IT产品的国际化，绝不是“支持英文”就足够

IT产品的国际化是一大趋势，但是在转向国际化的过程中，往往会出现不少的问题，导致走了一些歪路。本文作者总结了自己做IT产品国际化的经验，对“国际化”和“支持英文”这两个完全不同的概念进行了区分，并且列举了一些例子，希望看后能够对你有所启发。本文来自微信公众号：余晟以为（ID：yurii-says），作者：余晟，题图来自：pixabay

几年前在纽伦堡见了个朋友，吃饭间问起他太太在德国做什么，答曰“国际化”，细问之下才发现：光是“中文化”就有一整个团队。

这个消息让我挺吃惊。

按照我们之前的理解，“国际化”主要就是要配备好对应的资源文件，针对不同语言的客户，显示不同的语言即可。

按照这种思路，“国际化”里最重要的就是要把所有的文字都抽离出来作为可配置资源，千万不要写死。

可以说，一旦你的产品可以同时支持中英两种语言，就迈过了国际化最大的障碍。增加其它语言的支持，就像“多来个人吃饭，无非多添一双筷子”。

这几年自己开始做IT产品的国际化，才深深感觉到：“国际化”和“支持英文”之间相差了十万八千里。甚至可以说，两者完全是风马牛的关系。

如果你觉得无法想象，看完下面这些例子就会明白。

例子一：文字

文字大概是许多人提到“国际化”时最早想到，也唯一能想到的因素了。

没错，国际化的第一步就是要支持多种文字的显示。

业界通常的办法是做一份资源文件，包含了各种语言的统一映射；在需要显示的时候，直接在资源文件里检索对应语言的资源，就可以得到对应的文字。

资源文件的结构类似下面这样：

这种办法有问题吗？

看起来很直观，没问题对吧？

其实有问题。

问题不在文字的内容，而在文本的长度。

大部分情况下，中文和对应英文的文本长度是差不多的，所以显示时占据的空间差不多，并不会影响原有的UI元素。但是有些时候，中文和英文的长度相差很大，在一些紧密排版的情况下，显示就会有问题。

这还不是最麻烦的。如果长度不够，可以在空格处换行，一般都还可以应付，只是高度会变化。但是对于其它语言，比如德语，情况就复杂多了。德语经常会把不同的单词拼起来，排版时如果没有考虑，最终的效果可能特别糟糕。

比如“新天鹅堡”的德文是Neueswanstein，直接替换的话就会是下面的样子：

Neueswanstein的长度在德语里其实不算什么，随便可以找到更长的，比如下面这个（不要怕，其实它的意思只是数字1532而已）：

Eintausendfünfhundertzweiunddreißig

所以，如果你只翻译文字，不在UI布局上考虑，就可能吃大亏。

如今流行“出海”，我在德国看到了不少国内的电子产品也提供了德文界面，但是实话说，不少界面堪称惨不忍睹。

文字方面的问题，除了显示，查找也会有问题。英语之外的语言，尤其是欧洲国家的语言，经常会有一些字母看起来有特殊符号。比如德语中的Ü、ü、Ä、ä、Ö、ö（上面的两点叫Umlaut）。

我们以Ü来举例，看起来它“应该是一个字母”，确实对应键盘上的一个键，而且在Unicode规范中也确实分配了对应的Code Point（U+00DC）。

那么，如果你在“查找”框里输入Ü，能找到所有出现的Ü吗？

答案是：也许能，也许不能。

什么情况下不能呢？

因为Unicode规范中还有许多特殊字符，比如U+0308，这个字符叫COMBINING DIAERESIS，说白了就是那“两点”。它可以和元音字母结合，显示为一个字符。

所以你看到一模一样的Ü，既可能是U+00DC，也可能是U+0055 U+0308（U+0055就是大写的U）。如果开发软件时不考虑这一点，就可能被用户痛骂：明明看到文本里有Ü，在搜索框里怎么也搜不到，这是什么破软件！

