Unicode 中的多语言形式

多语言网站的基础：全球翻译经验 Wired 曾发表过一篇论及全球翻译的专文 ("The Global Translation Boom," 2000 年 5 月) 对“全球翻译”的发展前途充分肯定，而 Business 2.0 最近发表的 Boo.com 转让大事记，表明 Boo.com 试图在世界各地的业务中心用多种外语开发网站，但最终失败了。一个前 Boo.com 人的结论是：“首先，忘掉翻译软件。这些程序都不太成熟，（从这个意义上说）它们几乎没有希望能够很快得到改进”（Tristan Louis，“这就是我在 Boo.com 认识到的问题”，Business 2.0，2000 年 8 月 8 日，第 238 页）。也许是 Wired 的专文有点太超前（请参阅该作者在 Wired 的 "Rants & Raves"（2000 年 8 月）中的回应 — 请参阅下面的参考资料），也许 Boo.com 选择另外的多语言方法将会获得成功。

浏览一下最近的任一期 MultiLingual Computing and Technology，就会发现众多厂商和咨询公司都在寻找多语言翻译应用程序、全球化和本地化方面的合作公司。可以肯定，这些公司中至少会有一部分超过路易斯先生的估价。另外，现在就有一些网站（如 "dmoz open directory project" 和 "Globalization Research Center"）在提供多语言应用程序和全球化/本地化领域的大量资源。此外，Microsoft 也已开发出 "Global Software Development" 网站（有关我们此处所提及的网站的链接，请参阅参考资料）。

不过，虽然多语言应用程序的开发取得了很大进展，但这些软件短期内仍无法达到那些需要真正全球翻译的人士的要求。从这个意义上来说，这个领域就总体而言仍未迎来“黄金时期”。但是，如果我们能适当降低期望值，不强求由机器翻译的全球化和本地化网站直接用于多语言电子商务，则我们可以就如何实现那一目标作一些有意义的讨论。但这将是一个逐步实现的过程，并且要依赖于各种补充字体、应用程序和功能逐渐出现在网上。例如，Microsoft 声称，Windows 2000 提供“完全的 Unicode 支持”，并包括“多语言用户界面 (MUI)”。帮助将目前的事务状态与将来更有前途的全球电子商务联系起来的，将是 Unicode 与基于 XML 的方案和浏览器的集成（有关这一问题的详细信息，请参阅参考资料中所列的我以前的一篇 developerWorks 文章，"Globalizing e-commerce: Open standards like XML and Unicode are promoting truly global software"）。

