CLDR

Vad det är

CLDR är en samling data om språk och regioner som kompletterar
Unicode. Unicode definierar tecknen som en text skrivs med; CLDR
beskriver hur läsare av ett visst språk i en viss region förväntar
sig att ett datum, ett tal, ett pris, en enhet eller en lista ska
skrivas, och i vilken ordning de förväntar sig att namn sorteras.
Unicode-konsortiet förvaltar båda. CLDR:s fullständiga namn är i dag
Unicode Common Locale Data & Rules. Tidigare hette det Common Locale
Data Repository, och specifikationen hette Locale Data Markup
Language, förkortat LDML; enligt specifikationen gäller hänvisningar
under de gamla namnen fortfarande.

Projektets webbplats nämner tre delar. Den första är själva datan,
utvald och strukturerad för att programvara ska kunna använda den.
Den andra är specifikationen, Unicode Technical Standard #35, som
beskriver hur datan är uppbyggd och hur algoritmer använder den, med
krav på överensstämmelse. Den tredje är koden som samlar in datan
från språkspecialister, kontrollerar att den är giltig och
konsekvent och konverterar den till de format som utvecklare
använder. Specifikationens egen sammanfattning av vad datan täcker
är en bra karta: identifierare för locales, måttenheter, talsystem
och kalendrar; formatering av datum, klockslag, tidszoner, tal,
valutor och mätvärden; samt sortering och sökning. Pluralregler,
listmönster och namn på språk och regioner hör också dit.

Datan är ordnad efter locale: ett språk, som kan avgränsas närmare
med ett skriftsystem och en region. Varje locale innehåller bara det
som skiljer den från dess överordnade locale. Specifikationens
exempel är engelska: `en` innehåller huvuddelen av datan, och
`en_IE`, engelska som den används på Irland, innehåller bara några
få saker, till exempel valutan. Överst, ovanför alla språk, finns en
locale som heter root, och localen för ett språks primära region är
tom, eftersom den överordnade localen redan innehåller allt den
behöver. Några få uppgifter hör till regionen ensam, oavsett språk:
valutan, måttsystemet och konventionerna för veckan. Finns det ingen
egen data för franska som den används i USA, får en förfrågan om
just den kombinationen därför formaten från `fr` och beloppen i
amerikanska dollar.

Källdatan publiceras för varje version som XML i det format som
specifikationen definierar, med verktyg som konverterar den till
JSON- och POSIX-format. Utgåvorna följer en plan med två cykler per
år, och CLDR 49 kom ut den 22 oktober 2026. Ny data kommer in via
ett webbaserat verktyg, Survey Tool, som vanligtvis är öppet en gång
om året för att samla in data till nya strukturer och rätta data som
redan har getts ut, och modersmålstalare och språkexperter granskar
det som kommer in.

Varför det spelar roll

Projektets webbplats beskriver problemet rakt på sak: att formatera
datum, tal, valutor och måttenheter för olika språk och regioner är
långt mer komplicerat än de flesta inser. CLDR finns för att inte
varje team ska behöva lära sig den komplexiteten ett språk i taget.
Projektet stöder över 100 språk, och datan granskas av
modersmålstalare och språkexperter, en grundligare kontroll än något
produktteam kan ge datumformatet på en marknad det just har gått in
på.

De flesta team rör aldrig CLDR direkt, och det är meningen.
Projektet räknar alla moderna operativsystem och webbläsare till dem
som använder datan, tillsammans med språk som Java, C#, .NET, Swift
och JavaScript. Användningen är ofta indirekt: en applikation ber en
tjänst i operativsystemet att formatera ett datum, tjänsten anropar
ICU, Unicodes produktionsbibliotek för C, C++, Java och Rust, och
ICU läser CLDR. Node.js bygger sina `Intl`-objekt på ICU och
levererar som standard den fullständiga ICU-datan; Python-program
når samma data via Babel och Ruby-program via TwitterCLDR. När ett
team anropar en formateringsfunktion som tar hänsyn till locale
kommer svaret nästan alltid från CLDR. Det teamet fortfarande avgör
själv är vilken locale det ber om och vilken version det kör.

Alternativet är en tabell skriven för hand: tolv månadsnamn per
språk, ett decimaltecken, en tusentalsavgränsare, en ordning för
alfabetet. I bästa fall stämmer en sådan tabell den dag den skrivs,
och sedan står den still, medan CLDR:s Survey Tool öppnar varje år
för att rätta data som redan har getts ut. Den är dessutom oftast
skriven av någon som bara talar några av språken i den. Hur danska
sorterar de sex ortnamnen nedan skulle en svensk utvecklare knappast
gissa, och tvärtom.

