilmelding. W3C regner det å unngå at
koden avhenger av tekstene i brukergrensesnittet, blant de første
tingene internasjonalisering innebærer. Sammenlign nøkler,
identifikatorer og faste verdier, og gi testene et stabilt attributt
å finne elementet på.

Én flertallsregel for alle språk. `count === 1` er den engelske
regelen skrevet som kode. Den holder for norske heltall, men er feil
for de fleste språkene et produkt kan få. CLDRs spesifikasjon
definerer seks flertallskategorier, zero, one, two, few, many og
other, der bare other er obligatorisk, og gir hvert språk egne
regler for hvilken som gjelder: norsk bruker to, ukrainsk fire. Send
tallet med til meldingen, og la oversettelsestabellen romme alle
kategoriene språket bruker.

En manglende oversettelse feiler lydløst. Hugos `T` faller tilbake
på standardspråket når en nøkkel mangler i det gjeldende språket, og
returnerer en tom streng når standardspråket heller ikke har den. En
side kan altså gå ut med et hull eller med en engelsk frase midt i
en norsk setning. Bygg med `--printI18nWarnings` for å få listet
alle manglende oversettelser og reserveverdier, slå på
`enableMissingTranslationPlaceholders` i et testmiljø så hullene
synes på siden, og sammenlign alle språkenes nøkler i den
kontinuerlige integrasjonen.

Datoer og tall formateres for hånd. En mal som skriver `MM/DD/YYYY`,
eller et tall med komma for hvert tredje siffer, har kodet inn ett
land. Samme dag er `10/27/26` på amerikansk engelsk, `27/10/2026` på
britisk engelsk, `27.10.2026` på norsk og dansk og `2026-10-27` på
svensk, og et tall som skrives 12 027,5 på norsk, er `12,027.5` på
engelsk og `12.027,5` på dansk. CLDRs spesifikasjon anbefaler å
lagre og utveksle språknøytrale data og først formatere dem for
leseren. Hold datoer og beløp som rene verdier til siste trinn, og
formater dem der med plattformens språkbevisste funksjoner. 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 lagres ikke som Unicode. Et produkt som skriver
«blåbærsyltetøy» i UTF-8 og leser det tilbake som Windows-1252,
viser «blÃ¥bÃ¦rsyltetÃ¸y», og et produkt som lagrer tekst i en eldre
koding beregnet på ett språk, kan ikke romme et ukrainsk navn i det
hele tatt. Å ta i bruk Unicode er det første punktet på W3Cs liste.
Bruk én Unicode-koding, vanligvis UTF-8, hele veien fra databasen
til nettleseren, og angi den ved hver grense der bytes blir til
tekst.

Les mer

  * Localization vs. Internationalization — W3Cs arbeidsdefinisjoner
av begge begrepene, de fire typene arbeid som internasjonalisering
omfatter, og hvorfor det hører hjemme i begynnelsen.

  * Hugo: Multilingual mode — oversettelsestabeller, lokaliserte
datoer og valutaer, og hvordan Hugo melder fra om en manglende
oversettelse.

  * Hugo: lang.Translate — oppslagsrekkefølgen på tvers av språk,
flertallskategorier i oversettelsestabeller og meldinger med
navngitte plassholdere.

  * UTS #35, Part 1: Core — CLDRs spesifikasjon: identifikatorer for
locales, arven mellom dem og rådet om å holde data språknøytrale til
de vises.

  * UTS #35, Part 3: Numbers — tallsymboler og tallmønstre per
locale samt flertallskategoriene og reglene for å velge mellom dem.

hDenne siden på nettet	URL:https://engineer.company/nb/glossary/internationalization/	engineer.company	70
