语言代码申请被驳回，187份裁决书里提到政治的只有1份

摘要：把ISO语言代码从2006年到2024年的全部变更申请翻了一遍，2250行变更里被驳回359行，总驳回率16.0%。按类型拆，想把一门语言立起来（新建25.3%、拆分25.9%）被驳的概率是想改它属性（6.5%）的四倍。按地区拆，东欧57.1%、东亚29.9%，而南美只有5.0%、太平洋10.7%。更值得看的是理由：驳回的申请94%附了公开裁决书，通过的只有2%，这个库里被完整记录下来的只有拒绝的理由。而187份可分析的驳回裁决书里，写到政治的只有1份。它们只说证据不够。

假设你要给一个地区变体单独做一套内容。第一个技术问题不是翻译，也不是选词，而是：这个变体在你的系统里能不能被表示成一个独立的东西。

答案取决于它有没有自己的语言代码。有，那它在hreflang里、在数据源里、在报表维度里都能单独占一格；没有，那你只能把它塞进上级语言里，或者拼一个地区后缀凑合。

于是就有了一个几乎没人问的问题：这个代码是谁发的，凭什么发，不发的时候会说什么。

上一篇把这份清单的生老病死数了一遍，这一篇换个方向，去看那些没进去的。因为这个库有一个很特别的性质：它只在拒绝的时候写下理由。

下面的数字全部截到2024年12月31日，按结果生效日期算。1423条申请、2250行变更、359行被驳回。

一门语言想拿到自己的代码要过几道关？

先把流程说清楚，后面的数字才有意义。

任何人都能提交，这一点比想象中开放

提交申请不需要什么资质。填一份表，说明你想做什么变更，附上你的依据，发给注册机构就行。申请人可以是语言学家、可以是当地的语言委员会，也可以是一个热心的使用者。

提交之后进入公开评议，任何人都可以发表意见，这些意见会被留档并编号。最后由注册机构写一份裁决，说明采纳还是驳回。

这套流程的开放程度，比多数人对国际标准的想象要高得多。门槛不在提交这一步，在举证这一步。

评议阶段留下的东西比结论本身有意思。一份争议大的申请能收到几十条意见，正反两方各自摆证据，全部按编号存档，十几年后还能逐条调出来看。

顺带一提，评议意见是这个库里唯一能看到使用者自己怎么说的地方。裁决书里的声音全是注册机构的。

五种动作，通过难度完全不同

这套体系要回答的问题，本质上跟印尼语和马来语算不算一门语言那一篇里的问题是同一个，只是那里用市场判据回答，这里用语言学判据回答。

能申请的动作一共五种：创建一个新代码、修改一个已有代码的属性、把一个代码合并进另一个、把一个代码拆开、直接注销一个代码。

截到2024年底已生效的2250行变更里，创建944行、修改862行、合并193行、拆分139行、注销110行。

这五种动作在你眼里可能差不多，在这套体系里的分量完全不同。下一节的数字会说明这一点。

还有一个隐藏的第六种：一份申请可以在受理过程中被注册机构修改。修改要经过申请人同意，改完之后走的是新方案而不是原方案。这种情况在争议大的申请里出现过好几次。

结果一年只出一到两次

申请提交之后要等多久？中位数大约一年。慢的能拖很久：2021年提交的那份闽南语拆分申请，结果2024年10月15日才下来。

更极端的例子是2006年提交的一份关于中古希腊语的申请，2023年12月15日才有结果，等了十七年。

2024年提交的十九条申请，到这一年年底一条都还没生效。所以如果你在等某个变体的代码，时间尺度是年，不是月。

等待时间长的原因不全是排队。有几份申请是被主动挂起的，挂起的理由是它涉及一个还没有先例的问题，而这个问题要等标准本身修订完才有答案。

为什么做SEO的人该看这个库

因为它回答了一个别处回答不了的问题：这个市场的语言边界，是不是有争议的。

一个地区的申请驳回率高，意味着这一带反复有人试图把某个变体立成独立语言，而每一次都没能拿出足够的证据。这件事在你的关键词数据里会以另一种形式出现——用户在搜索框里用哪套说法，往往正好卡在这条争议线上。

