BCP 47 语言标签与 locale 标准

核心问题：zh-CN、zh-TW、zh-Hant-HK 这些代码到底怎么读懂？如何在代码中正确使用 locale 标签？

真实场景

你的产品要支持繁体中文，但收到反馈：台湾用户的"繁体中文"和香港用户的"繁体中文"界面文字习惯不同（"軟體" vs "軟件"，"資料" vs "數據"）。这时候你需要用精确的 BCP 47 语言标签来区分。

什么是 BCP 47

BCP 47（Best Current Practice 47）是 IETF 发布的语言标签规范，合并了 RFC 5646 和 RFC 4647，定义了语言标签的语法和匹配规则。

BCP 47 语言标签的基本结构：

language[-script][-region][-variant][-extension][-privateuse]
例子：
zh-CN          = 简体中文（中国大陆）
zh-TW          = 繁体中文（台湾）
zh-Hant-HK     = 繁体中文（香港）
en-US          = 英文（美国）
en-GB          = 英文（英国）
ar-SA          = 阿拉伯语（沙特阿拉伯）
pt-BR          = 葡萄牙语（巴西）
es-419         = 西班牙语（拉丁美洲）

标签结构详解

1. 语言子标签（Language）

ISO 639-1 两字母代码或 ISO 639-2/3 三字母代码。

2. 文字子标签（Script）

ISO 15924 四字母代码（首字母大写）。只在必要时使用，避免冗余。

zh-Hans    = 简体中文（不指定地区）
zh-Hant    = 繁体中文（不指定地区）
zh-Hans-CN = 简体中文（中国大陆）—— 冗余，通常简写为 zh-CN
zh-Hant-TW = 繁体中文（台湾）—— 通常简写为 zh-TW
zh-Hant-HK = 繁体中文（香港）

3. 地区子标签（Region）

ISO 3166-1 两字母国家代码（大写）或 UN M.49 数字代码。

4. 变体子标签（Variant）

用于区分同一语言/文字的特殊变体，较少使用。

sl-rozaj   = 斯洛文尼亚语（Resia 方言）
ca-valencia = 加泰罗尼亚语（瓦伦西亚语）

5. 扩展子标签（Extension）

u- 扩展用于指定 Unicode locale 选项：

zh-CN-u-nu-hanidec   = 中文，使用中文数字（一二三）
en-US-u-ca-buddhist  = 英文，使用佛历
en-US-u-hc-h23       = 英文，24小时制
ar-u-nu-arab         = 阿拉伯语，使用阿拉伯-印度数字（٠١٢٣）

完整语言标签示例

语言标签的大小写规范

BCP 47 规范虽然不区分大小写，但推荐约定：

语言子标签：小写      zh, en, ar
文字子标签：首字母大写 Hans, Hant, Latn
地区子标签：大写      CN, US, GB

// 推荐写法
const locale = 'zh-CN';   // ✅
const locale2 = 'ZH-cn';  // ❌ 不规范（虽然技术上有效）

在 JavaScript / Node.js 中使用

Intl.Locale API

// 创建 Locale 对象
const locale = new Intl.Locale('zh-Hant-HK');
console.log(locale.language);   // 'zh'
console.log(locale.script);     // 'Hant'
console.log(locale.region);     // 'HK'
console.log(locale.baseName);   // 'zh-Hant-HK'
// 带扩展的 locale
const localeExt = new Intl.Locale('en-US', {
calendar: 'gregory',
numberingSystem: 'latn',
hourCycle: 'h23'
});
console.log(localeExt.calendar);         // 'gregory'
console.log(localeExt.numberingSystem);  // 'latn'
console.log(localeExt.hourCycle);        // 'h23'

语言标签验证

// 验证 locale 是否合法
function isValidLocale(locale) {
try {
new Intl.Locale(locale);
return true;
} catch {
return false;
}
}
isValidLocale('zh-CN');     // true
isValidLocale('zh_CN');     // false（下划线不合法！）
isValidLocale('chinese');   // false

⚠️ 常见错误：很多旧系统使用下划线（zh_CN），这在 BCP 47 中是无效的。JavaScript 的 Intl API 会报错或静默降级。永远使用连字符。

从 HTTP 请求获取用户语言

// Express.js 示例
const acceptLanguage = require('accept-language-parser');
app.use((req, res, next) => {
const languages = acceptLanguage.parse(req.headers['accept-language']);
// Accept-Language: zh-CN,zh;q=0.9,en;q=0.8
// 解析结果：[{code:'zh', region:'CN', quality:1}, ...]
req.locale = languages[0]?.code + (languages[0]?.region ? `-${languages[0].region}` : '');
next();
});

CLDR（Unicode Common Locale Data Repository）

CLDR 是 Unicode 维护的最大的 locale 数据库，包含：

• 所有 locale 的日期格式、数字格式、货币符号
• 复数规则（每种语言的复数逻辑）
• 语言和地区的本地化名称
• 时区名称
• 排序规则

Node.js 与 ICU 数据

默认安装的 Node.js 可能只包含小型 ICU（small-icu），不支持所有 locale：

# 检查当前 ICU 数据集
node -e "console.log(process.versions.icu)"
# 输出：73.1
# 检查支持的 locale 数量
node -e "console.log(Intl.DateTimeFormat.supportedLocalesOf(['zh-CN', 'ar-SA']))"
# 安装完整 ICU 数据
npm install full-icu
node --icu-data-dir=node_modules/full-icu index.js
# 或通过环境变量
NODE_ICU_DATA=node_modules/full-icu node index.js

locale 标识符的冲突与对应关系

不同系统对 locale 的命名规范不同：

// 在代码中统一转换为 BCP 47 格式
function normalizeToBCP47(locale) {
// Java/Python 风格 zh_CN → zh-CN
return locale.replace(/_/g, '-').replace(/\..*$/, '');
}
normalizeToBCP47('zh_CN.UTF-8');  // 'zh-CN'
normalizeToBCP47('en_US');         // 'en-US'

主流语言的标准标签速查

常见问题

Q：zh 和 zh-CN 有什么区别？

A：zh 不指定地区，系统会根据上下文决定显示简体还是繁体。建议总是指定地区以消除歧义，用 zh-CN（简体）或 zh-TW/zh-HK（繁体）。

Q：en 和 en-US 哪个更好？

A：对于大多数 Web 应用，建议使用 en-US 作为默认英语，日期格式（MM/DD/YYYY vs DD/MM/YYYY）会有区别。

Q：一个产品需要同时支持 zh-HK 和 zh-TW 吗？

A：取决于业务规模。初期可以用同一套繁体中文（zh-TW），后续根据用户反馈决定是否拆分。词汇差异主要集中在技术术语和部分口语习惯。

下一节：知道了 locale 标签的语法，下面看看 locale 到底会改变程序的哪些行为——排序、数字、日期、货币，每个领域都有陷阱。

→ locale 敏感行为与工程影响