Så ser det ut i praktiken

Fråga körmiljön vilken CLDR-version den har med sig, och låt sedan
datan sortera sex danska och svenska ortnamn, foga ihop tre danska
stadsnamn till en lista och slå upp veckans första dag i fyra
locales:

```js
console.log("CLDR", process.versions.cldr);

const towns = ["Ørsted", "Odense", "Åsa", "Aabenraa", "Ærø", "Ängelholm"];
console.log("code point", [...towns].sort().join(", "));
for (const tag of ["en", "da", "sv"]) {
  const sorted = [...towns].sort(new Intl.Collator(tag).compare);
  console.log(tag.padEnd(10), sorted.join(", "));
}

const three = ["Aarhus", "Odense", "Aalborg"];
for (const tag of ["en-GB", "en-US", "da", "uk"]) {
  console.log(tag.padEnd(10), new Intl.ListFormat(tag).format(three));
}

for (const tag of ["en", "en-GB", "en-DK", "da"]) {
  const locale = new Intl.Locale(tag);
  const { firstDay } = locale.getWeekInfo();
  console.log(tag.padEnd(10), locale.maximize().toString(), firstDay);
}
```

Node 25.2.1 skriver ut:

```text
CLDR 47.0
code point Aabenraa, Odense, Ängelholm, Åsa, Ærø, Ørsted
en         Aabenraa, Ærø, Ängelholm, Åsa, Odense, Ørsted
da         Odense, Ängelholm, Ærø, Ørsted, Aabenraa, Åsa
sv         Aabenraa, Odense, Åsa, Ängelholm, Ærø, Ørsted
en-GB      Aarhus, Odense and Aalborg
en-US      Aarhus, Odense, and Aalborg
da         Aarhus, Odense og Aalborg
uk         Aarhus, Odense і Aalborg
en         en-Latn-US 7
en-GB      en-Latn-GB 1
en-DK      en-Latn-DK 1
da         da-Latn-DK 1
```

Första raden är den version som körmiljön är byggd med. Den är 47.0,
trots att CLDR 49 har kommit ut: en körmiljö har med sig datan från
sitt eget bygge, inte den nyaste data som finns.

En vanlig `sort()` utan jämförelsefunktion lägger Ä, Å, Æ och Ø
efter alla bokstäver från A till Z, i ordning efter deras
teckenkoder, och det stämmer inte med något av de tre språken.
Engelska sorterar varje namn efter dess grundbokstav, så de fyra
namnen som börjar med A kommer först och Ørsted kommer efter Odense.
Danska avslutar alfabetet med Æ, Ø och Å, behandlar Ä som en variant
av Æ och sorterar Aabenraa, stavat med dubbel-a enligt äldre bruk,
bland Å-namnen; specifikationens del om sortering kallar detta den
danska kontraktionen ”aa”. Svenska avslutar alfabetet med Å, Ä och
Ö, behandlar Æ som en variant av Ä och Ø som en variant av Ö, och
sorterar Aabenraa som ett namn som börjar med två a. Norskt bokmål,
`nb`, ger samma ordning som danska. Inget av detta står i koden;
varje ordning kommer från CLDR:s sorteringsregler för språket i
fråga.

Listorna fungerar på samma sätt. Varje locale har ett listmönster
med egna delar för början, mitten och slutet av en lista och för en
lista med två element. Brittisk engelska sätter inget kommatecken
före ”and”, amerikansk engelska gör det, danska binder ihop med ”og”
och ukrainska med ”і”, och allt kommer från ett anrop som inte
innehåller ett enda ord på något av de språken.

De fyra sista raderna visar data som hör till en region och inte
till ett språk. Varje rad ger språkkoden, den fullständiga form som
`maximize()` fyller i med CLDR:s mest sannolika skriftsystem och
region, och veckans första dag som ett tal enligt ISO 8601, där 1 är
måndag och 7 är söndag. Körmiljön tolkar ett `en` utan region som
engelska med latinsk skrift, så som språket används i USA, och
därför börjar veckan på söndag. För engelska i Storbritannien eller
i Danmark börjar veckan på måndag, precis som för danska: veckan
kommer från regionen, oavsett språk.

Konventionerna som CLDR registrerar är också de som en översatt text
måste få rätt för hand. Ett av projekten på den här webbplatsen, en
sifferkontroll mellan språken, plockar ut varje tal, varje
procentsats, varje multiplikator och varje enhet ur en engelsk
sträng och kräver att vart och ett finns med i varje översättning.
Den kontrollerar också varje språk mot de konventioner det måste
använda och inte får använda, bland annat decimaltecken,
tusentalsgruppering och citattecken.

