网页头部的声明应该是用 lang="zh" 还是 lang="zh-cn"?

关注者
1,319
被浏览
801,542

26 个回答

把我在另一个回答里的评论整理一下搬运过来:

lang属性的取值应该遵循

BCP 47 - Tags for Identifying Languages

单一的 zh 和 zh-CN 均属于废弃用法。

问题主要在于,zh 现在不是语言code了,而是macrolang,能作为语言code的是cmn(国语)、yue(粤语)、wuu(吴语)等。我通常建议写成 zh-cmn 而不是光写 cmn,主要是考虑兼容性(至少可匹配 zh),有不少软件和框架还没有据此更新。

zh-CN 的问题还在于,其实多数情况下标记的是简体中文,但是不恰当的使用了地区,这导致同样用简体中文的 zh-SG(新加坡)等无法匹配。更典型的是 zh-TW 和 zh-HK。所以其实应该使用 zh-Hans / zh-Hant 来表示简体和繁体。那么完整的写法就是 zh-cmn-Hans,表示简体中文书写的普通话/国语。一般而言没有必要加地区代码,除非要表示地区特异性,一般是词汇不一样(比如维基百科的大陆简体和新马简体)。

所以回答题主,两种都不对。

如何标记的例子:

1. 简体中文页面:html lang=zh-cmn-Hans

2. 繁体中文页面:html lang=zh-cmn-Hant

3. 英语页面:html lang=en

4. 《

回来

》的音频,以国语演唱:audio lang=zh-cmn

5. 《

海阔天空

》的音频,以粤语演唱:audio lang=yue

6. 《

进来白相相

》的音频,以沪语演唱:audio lang=wuu

注意上述因为都是音频,所以不应加上 Hans/Hant 标记。

7. 《

最终信仰

》的音频,双语演唱,因此audio不需要标记lang(如果一定需要标记可以用 lang=mul),但是每个段落的歌词可以分别用 p lang=en 和 p lang=zh-cmn 标记(根据简体或是繁体可用 zh-cmn-Hans 或 zh-cmn-Hant)。

8. 《忐忑》的音频,没有歌词,因此不需要标记lang(如果一定需要标记可用 audio lang=zxx)。

需要加地区代码的情况一般比较少,除非为了强调

不同地区汉语使用差异

。比如:

<p lang="zh-cmn-Hans">

<b lang="zh-cmn-Hans-CN">菠萝</b>和<b lang="zh-cmn-Hant-TW">鳳梨</b>其实是同一种水果。只是大陆和台湾称谓不同,且新马一带的称谓也是不同的,称之为<b lang="zh-cmn-Hans-SG">黄梨</b>。

</p>

【参考

菠萝和凤梨有区别吗?

当然,由于历史原因,有时候不得不继续使用zh-CN。比如中文维基百科,沿用了传统的zh-CN/zh-HK/zh-SG/zh-TW(按照标准应该使用 zh-cmn-Hans-CN、zh-cmn-Hant-HK、zh-cmn-Hans-SG、zh-cmn-Hant-TW)。这时候,合理的软件行为,是将 zh-CN 等转化为 zh-cmn-Hans(即转化为最常见的误用所对应的实际标准写法)。

实际上,各相关标准,也存在一定的滞后。例如CSS的:lang选择器,不支持选择仅仅简体/繁体中文(而不管是cmn或是yue或是min等汉语方言)。理想情况是CSS3对:lang选择器的语法进行升级,即BCP 47中的高级匹配算法,支持 :lang(*-Hans)这样的写法。

更新:

Selectors Level 4

已经加入了对BCP 47高级匹配算法的支持,即支持 :lang(*-Hans) 的写法。(感谢

@一丝

君。)

太长不看版:

> 描述“中文 (简体, 中国大陆)”用“zh-CN”准没错,万无一失。

> 规范是天,规范是地,必须用“cmn-Hans-CN”,简写成“cmn”,但是然并卵,目前好像没有一个浏览器支持,都无法识别为中文。


太长慢慢看版:

“zh”是中文,代表的是宏语言(Macrolanguage),单独使用表示“中文”整体,可以是方言、文言文、简体、繁体等单独一种,也可以是任意组合的混合内容。“zh-CN”理论上表示的是“中文 (中国大陆)”,因为中国大陆的官方语言是“普通话 (简体)”,所以这个“zh”的局限性就体现出来了:比如“尋尋覓覓,冷冷清清,悽悽慘慘戚戚”,用“zh-CN”描述没法表达出“繁體”和“文言文”,但描述成“zh-TW”则成了“中文 (繁體, 台灣)”,虽然指明了“繁体”,但还是没能体现出“文言文”,同时还丢失了“中国大陆”。针对这种情况,按照 BCP 47 规范 (详见参考链接 2),应该使用独立语种更精确地描述:

cmn 普通话(官话、国语)
wuu 吴语(江浙话、上海话)
czh 徽语(徽州话、严州话、吴语-徽严片)
hak 客家语
yue 粤语(广东话)
nan 闽南语(福建话、台语)
cpx 莆仙话(莆田话、兴化语)
cdo 闽东语
mnp 闽北语
zco 闽中语
gan 赣语(江西话)
hsn 湘语(湖南话)
cjy 晋语(山西话、陕北话)

