互联网内容的语言

世界上的语言有成百上千中，不只有英文，俄文，法文，西班牙文，中文这样的广义语言，还有方言，古语等狭义语言，比如美式英语，英式英语，简体中文，繁体中文，文言文，吴语，粤语等。地理分布越广，文化组成越复杂的语言，其分支往往越多。中文尤其复杂。

如果要设计一个互联网应用，并希望支持多语言，就有很多问题需要考虑。

支持哪些语言

一个互联网应用几乎不可能支持全部语言。

1. 语言的数量太多了，要翻译成如此多的语言是一件非常困难的事情，而且成本很高。
2. 很多语言没有广泛的用户群体。由于缺乏相应语言的应用，小语种用户会选择英语，德语，中文等被广泛支持的语言。
3. 语言的边界并不精确。比如中文有简体中文和繁体中文的分法，也有中文（中国），中文（台湾），中文（香港）的分法。然而，大陆，台湾，香港都有简体和繁体的使用者，香港和台湾的繁体也有诸多不同。两种分界都不完善。

互联网应用支持的语言，应该是由用户的语言习惯决定的。

如果是一个本地应用，则支持本地的主要语言即可。比如中国的京东，百度百科的用户主要来自中国大陆，主要使用简体中文。而芬兰有两种官方语言，芬兰语和瑞典语，前者占大多数，即使瑞典语为母语的芬兰居民，通常也能说芬兰语。芬兰本地的互联网应用通常支持芬兰语，有些也支持瑞典语。芬兰银行，教育机构和政府的网站通常支持芬兰语，瑞典语，英语。

如果是无国界的应用，比如维基百科和 Reddit ，则首要目的是覆盖最广泛的用户群体。首要语言应该是英语，法语，荷兰语，德语，西班牙语，葡萄牙语，俄语，中文，日语等。其中几种语言需要再进行细致地区分。循序渐进地增加更多语言的支持。比如 Twitter 和 Steam 邀请用户参与翻译界面和内容，不断增加所支持的语言。

英文的分法

绝大多数应用支持通用的“英语”。虽然英国，美国，加拿大，澳大利亚的英语都有些区别，但绝大多数词汇是相同的，语法几乎没有差异。对于大量内容网站，如维基百科，只支持一种通用英语是最有效率的。

用户界面的文字较少，可以支持英式英语和美式英语，比如 Facebook ， KDE ， Mozilla Thunderbird 。维基百科用户界面支持英语，英式英语和加拿大英语。

中文的分法

中文的分法可能是最为复杂的。

一个国际化应用不得不对中文进行区分，中文各个分支的字形，词汇都有很大差异。几十年前，经历过汉字简化过程的那些人懂繁体字也懂简体字。而现在这一代人，受简体中文教育的，读繁体中文常会认错字；而受繁体中文教育的，读简体中文也有困难。大陆，香港，澳门，台湾，新加坡，马来西亚等地的词汇，尤其是新生词汇和外文译名，相差很多。比如 Software 在大陆叫软件，在台湾叫软体。

在 IANA 网站的注册语言中，有约五十种中文语言标签，包含大量方言。

除了一些历史，文化，民俗网站，很少有互联网应用会使用吴语，粤语，闽南语等方言或者文言文等古代语言。对于规模尚小的应用，这些语言可以以后再考虑。维基百科也是最近几年才添加了吴语，文言文等版本，但内容很少。

那么剩下的问题就是如何处理简体繁体，以及大陆，台湾，港澳，新马等地的中文差异了。

维基百科只有一个中文版。通过技术上的简繁转换，将同一篇文章自动转换成大陆简体，香港繁体，澳门繁体，马新简体，台湾繁体。然而这样的问题很大，需要一个极为庞大的字典库，并使用特殊语法处理一些机器转换不能识别的内容；编辑内容时仍能经常看到繁体和简体混杂在一起，引发冲突。

最为广泛的区分是简体/繁体两种。在法律上，大陆规定使用简体，新马书写使用简体中文，而港澳台则规定使用繁体。由于大中华区敏感的政治问题，这种分法可以避开一些地区性矛盾。中国大陆有最多的简体使用者，而台湾有最多的繁体使用者。而港澳繁体，马新简体的使用者总计只有两千多万。马新简体与大陆简体的字形词汇更为接近。港澳繁体和台湾繁体书写基本相同。因而归为简体中文和繁体中文并不会造成太大障碍。

另一种分法是按地区划分：中文（中国），中文（台湾），中文（香港），中文（澳门），中文（新加坡），中文（马来西亚）。这种划分更加精确，为每个文化圈的用户提供他们最熟悉的语言。但是缺点比较多：

1. 这样多的语言让内容翻译的工作量翻了好多倍。用户界面可以这样翻译，文（中国大陆），中文（中国台湾），中文（中国香港），中文（中国澳门）。但内容这样翻译就不现实了。
2. 命名有争议，香港澳门属于中华人民共和国，而大陆和台湾两岸都认为自己才是正统。或许应该改成：中文（中国大陆），中文（中国台湾），中文（中国香港），中文（中国澳门）。

不需要区分方言变体的语言

主要在一国使用的语言，通常保持着高度的一致性，尤其是书写语言，如日语，越南语，俄语，法语，芬兰语，瑞典语，丹麦语，德语，荷兰语。

英语，西班牙语，葡萄牙语等随着殖民运动传播到世界各地。在不同地区的同种语言虽有变化，但互相之间还是能够互相理解的，不加区分问题也不大。

语言代码

语言代码使程序能够理解语言的类型。比如 en 代表英语，zh-Hans 代表简体中文。

麻烦的是，语言代码有很多标准。有用两个字母表示，也有用三个字母表示的。在软件行业最常用的是用两个字母表示语言，添加后缀以区分地区或变种。如：

• ar
• de
• en
• fr
• ja
• ko
• zh-Hans
• zh-Hant
• zh-CN
• zh-TW
• zh-HK

开头两个字母是 ISO 639-1 定义的语言代码，而后缀则是 ISO 3166 国家代码。完整的语言代码列表非常长[IANA链接]，有很多非“语言-地区”结构的代码。HTML 支持此种类型的语言代码。软件翻译工具如 GNU Gettext 也支持。