Was bedeutet Sprache in Metadaten?

Sprache ist das Metadatenfeld, das festhält, welche menschliche Sprache eine Datei verwendet. In einem Dokument oder E-Book benennt das Feld Language die Sprache des Textes. In einer Audio- oder Videodatei benennt das Feld in der Regel die Sprache, die in einer Spur gesprochen oder gesungen wird.

Welche Dateien sie enthalten

Jedes Dateiformat speichert die Sprache an einem eigenen Ort:

• MKV-Videos speichern eine Sprache pro Spur, daher hat jede Audio- und Untertitelspur ihren eigenen Wert.
• MP4- und MOV-Videos speichern einen Sprachcode im Medien-Header jeder Spur.
• MP3-Dateien können die Sprache in ihrem ID3-Tag im Frame TLAN speichern.
• WAV- und AVI-Dateien können die Sprache in ihrem RIFF-INFO-Block im Feld ILNG speichern.
• PDF-Dateien können die Standardsprache des gesamten Dokuments im Eintrag Lang speichern.
• EPUB-E-Books müssen mindestens eine Sprache in ihren Paketmetadaten im Element dc:language angeben.
• Office-Dateien wie DOCX, XLSX und PPTX können die Sprache in ihren Dokumenteigenschaften speichern.
• JPG-, TIFF- und andere Dateien mit einem XMP-Block können die Sprache im XMP-Feld dc:language speichern.

Wie die Werte aussehen

Dateien verwenden 2 Haupt-Code-Systeme. ISO 639-2 gibt jeder Sprache einen Code aus 3 Buchstaben. BCP 47 verwendet einen 2-Buchstaben-Code, wo es einen gibt, und kann nach einem Bindestrich eine Region ergänzen.

• eng steht für Englisch in ISO 639-2 und en für Englisch in BCP 47.
• fre und fra stehen beide für Französisch, weil ISO 639-2 für einige Sprachen einen bibliografischen und einen terminologischen Code hat.
• ger und deu stehen beide für Deutsch.
• en-US ist Englisch, wie es in den Vereinigten Staaten verwendet wird.
• fre-ca ist Kanadisches Französisch in der älteren Form, die MKV-Dateien verwenden.

Groß- und Kleinschreibung haben in einem BCP-47-Tag keine Bedeutung, daher bezeichnen en-us und en-US dieselbe Sprache. Üblicherweise schreibst du den Sprachteil klein und den Regionsteil in Großbuchstaben.

ID3-Tags verwenden die 3-Buchstaben-Codes, und EPUB-Bücher verwenden BCP-47-Tags. Eine MKV-Spur kann beide Formen enthalten, und Programme müssen dann den 3-Buchstaben-Code ignorieren. Ein mit FFmpeg erstellter Report listet den Wert als Tag jedes Streams auf, zum Beispiel language=eng.

Besondere Sprachcodes

Der Code und steht für undetermined (nicht bestimmt). ISO 639-2 stellt ihn für Inhalte bereit, deren Sprache nicht bestimmt werden kann.

ISO 639-2 hat weitere Sondercodes. mul bedeutet mehrere Sprachen und zxx bedeutet, dass es überhaupt keinen Sprachinhalt gibt. In ID3-Frames wie Kommentaren und Songtexten kennzeichnet der String XXX eine unbekannte Sprache.

Warum es wichtig ist

Mediaplayer lesen die Spurensprache, um eine Audiospur für dich auszuwählen. Wenn du Französisch als bevorzugte Sprache festlegst, wählt der Player eine Spur, deren Sprache Französisch ist. Für Untertitel berücksichtigt der Player außerdem Flags wie Hörgeschädigte.

Ein fehlender Wert kann in die Irre führen. In einer MKV-Datei gilt eine Spur ohne Language-Element als Englisch, weil der Standardwert eng ist.

In Dokumenten hilft die Sprache Screenreadern. Mit dem richtigen Lang-Wert kann ein Screenreader die passenden Ausspracheregeln für ein PDF laden. Ein PDF kann auch eine einzelne Textstelle mit einer anderen Sprache markieren, zum Beispiel es-MX für Mexikanisches Spanisch innerhalb eines englischen Texts.

Ein EPUB-Buch kann mehrere Sprachen auflisten. Lesesysteme behandeln dann die erste als Hauptsprache des Buches.