语言文字标签书写顺序:

language-extlang-script-region-variant-extension-privateuse
语言文字种类-扩展语言文字种类-书写格式-国家和地区-变体-扩展-私有

语言文字标签示例:

language:
fr 法语
es 西班牙语

language-extlang:
zh-lzh 中文 (文言文)
sgn-csl 手语 (中国大陆)

language-script:
cmn-Hans 普通话 (简体)
yue-Hant 粤语 (繁体)

language-region:
zh-CN 中文 (简体, 中国大陆)
en-US 英语 (美国)

language-script-region:
cmn-Hans-CN 普通话 (简体, 中国大陆)
cmn-Hant-TW 普通话 (繁体, 台湾)

language-script-variant:
zh-Latn-pinyin 汉语拼音(例:nǐ,拉丁字母形式)
zh-Bopo-pinyin 注音拼音(例:ㄋ丨ˇ,罗马字形式,中国大陆 1958 年以前使用,台湾目前使用)

常见的一般有 language、language-script 和 language-region 三种。


附注 1:

“cmn”“wuu”“yue”等 2005 年确定的 extlang 标记已于 2009 年提升为 language 标记,维基百科中“吴语”“粤语”等页面均已使用最新的标准写法,以下以“zh”开头的写法已被废弃并不再推荐使用 (详见参考链接 3),请直接去掉“zh-”前缀并使用“cmn”“wuu”“yue”等代替即可:

zh-Hans, zh-Hans-CN, zh-cmn, zh-cmn-Hans, zh-wuu, zh-yue, zh-gan....
类似还有 zh-Hans-HK、zh-Hans-MO、zh-Hans-TW、zh-Hant

废弃可能原因:在语言学的分类上,中国语言学者多认为“吴语”“粤语”“闽语”等是“汉语”的方言,而西方学者多认为这些语言是一门和“普通话”同级关系的单独语种。

中国大陆常见划分:

1. 汉藏语系
   1.1. 汉语族
        1.1.1. 汉语
   1.2. 藏缅语族
   1.3. 苗瑶语族
   1.4. 壮侗语族

“汉语族”仅包含“汉语”一门语言,“吴语”“客家语”“粤语”“闽语”等均归属于“汉语”的不同方言。

西方常见划分:

1. 汉藏语系
   1.1. 汉语族
        1.1.1. 普通话(官话、国语)
        1.1.2. 吴语(江浙话、上海话)
        1.1.3. 徽语(徽州话、严州话、吴语-徽严片)
        1.1.4. 客家语
        1.1.5. 粤语(广东话)
        1.1.6. 闽南语(福建话、台语)
        1.1.7. 莆仙话(莆田话、兴化语)
        1.1.8. 闽东语
        1.1.9. 闽北语
        1.1.10. 闽中语
        1.1.11. 赣语(江西话)
        1.1.12. 湘语(湖南话)
        1.1.13. 晋语(山西话、陕北话)
   1.2. 藏缅语族
   1.3. 苗瑶语族
   1.4. 壮侗语族

“汉语族”包含“普通话”“吴语”“徽语”“客家话”“粤语”等多种语言。

重点来了!

以下两种写法均正确,后者描述更精准,但大部分程序和操作系统都只能识别前者,使用新标准可能会造成无法匹配浏览器用户定义字体、网页翻译、程序语言自动切换等功能,为了兼容性的考量,推荐使用前者:

zh-CN 中文 (简体, 中国大陆)  对应 cmn-Hans-CN 普通话 (简体, 中国大陆)
zh-SG 中文 (简体, 新加坡)   对应 cmn-Hans-SG 普通话 (简体, 新加坡)
zh-HK 中文 (繁体, 香港)     对应 yue-Hant-HK 粤语 (繁体, 香港)
zh-MO 中文 (繁体, 澳门)     对应 yue-Hant-MO 粤语 (繁体, 澳门)
zh-TW 中文 (繁体, 台湾)     对应 cmn-Hant-TW 普通话 (繁体, 台湾)


附注 2:

同是简体中文页面, 默认或书面语均标记为“cmn (普通话)”,全文使用地方方言表达时,使用相应语言文字标签标记,例:

“你” “我们” 用 cmn-Hans 普通话 (简体)
“侬” “啊啦” 用 wuu-Hans 吴语 (简体)
“你” “我哋” 用 yue-Hans 粤语 (简体)

一般情况不用 region 选项,但如果要针对特定地区特定用语的友好性,则应设置区域,例 :

“消息” “黄梨” “自行车” 用 cmn-Hans-SG 普通话 (简体, 新加坡)
“消息” “菠萝” “自行车” 用 cmn-Hans-CN 普通话 (简体, 中国大陆)
“消息” “菠蘿” “自行車” 用 cmn-Hant-CN 普通话 (繁体, 中国大陆)
“訊息” “菠蘿” “單車”   用 cmn-Hant-HK 普通话 (繁体, 香港)
“訊息” “鳳梨” “腳踏車” 用 cmn-Hant-TW 普通话 (繁体, 台湾)

“analyse” “color” “elevator” 用 en-US 英语 (美国)
“analyze” “colour” “lift”    用 en-GB 英语 (英国)


参考链接:

    1. W3C Language tags in HTML and XML
    2. IETF BCP 47 - Tags for Identifying Languages
    3. IANA Language Subtag Registry