language_data：langcodes的补充

此包不打算单独使用。请参阅 langcodes 的文档。

language_data 是langcodes模块的补充，用于处理人类语言的标准化代码。它存储有关语言的更多冗长且难以索引的数据，特别是它们在各种语言中的名称。

例如，此存储的数据告诉您代码 "en" 在英语中意味着 "English"，或者 "francés" 是西班牙语（es）中法语（fr）的名称。

用于处理这些数据的函数和测试案例在 langcodes 中，因为正确处理数据需要解析语言代码。

数据

此包包含的数据包括

• 各种语言在各种语言中的名称
• 讲每种语言的估计人口数量
• 估计使用每种语言的写作人口

这些数据全部来自 Unicode CLDR 数据包，版本 40，以及一些额外的语言名称，用于填补 CLDR 中的空白。

注意事项

• "写作人口"的估计通常过高，如CLDR 关于领土数据的文档中所述。在大多数情况下，它们来自关于那些语言使用地区识字率已发布的资料。这并没有考虑到世界上许多识字的人说一种通常不书写、用不同的语言书写的语言。

• 中文书写系统消除了大多数（但不是全部）口语汉语之间的区别。您将看到粤语、普通话、吴语等语言的独立写作人口估计，尽管您可能认为这些在书写时都应该是zh。

• CLDR 没有手语语言的人口数据。手语语言最终得到的是speaking_population()和writing_population()为0，我认为这是字面上的真实情况，但没有数据可以从其中提供signing_population()方法。

依赖关系

language_data依赖于marisa-trie包，以便能够加载用于查找语言名称的紧凑、高效的数据结构。

安装

language_data通常作为langcodes的依赖项安装，没有它就没有太多意义。但是，如果您愿意，也可以使用pip install language_data。

要在可编辑模式下安装language_data包，请运行包根目录中的poetry install。（这相当于pip install -e .，希望它很快就能通过PEP 660再次兼容。）

更新 CLDR 数据

• 确保子模块是最新的：git submodule update --init
• 从https://cldr.unicode.org/index/downloads/下载 CLDR 数据
• 解压缩并将supplemental/languageInfo.xml和supplemental/supplementalData.xml复制到language_data/data
• cd language_data && ../.venv/bin/python build_data.py