将 lang 属性与语音发音（如果有的话）一起使用的正确方法是什么？答案

【问题标题】：What is the correct way to use the lang attribute with phonetic pronunciations (if at all)?将 lang 属性与语音发音（如果有的话）一起使用的正确方法是什么？
【发布时间】：2012-07-19 11:57:29
【问题描述】：

某些语言可以接受拉丁字符的音译，例如印地语、俄语或日语。例如，用梵文书写的“男人在吃东西”的印地语是“आदमी खा रहा है।”。音译为“Aadmi kha raha hai”。（或类似的东西；这种方法经常在网上使用，尤其是当人们无法使用印地语键盘时。）

在这种情况下，我们使用的是拉丁文，但仍在编写印地语，因此可以使用 lang 属性标记任一变体：

आदमी खा रहा है। 或 Aadmi kha raha hai.

然后我的问题是关于通常用拉丁字母本身编写的语言，但可能有针对非演讲者/学习者的语音指南（国际音标或临时发音）在赋予其语义意义方面是否有任何最佳实践?

例如，在爱尔兰语中，如果我说“男人在吃东西”，我会说“Tá an fear ag ithe”。我可以将其标记为：

Tá an fear ag ithe.

如果我要为不会说话的人提供发音指南，我可能会说“Taw on far eg ih-he”。这句话不是毫无意义的，（如“lorem ipsum”文本）但英语或爱尔兰语的句子也不是。

在这种情况下，HTML 中与语言相关的属性的正确用法是什么，或者该用例目前没有被规范涵盖？

【问题讨论】：

在 SO 上看到爱尔兰语很有趣 :)
@Darragh 想为什么不用离家近的例子:)

标签： html localization

【解决方案1】：

短版：如果您想明确地说它是用拉丁字母书写的，请在您提供的示例中选择“hi-Latn”或“ga-Latn”。

长版：

The W3C spec for the lang attribute 没有特别提到这一点 - 它建议了一些依赖于正字法的 this 用途（例如使用它来呈现所用字符的高质量版本），但有些则没有（例如至于搜索引擎）。

RFC1766 指定语言标签的格式，建议标签的特殊化可用于表示“脚本变体，例如 az-arabic 和 az-cyrillic”。还有更多关于脚本子标签in this article on the W3C site 的内容，the later RFC5646 中还有一些额外内容。那一个指向ISO standard list of script names，在该列表中，您想要的脚本是“Latn”，因为它们是其他脚本的罗马化形式。

（这不包括诸如指定您如何进行音译之类的事情，但是，对于可能具有多个标准的语言，例如使用 Wade-Giles 与拼音的拉丁文字中的中文。）

【讨论】：

谢谢，-Latn 后缀很有趣。尽管我试图与印地语做出的区别是爱尔兰语默认是拉丁语：因此，在音译印地语时，它在新脚本中以语音方式拼写，仍然被认为是“印地语”。已经在拉丁语中的语言的语音拼写，如爱尔兰语（或法语/德语/等）呈现出不能被视为任何一种语言的东西。谢谢你的链接，我有一些新的作业要读:)
作为奖励：我不确定您为爱尔兰文本提供的语音拼写有多标准，但 iana.org/assignments/language-subtag-registry 有变体标签，如果它在 IPA (ga-fonipa) 中，您可以使用或 X-SAMPA (ga-fonxsamp)。
完全，100% 不标准 :) 哇，这很有趣，就像我使用 IPA 标准一样，那将是完美的。我还从该页面看到有 Zyyy 和 Zzzz 变体（分别用于“未确定的脚本”和“未编码的脚本”），它们也可能用于非标准变体。
警告：虽然这是正确的，但在某些电子书平台上，此代码会触发奇怪的字体更改；见mobileread.com/forums/showthread.php?t=274838。

【解决方案2】：

对于大多数实际用途来说，这并不重要，因为浏览器、搜索引擎和其他相关程序通常会忽略 lang 属性。属性可能会影响字体的选择，但仅限于页面本身不建议字体时（这种情况很少见）。一些语音浏览器识别lang 的一些值并相应地调整它们的功能。如果您在 MS Word 中打开 HTML 文档，它会识别 lang 标记并应用特定语言的拼写工具。但所有这些都是相当有限的，很少有什么关系。此外，在这些情况下，只能识别最简单类型的语言代码。