Var det går fel

Formaterad text jämförs som en fast sträng. Ett test som förväntar
sig `"1 500"` av `new Intl.NumberFormat("sv").format(1500)`
misslyckas trots att resultatet ser ut exakt så, eftersom svenska,
norska och ukrainska skiljer tusental åt med U+00A0 NO-BREAK SPACE,
som en editor visar som ett vanligt mellanslag. Samma test kan också
gå sönder vid en uppgradering, eftersom en ny CLDR-version kan rätta
data som en äldre version levererade. Jämför formaterad text med det
som samma formaterare ger, kontrollera strukturen med
`formatToParts`, som märker varje del som integer, group, decimal
eller fraction, och tolka aldrig formaterad text tillbaka till ett
tal. Specifikationens råd är att lagra och utbyta data i
språkneutral form och formatera den för läsaren.

Server och webbläsare har var sin version. Node 25.2.1 levererar
CLDR 47.0 medan projektet har kommit till 49, och en webbläsare har
med sig den version den själv byggdes med. En sida som formaterar
ett datum på servern och sedan igen i webbläsaren kan visa två olika
strängar för ett och samma värde, och en ögonblicksbild som har
tagits på en dator kan misslyckas på en annan. Formatera varje värde
på ett ställe, spara `process.versions.cldr` bredvid testernas
ögonblicksbilder och uppgradera körmiljön medvetet.

En locale som saknas faller tillbaka utan fel. `new
Intl.NumberFormat("tlh")` formaterar som amerikansk engelska utan
att kasta ett fel, eftersom körmiljön saknar data för klingonska och
faller tillbaka till sin förvalda locale. Dokumentationen för
Node.js beskriver ett lömskare fall: en binärfil byggd med
alternativet small-icu har vanligtvis bara engelsk data, och där
skrivs ett spanskt månadsnamn ut som ”M01” eller ”January” i stället
för ”enero”. Kontrollera `resolvedOptions().locale` eller
`supportedLocalesOf` innan du litar på en locale, och bygg med den
fullständiga ICU-datan, som är standard i Node och det som de
officiella binärfilerna använder.

En språkkod utan region får den mest sannolika. Körmiljön tolkar
`en` som `en-Latn-US`, så en läsare i Irland, Storbritannien eller
Danmark som serveras `en` ser en vecka som börjar på söndag och
datum som skrivs 10/27/2026, med månaden först. Datan bakom, som
specifikationen kallar likely subtags, är enligt dess egen
beskrivning heuristiskt härledd och kan ändras med tiden. Skicka med
läsarens region tillsammans med språket när den är känd, och anropa
`maximize()` när bara språket är känt, så att du ser vilken region
körmiljön kommer att utgå från.

CLDR:s identifierare skickas till ett BCP 47-API. CLDR:s filer och
exempel skriver locales med understreck, till exempel `en_IE`, och
specifikationen behandlar `_` och `-` som likvärdiga. Det gör inte
JavaScripts `Intl`: `new Intl.NumberFormat("da_DK")` kastar
`RangeError: Invalid language tag: da_DK`. Konvertera vid gränsen på
samma sätt som specifikationens egen konvertering till BCP 47, genom
att byta varje `_` mot `-`, och skicka resultatet genom
`Intl.getCanonicalLocales`, som returnerar `da-DK`.

Läs mer

  * Unicode CLDR Project — vad CLDR är, de tre delarna, vem som
använder det och hur, och utgivningsplanen.

  * UTS #35, Part 1: Core — specifikationen: locale-identifierare,
de tidigare namnen, arv mellan locales, likely subtags och rådet att
hålla data språkneutral.

  * UTS #35, Part 2: General — visningsnamn, måttsystem och de
listmönster som används ovan.

  * UTS #35, Part 5: Collation — hur CLDR anpassar
standardsorteringen till varje språk, med danska som exempel.

  * Node.js: Internationalization support — hur Node bygger sina
`Intl`-objekt på ICU, byggalternativen och hur man tar reda på vad
en binärfil stöder.

  * ECMAScript Internationalization API Specification — standarden
bakom `Intl`, bland annat de `Locale`-metoder som används ovan och
CLDR:s veckodata och likely subtags som de bygger på.

hDen här sidan på webben	URL:https://engineer.company/sv/glossary/cldr/	engineer.company	70
