میٹا ڈیٹا میں 'Language' کیا ہوتا ہے؟

Language ایک میٹا ڈیٹا فیلڈ ہے جو ریکارڈ کرتا ہے کہ فائل میں کون سی انسانی زبان استعمال ہوئی ہے۔ کسی دستاویز یا ای بک میں Language فیلڈ متن کی زبان کو بتاتی ہے۔ آڈیو یا ویڈیو فائل میں یہ فیلڈ عموماً اس زبان کا نام دیتی ہے جو کسی ایک ٹریک میں بولی یا گائی گئی ہو۔

کون سی فائلیں اسے رکھتی ہیں

ہر فائل فارمیٹ اپنی زبان کو اپنے الگ حصے میں محفوظ کرتا ہے:

MKV ویڈیوز ہر ٹریک کے لیے الگ زبان محفوظ کرتی ہیں، اس لیے ہر آڈیو اور سب ٹائٹل ٹریک کی اپنی ویلیو ہوتی ہے
MP4 اور MOV ویڈیوز ہر ٹریک کے میڈیا ہیڈر میں زبان کا کوڈ محفوظ کرتی ہیں
MP3 فائلیں اپنا ID3 ٹٰیگ استعمال کرتے ہوئے فریم TLAN میں زبان محفوظ کر سکتی ہیں
WAV اور AVI فائلیں اپنا RIFF INFO بلاک استعمال کرتے ہوئے فیلڈ ILNG میں زبان محفوظ کر سکتی ہیں
PDF فائلیں انٹری Lang میں پورے دستاویز کی ڈیفالٹ زبان محفوظ کر سکتی ہیں
EPUB ای بکس کو اپنے پیکیج میٹا ڈیٹا میں عنصر dc:language کے اندر کم از کم ایک زبان ضرور درج کرنی ہوتی ہے
Office فائلیں جیسے DOCX، XLSX اور PPTX اپنی document properties میں زبان محفوظ کر سکتی ہیں
JPG، TIFF اور دیگر فائلیں جن میں XMP بلاک ہو، XMP فیلڈ dc:language میں زبان محفوظ کر سکتی ہیں

قدریں کیسی نظر آتی ہیں

فائلیں 2 اہم کوڈ سسٹمز استعمال کرتی ہیں۔ ISO 639-2 ہر زبان کے لیے 3 حروف پر مشتمل کوڈ دیتا ہے۔ BCP 47 جہاں ممکن ہو 2 حروف والا کوڈ استعمال کرتا ہے اور ہائفن کے بعد ریجن بھی شامل کر سکتا ہے.

eng ISO 639-2 میں English ہے، اور en BCP 47 میں English ہے
fre اور fra دونوں French کے کوڈ ہیں، کیونکہ ISO 639-2 میں کچھ زبانوں کے لیے bibliographic کوڈ اور terminology کوڈ دونوں موجود ہوتے ہیں
ger اور deu دونوں German کے کوڈ ہیں
en-US United States میں استعمال ہونے والی English کے لیے ہے
fre-ca Canadian French ہے، اس پرانے فارمیٹ میں جو MKV فائلیں استعمال کرتی ہیں

BCP 47 ٹیگ میں حروفِ تہجی کے بڑے یا چھوٹے ہونے سے مطلب نہیں بدلتا، اس لیے en-us اور en-US دونوں ایک ہی زبان کو ظاہر کرتے ہیں۔ رواج کے مطابق زبان کا حصہ چھوٹے حروف میں اور ریجن کا حصہ بڑے حروف میں لکھا جاتا ہے۔

ID3 ٹٰیگز 3 حروف والے کوڈ استعمال کرتے ہیں، اور EPUB بکس BCP 47 ٹیگز استعمال کرتی ہیں۔ ایک MKV ٹریک دونوں شکلیں محفوظ کر سکتا ہے، اور اس صورت میں پروگرامز کو 3 حروف والے کوڈ کو نظر انداز کرنا ہوتا ہے۔ FFmpeg سے بنایا گیا رپورٹ ہر stream کے ٹٰیگ کے طور پر ویلیو دکھاتا ہے، مثلاً language=eng۔

خاص زبان کے کوڈز

کوڈ und کا مطلب ہے undetermined۔ ISO 639-2 یہ اس مواد کے لیے فراہم کرتا ہے جس کی زبان کا تعین نہیں کیا جا سکتا۔

ISO 639-2 میں مزید خاص کوڈز بھی ہیں۔ mul کا مطلب ہے multiple languages، اور zxx کا مطلب ہے کہ بالکل بھی زبان والا مواد موجود نہیں ہے۔ ID3 فریموں، جیسے comments اور lyrics، کے اندر سٹرنگ XXX ایک unknown language کو ظاہر کرتی ہے۔

یہ کیوں اہم ہے

میڈیا پلیئر آپ کے لیے آڈیو ٹریک منتخب کرنے کے لیے ٹریک کی زبان پڑھتے ہیں۔ اگر آپ French کو اپنی ترجیحی زبان کے طور پر سیٹ کریں تو پلیئر وہ ٹریک منتخب کرے گا جس کی زبان French ہو۔ سب ٹائٹلز کے لیے پلیئر Hearing Impaired جیسے flags بھی چیک کرتا ہے۔

غائب ویلیو گمراہ کر سکتی ہے۔ کسی MKV فائل میں جس ٹریک میں Language عنصر موجود نہ ہو، اسے English شمار کیا جاتا ہے، کیونکہ ڈیفالٹ ویلیو eng ہے۔

دستاویزات میں زبان screen readers کے لیے مددگار ہوتی ہے۔ صحیح Lang ویلیو کے ساتھ کوئی screen reader PDF کے لیے درست تلفظ کے قواعد لوڈ کر سکتا ہے۔ PDF ایک ہی جملے کو بھی کسی دوسری زبان کے ساتھ نشان زد کر سکتا ہے، مثلاً English متن کے اندر Mexican Spanish کے لیے es-MX۔

EPUB بک کئی زبانوں کی فہرست دے سکتی ہے۔ پھر reading systems پہلی درج شدہ زبان کو کتاب کی بنیادی زبان سمجھتے ہیں۔