例子二：时间

中国的时区是非常规整的，全国统一用北京时间，所以对许多程序员来说，时间“天然”就是统一的，简单的。如果要换到其它时区，那也只是增减几个小时，多算一个偏移量就可以。

比如德国使用的是柏林时间，柏林时间目前和北京时间相差6小时，那么如果要在系统里支持柏林时间，每次存取的时候都“以北京时间-6小时”即可。北京时间早上6点，柏林时间0点；北京时间下午3点，柏林时间早上9点……

这样就足够了吗？

显然不是。

要知道，许多国家都有“夏令时”的规定（其实中国以前也有）。也就是说，在一年中的不同时段，柏林时间和北京时间的差距是会变化的。有时候是7小时（冬令时），有时候是6小时（夏令时）！

而且，冬令时和夏令时的切换日期并不固定。冬令时是每年10月的最后一个周日，凌晨3时将时钟拨回去1小时；夏令时是每年3月的最后一个周日，凌晨2时将时钟拨快1小时。

如果自己写程序处理这种变化，估计要烦死，还不一定能保证正确。

所以不少系统都内置了“时区”的设置和相关函数，自动帮用户换算时间。可惜，有不少程序员似乎不理解为何“时区”的设置很重要，还是习惯自己算偏移值，这可真是不折不扣的“拿金饭碗要饭”。

如果你仔细观察上面的例子，还会发现一个问题：在某些系统里，时间不是连续的。

比如在冬令时切换夏令时的那一刻，其实有个空缺，也就是“不存在的一小时”。具体到今年（2021年），柏林时间的3月28日，凌晨02:00:00到02:59:59，都是不存在的。

所以，尽管2021-03-28 02:30:21看起来是一个完全正常的时刻，但是如果时区选择了柏林时间，它就是非法的。

这种情况不只在德国存在，其实广泛存在着。

如果你留意的话，各种语言里都有对应的说明。

例子三：标点

许多开发人员都知道，系统里有个重要的变量叫locale，它代表了与本地化有关的一组设置。

最常见的，比如中日韩文字中有许多“看起来一样”的文字，其实有细微差别。但是，为了节省Unicode中的空间，给它们指定了同样的Code Point，显示的时候就靠locale来区分。

但是locale的作用不止于此。同样的标点符号，在不同的语言中，作用也是不同的。

比如半角逗号“,”，在英文里表示逗号，但是在德语和法语里，它表示小数点，所以3.14在德语里应当写作3,14，而7.99在德语里应当写作7,99。如果你仍然用半角逗号来切分句子，多半要碰得头破血流。

相反，如果你懂得locale，能从系统变量里读取line.separator作为分隔符，就省去了这种烦恼。

更让人意想不到的是，常见的CSV文件，也就是“逗号分隔值文件Comma Separated Value”，在德国也会有完全不一样的规定。

因为德语里comma是小数点，所以即便CSV叫“逗号分隔值”，它也不能用逗号（comma）来分隔，而应当用分号（semicolon）来分隔。

所以，如果你的CSV处理程序本来跑得好好的，忽然报了一大堆错，没准就是这里出的问题。

不要为这一点“意想不到”吃惊，还有更加“意想不到”的情况：Excel的函数里，我们会用逗号来分隔多个参数，但是在德语版Excel里，逗号必须替换为分号，否则一定会报错。

上面这些例子，说穿了平淡无奇，但没有说穿的时候，往往让人绞尽脑汁，所以不要问我怎么知道的，这是血泪的教训。

也恰恰是在积累了许多血泪教训之后，我才发现：微软的国际化真的做得很好，各种情况都考虑到了，甚至可以说是业界的翘楚——不过，那估计也是积累了无数血泪教训的结果吧。

本文来自微信公众号：余晟以为（ID：yurii-says），作者：余晟