Maribyrnong 库模型目前，因特网上真正的多语言 Unicode 网站相对仍然比较少。虽然许多网站以多种语言提供网页，但它们大多数不包括 Unicode 编码。在大多数情况下，用户必须判断如何在英文屏幕上单击才能到达他们自己特定的语言。按我们的理解来看，“多语言”应该是用户能够很快找到他/她自己所用的语言的网页，单击（有希望）能搜索的文本，立即就能链接到以那种语言提供的其他信息。Maribyrnong Library Services 正在开发这样的一个实验性网站。Maribyrnong 位于澳大利亚的维多利亚，墨尔本中西部。该网站包括 Unicode 中的英语、中文、越南语、阿拉伯语和阿姆哈拉语。在网站的开始几页上，有若干部分用每种语言编写，说特定语言的用户很容易找到他们自己的语言。目标是使他们能够单击那种语言的各种库资源。这种方法提供了一种模型，许多其他类型的多语言网站将来都可以模仿这一模型：用一些简短的基于 Unicode 的章节提供多种语言文字，这些文字又带有到详细信息的超链接。Andrew Cunningham，Maribyrnong Unicode 网站幕后的一个关键人物，说明了库服务人员开发这个网站的过程。在 "Multilingual Unicode Web page development" 这篇优秀的文章中，Cunningham 定义了一个术语 "n-lingual"，用它来指多语言网页，这种网页在一页中包含多种语言，“每种语言都不超过一段”。关键的地方是 "n-lingual" 页（需要时可在其中加入其他语言）作为该网站的导航页。这种导航概念对于将来的各种多语言网站都是很重要的。此外，Maribyrnong 模型可能是为多种民族群体和各种语言服务的库网站的原型。基于 Unicode 的多语言导航页正如 Maribyrnong 库模型展示的那样，有用的基于 Unicode 的多语言导航页应该相当简洁，每种语言简单地只有几行或几个句子。这将允许将更多的语言放在导航页中（如果条目简洁，可能多达 10 到 15 种）。与目前某些网站简单用图像列出语言标志相比，这又前进了一步。虽然有所帮助，但它本身并没有给用户提供有关该网站的任何更进一步的信息，也没有指出它可能包含哪些内容。要向真正的多语言网站靠近，就需要这种信息（即使是有限的），而对于全球电子商务，它是必需的。目标应该是使用户 — 不管使用何种语言 — 能够很容易找到那种语言，并能够毫不费力地导航到用特定语言提供更多资源的区域。一旦某个多语言网站确定了这个导航页 "n-lingual" 概念（允许空间增大，其中 "n" 是预想的可能达到的语言数），下一步将是构建基本的 XML 标记，这些标记将使导航页的各个部分相互关联起来，并使它们与网站或数据库的任何更大的顶层通用目标相关联。实践示范：转向多语言形式转向这种多语言形式模型 — 如 Maribyrnong 示例 — 的第一步是将基于 Unicode 的多种语言字符放在同一个网页上。本节说明如何一起显示一系列任意的俄语、希伯来语、阿拉伯语、中文和日语字符。这些语言是特意选择的（与法语、西班牙语和德语等拉丁字符字体相对照），部分原因是为了说明 Unicode 现在所提供的极大通用性。在下列示例中，必须将样例复制并粘贴到同一目录下的三个单独的文件中，并装载一种 Unicode 字体。图 1 展示了使用多种语言的 Unicode 字符分配的 XML 代码样例，称为 "languag2.xml"。需要用一个支持 XML 的浏览器，如 Internet Explorer 5 来查看这个文件（注：并不是任何版本的 IE5 都支持 XML；您可能必须尝试更新的版本）。"languag2.xml" 文件依赖层叠样式表 (CSS) 来实际显示这些字符。此文件的名称为 "lang.css"（请参阅图 2）。基于 Unicode 的字符以 "&#" 开头，如果用十六进制指定，则再跟一个 "x"，如果用十进制指定，则没有 "x"，然后是十六进制或十进制的数字。在两种情况下，最后一个字符都是一个分号 (" ; ")。在本例中，我们使用十进制数，如希伯来语字符 ם 或中文字符 語，但是如果有该语言的 Unicode 表，则用十六进制书写也一样容易。这些都可以从 Unicode 组织出版的书或 CD 中获得，也可以在因特网上查阅 Unicode 表（请参阅参考资料）。

下一步，必须将一种基于 Unicode 的字体装载到浏览器中；在本例中我们使用 "Code2000.TTF"。一旦装载了 Unicode 字体，文件 "languag2.xml" 就被调入浏览器中。浏览器首次在大的字体文件中搜索正确的字形时可能花一些时间。随后的装载将会快一些。