原则上，可以指明书写系统（“脚本”），例如拉丁文与梵文，以及已使用的音译或转录系统。这已在BCP 47 中进行了描述。但在大多数情况下，它是针对实施者的指导方针，而不是你现在可以使用的东西。

例如，您可以写Aadmi kha raha hai. 表示内容是印地语但用拉丁字母书写。至少在原则上，有一种方法可以指示使用了哪些竞争罗马化系统。我认为任何与网络相关的软件都无法识别lang="hi-Latn"；即使识别lang="hi"，程序甚至可能无法识别它。

所以你可以使用lang 的详细值，但它没有多大用处。使用像lang="hi" 这样的简单标记对另一种语言的任何主要片段（例如，一个句子或更多）是一种很好的做法，尽管不多。在花费太多时间之前，请考虑一下您可以期待哪些实际好处。例如，如果您考虑使用像hyphenate.js 这样的客户端连字符，那么lang 标记就变得必不可少；但是您需要查看该软件的预期，而不仅仅是一般规范。

一句警告：在使用lang="ru" 处理用拉丁字母书写的俄语时，我看到了奇怪的结果。原因是浏览器可能会切换到他们的“俄语字体”的想法，导致字体混合。但简单的补救措施是为所有文本进行一些一致的字体设置，在这种情况下覆盖浏览器默认设置。

像“Taw on far eg ih-he”这样的字符串不能被有意义地归类为某种语言。如果您使用语言标记，请使用lang=""（以空字符串作为值），因为这是明确指示未指示语言的定义方式！

【讨论】：

谢谢，我不知道你可以提供一个空的 lang 属性！关于搜索引擎忽略 lang 属性的事实——你有这个链接吗？我一直认为 Google 等人将其用于高级设置（以法语显示结果等）
通常说搜索引擎使用lang 属性，但没有证据表明这一点。测试表明它们没有效果。来自搜索引擎相关人员的非官方声明称lang 属性太不可靠，通常是完全错误的，例如因为一些创作系统会在不询问作者的情况下发出lang="en"。搜索引擎可以很好地从内容中猜出语言，而且确实如此。
lang 属性对可访问性很重要，是 WCAG 2.0 的要求。屏幕阅读器使用 lang 属性的值来确定播放期间要使用的正确语音和语音引擎。

【解决方案3】：

您可能想考虑将其标记为<ruby>。

例如：

<ruby lang="hi">आदमी<rt>Aadmi</rt> खा<rt>kha</rt> रहा<rt>raha</rt> है।<rt>hai</rt></ruby>

【讨论】：

诚然，我不是专家，但这看起来像是答案。否决者可以发表评论吗？（也许只是形式问题——我同意答案可以提供更多细节，而不仅仅是一个链接）
@Jukka 但是<ruby>不是关于语言标记/发音指南吗？
@Jukka 所以？ <ruby> 用于使用语音指南标记文本。点击链接？
:) 谢谢@deceze — 它正在调查ruby 标签，这让我一开始就想到了这个问题！当我研究它时，我认为<rt> 标签可以提供辅助信息，但目前还不清楚这些信息是什么——例如。翻译/简化/音译。我们需要以某种方式添加语义以澄清这一点。因此，如果我在上面的爱尔兰语发音示例中有一个<rt> 标签，您将如何添加该语义含义？主要的<ruby> 标签你可以给一个 'ga' 的 lang 属性，但我不知道你会用 <rt> 做什么。
@deceze，我当然想多了，但这就是整个问题！ ;) 我想说 1) Lang 属性可以对 SEO、屏幕阅读器等产生影响，目前没有任何用户主动解析文档 2) 如果内容标记正确，它应该优雅地降级而不依赖于某人理解标签（例如，如果代理不理解 <rt> 标签，文本将在浏览器中内联显示）和 3) 根据规范，它可能是原始语言，这是有效的用例。感谢您对此的讨论，它正在澄清。