Apakah Bahasa Dalam Metadata?

Bahasa ialah medan metadata yang merekod bahasa manusia yang digunakan oleh sesuatu fail. Dalam dokumen atau e-buku, medan Language menamakan bahasa teks. Dalam fail audio atau video, medan ini biasanya menamakan bahasa yang dituturkan atau dinyanyikan dalam satu trek.

Fail mana yang membawanya

Setiap format fail menyimpan bahasa di tempatnya sendiri:

• Video MKV menyimpan satu bahasa bagi setiap trek, jadi setiap trek audio dan sarikata mempunyai nilai tersendiri
• Video MP4 dan MOV menyimpan kod bahasa dalam pengepala media bagi setiap trek
• Fail MP3 boleh membawa bahasa dalam tag ID3, dalam bingkai TLAN
• Fail WAV dan AVI boleh membawa bahasa dalam blok RIFF INFO, dalam medan ILNG
• Fail PDF boleh menyimpan bahasa lalai untuk keseluruhan dokumen dalam entri Lang
• E-buku EPUB mesti menamakan sekurang-kurangnya satu bahasa dalam metadata pakejnya, dalam elemen dc:language
• Fail Office seperti DOCX, XLSX dan PPTX boleh menyimpan bahasa dalam sifat dokumen
• Fail JPG, TIFF dan lain-lain yang mempunyai blok XMP boleh menyimpan bahasa dalam medan XMP dc:language

Bagaimana rupa nilai tersebut

Fail menggunakan 2 sistem kod utama. ISO 639-2 memberikan setiap bahasa kod 3 huruf. BCP 47 menggunakan kod 2 huruf jika wujud dan boleh menambah kawasan selepas sempang.

• eng ialah English dalam ISO 639-2, dan en ialah English dalam BCP 47
• fre dan fra kedua-duanya ialah French, kerana ISO 639-2 mempunyai kod bibliografi dan kod terminologi untuk sesetengah bahasa
• ger dan deu kedua-duanya ialah German
• en-US ialah English seperti yang digunakan di Amerika Syarikat
• fre-ca ialah Canadian French dalam bentuk lama yang digunakan oleh fail MKV

Huruf besar atau kecil tidak memberi makna dalam tag BCP 47, jadi en-us dan en-US menamakan bahasa yang sama. Mengikut kebiasaan, bahagian bahasa ditulis dengan huruf kecil dan bahagian kawasan dengan huruf besar.

Tag ID3 menggunakan kod 3 huruf, dan buku EPUB menggunakan tag BCP 47. Satu trek MKV boleh menyimpan kedua-dua bentuk, dan program kemudian mesti mengabaikan kod 3 huruf. Laporan yang dijana dengan FFmpeg menyenaraikan nilai ini sebagai tag bagi setiap strim, contohnya language=eng.

Kod bahasa khas

Kod und bermaksud tidak dapat ditentukan. ISO 639-2 menyediakannya untuk kandungan dalam bahasa yang tidak dapat dikenal pasti.

ISO 639-2 mempunyai lebih banyak kod khas. mul bermaksud berbilang bahasa, dan zxx bermaksud tiada kandungan bahasa langsung. Dalam bingkai ID3 seperti ulasan dan lirik, rentetan XXX menandakan bahasa yang tidak diketahui.

Mengapa ia penting

Pemain media membaca bahasa trek untuk memilih trek audio bagi anda. Jika anda menetapkan French sebagai bahasa pilihan, pemain akan memilih trek yang bahasanya French. Untuk sarikata, pemain juga menyemak penanda seperti Hearing Impaired.

Nilai yang tiada boleh mengelirukan. Dalam fail MKV, trek tanpa elemen Language dikira sebagai English, kerana nilai lalainya ialah eng.

Dalam dokumen, bahasa membantu pembaca skrin. Dengan nilai Lang yang betul, pembaca skrin boleh memuatkan peraturan sebutan yang tepat untuk PDF. PDF juga boleh menanda satu frasa dengan bahasa lain, contohnya es-MX untuk Spanish Mexico dalam teks English.

Sebuah buku EPUB boleh menyenaraikan beberapa bahasa. Sistem pembacaan kemudian menganggap bahasa pertama sebagai bahasa utama buku tersebut.