图 1. languag2.xml：显示俄语、希伯来语、阿拉伯语、中文和日语字符的基于 XML 的 Unicode 样例 <?xml version="1.0" standalone="yes"?> <?xml-stylesheet type="text/css" href="lang.css"?><languag2><russian>ф у л м р ц ч ш</russian><hebrew>ם מ ן נ ס ע ף פ</hebrew><arabic>ص ض ط ذ ر ز س</arabic><chinese>語 誢 誥</chinese><japanese>ぅ え が き ぎ く</japanese> </languag2>（注：图 1 中的 XML 文件是用十进制形式表示的，要显示它需要有基于 XML 的浏览器和 Unicode 字体。此样例只通过显示各种语言中的任意字符来展示功能。）图 2. lang.css：图 1 中的 languag2.xml 所依赖的层叠样式表 russian { display: block;font-family: Code2000;font-style: italic;font-size: 36pt;}hebrew { display: block;font-family: Code2000;font-size: 36pt;}arabic { display: block;font-family: Code2000;font-size: 36pt;}chinese { display: block;font-family: Code2000;font-size: 48pt;} japanese { display: block;font-family: Code2000;font-size: 48pt;}（注：图 1 和图 2 中所列的两个文件应该放在同一个目录下，然后在支持 XML 的浏览器（如 IE5）中查看。但是，IE5 的某些版本似乎无法处理 XML；您可能需要试一试更新的版本。必须事先将一种 Unicode 字体（如 Code2000、Bitstream Cyberbit 或 Arial Unicode MS）装载到您的浏览器的“字体”中。而且，如果使用的 Unicode 字体不是 Code2000，则 lang2.css 中 "font-family" 后面所列的字体必须作相应的更改。图 1 和 2 中的示例在同一页面生成各种语言中的任意 Unicode 字符。下面的示例（图 3）又前进了一步，它用多种语言显示单词 "year"，其超链接指向（那些语言的）假想的部分。首先列出的是英文的 "year"，其后依次是西班牙语、德语、俄语、中文和希伯来语的 "year"，每种语言都是用 Unicode 字符表示的。图 3. year.htm（用多种语言表示的带有象征性超链接的单词 "year"） [url=http://dev.csdn.net/>year</a>] <html> <English><a href="">year</a></English> <Spanish><a href="">año</a></Spanish> <German><a href="">Jahr</a></German> <Russian><a href="">год</a></Russian> <Chinese><a href="">年</a></Chinese> <Hebrew><a href="">שָנָה</a></Hebrew></html>因为文件是 HTML 格式，所以调用 Year.htm 的浏览器将忽略本例中列出的语言标记：<Spanish>、<German> 等。Year.htm 可转换为带有多个元素（如各种语言中的 <Name>、<Date> 等）的一个 XML 文件，但要正确显示 XML 中的这些元素，仍然需要相应的样式表（层叠样式表或 XSL 文件）。下一步开发多语言形式的下一步是创建用于特定目的的各种 XML 标记。这是除了以上示例中所使用的基于语言的标记之外的标记。这些附加的 XML 标记应该指定各语言之间共享的那些元素或嵌套元素，而不管所需的应用程序或用法是什么。但是，从开始就安排好各级 XML 标记之间的关系将是很重要的。现在就可以看到要得到一个结构良好的基于 XML 的框架可能会有多大的复杂性（从语言的数量以及它们之间的关系两方面来看）— 这种框架正是将来真正的多语言全球电子商务所需要的。参考资料作者对 Wired 有关全球翻译的系列文章的回应在 [url=http://www.wired.com/wired/archive/8.08/rants.html]"Rants & Raves"（2000 年 8 月）。

作者以前的一篇有关 Unicode 与基于 XML 的方案和浏览器的集成的文章可以在 developerWorks 网站上找到："Globalizing e-commerce: Open standards like XML and Unicode are promoting truly global software"。

请转到 Multilingual Computing and Technology 以查看文章的题目和简短说明。他们的地址是：MultiLingual Computing & Technology，PO Box 247，Sandpoint，ID 83864-9929。

十六进制数可以通过 Unicode 组织出版的书和 CD 获得，也可以在因特网上查看 Unicode 表。

查看 dmoz.org 可以获得有关全球化、机器翻译和相关问题的丰富参考资料。有关全球化问题的其他讨论，另请参阅 CIO 的 Globalization Research Center。所提及的到 Microsoft Windows 2000 网站的链接在 Global Software Development。

Maribyrnong 多语言库页位于 Maribyrnong Library Services，而说明其开发及某些相关问题的文章在 Multilingual Unicode Web page development。

有关详细的背景资料以及外语字体和 XML 的使用，请参阅 Neil Bradley 的 The XML Companion，第 13 章，"Character Sets"(Addison-Wesley，1998)。

各个厂商对 Unicode 字体的开发正处于不同的阶段，而 Unicode 本身仍然是一项发展中的工作。但是，主要语言的字形大部分已经完成，虽然各项细节仍在制订中。本文中使用的基于 Unicode 的字体样例是 Code2000.TTF，这是一个包含 28,000 多个字形的共享软件字体。该字体要花 5 美元注册，请联系 James Kass，424 W. Commonwealth #304，Fullerton，CA 92832。Kass 的网站是：http://home.att.net/~jameskass/。

其他 Unicode 字体可在 Alan Wood 的 Unicode 资源网站的 "Fonts that Support Unicode" 找到。

Unicode 最新标准 (3.0) 的书和 CD（2000 年 2 月）由 Unicode 联盟出版（1,072 页），可从 Amazon.com 购买，定价为 49.95 美元。Unicode 的官方网站是：http://www.unicode.org/。

关于作者Jim Melnick 是 Internet Interactive Services 的总裁，这是一家专门研究多语言应用程序和设计的 Web 咨询服务公司。可以通过 info@PortableExpert.com 与作者联系，也可以访问 PortableExpert.com 来查找有关多语言因特网应用程序的更多信息。