这比看人口数据有用得多。按母语人口给语种排优先级那一层看不见这条线，而它恰恰决定了你的词表要建一套还是两套。

还有一个用法更直接：查一下你要做的那门语言最近十年有没有出现在申请里。出现过，说明它的边界或者名称最近被动过，你手上那份词表的口径可能已经旧了。

没出现过反而是好消息，意味着这门语言的登记信息稳定，你按现有代码建的一切都不会突然失效。

哪一类申请最容易被驳回？

把359行驳回按动作类型拆开，差距大得有点吓人。

四倍的落差

逐条数：拆分25.9%（36行被驳，共139行）、创建25.3%（239行被驳，共944行）；另一头，合并9.8%、注销8.4%、修改只有6.5%。

想把一门语言立起来，被驳回的概率是想改它属性的四倍。

这个落差不是随机波动，它稳定地贯穿了这十八年。早期和近期分开算，比例几乎一样。

把绝对数摆出来更直观：创建类一共944行，被驳239行；修改类862行，只被驳56行。两类的体量几乎一样，被驳的数量差了四倍多。

为什么增加比减少难

理由其实很务实。增加一个代码是一笔永久成本：所有下游系统都要跟着加一行，所有历史数据都要考虑要不要重新分类，所有已经在用上级代码的应用都得回答一句这批内容现在归谁。

减少一个代码相对轻松：合并有唯一去向，注销可以直接删。风险是可控的。

所以这套体系天然是保守的。它对新增的举证要求，明显高于对合并和注销的要求。

这条保守性还有一个副作用：这套体系天然滞后于语言的实际变化。一门语言在现实中已经分化很久了，标准里可能还是一个代码；而标准里的划分一旦定下来，改起来又很慢。

这对你的实际含义

如果你正在等某个地区变体拿到独立代码，先把预期调低：历史通过率四分之三，而且等待时间以年计。

与其等，不如换个思路：用地区子标签或文字子标签把这个变体表示出来。这条路不需要谁批准，也不需要等。

反过来，如果你的表里有某个代码，你觉得它早晚会被合并掉——那这个判断的成功率反而高得多，因为合并的通过率超过九成。

有个例外情形值得注意：如果你要的那个变体在标准里从来没被登记过，也不属于任何已有代码的范围，那走创建这条路的成功率会明显高于走拆分。空白比划界容易，这条规律在地区数据里也成立。

拆分为什么和创建一样难

拆分表面上是把一个代码变成几个，实质上是同时做两件事：注销原代码，创建若干新代码。所以它继承了创建那一侧的高举证要求。

更麻烦的是，拆分要求申请人对原代码的全部范围负责。你不能只说甲和乙应该分开，你得说清楚原来那个代码涵盖的所有变体，拆完之后各自归到哪里。

这一条卡死过很多份申请，包括闽南语的第一次申请。后面会详细讲那一份。

换个角度说，拆分申请的举证工作量是创建的好几倍：创建只需要证明这一门语言存在且独立，拆分要证明原代码涵盖的每一块分别归到哪里。

所以实操上有个取巧的办法：如果你只关心其中一个变体，与其申请把上级代码拆开，不如论证这个变体本来就不在上级代码的范围内，改走创建。

修改类为什么这么容易过

修改改的是名字、别名、指称范围、成员关系这些属性，代码本身不动。下游系统不需要做任何迁移，成本几乎为零。

成本低，举证要求自然也低。一份修改申请常常只是一句这门语言在当地的正式名称是某某，附一份官方文件就够了。

所以有个很实用的推论：如果你的诉求可以被表述成改属性而不是立新码，成功率会高一个数量级。2016年有一份被驳的拆分申请，裁决书里直接给了这条路：如果这个变体确实不属于任何已有代码，可以改成申请创建而不是申请拆分，重新提交。

顺便说，修改类里占比最大的两项是参考名和指称范围。指称范围那一项虽然属于修改，但它改的是这个代码管哪些人，实际影响不比拆分小，只是没有人需要迁移数据。

为什么东欧的申请几乎过不去？

按地区拆驳回率，是这批数据里最刺眼的一张表。

从57.1%到5.0%

样本三十行以上的地区，逐条列：东欧57.1%（20行被驳，共35行）、东亚29.9%（84/281）、西亚28.6%（10/35）、西欧27.9%（12/43）。

另一头：南美5.0%（5/100）、南亚6.7%（11/165）、东南亚8.2%（30/365）、太平洋10.7%（53/494）。

最高和最低差了十一倍。太平洋地区494行申请几乎照单全收，而东欧35行里有20行被驳。

有个细节能帮你理解这张表：太平洋那494行申请里，绝大多数是给一门此前没有代码的语言编号，或者把一个粗糙的登记拆细。这类申请没人反对，因为没有人的既有权益被动到。

不是少数语言反复申请

看到东欧那个数字，第一反应通常是：肯定是某几门语言反复提，把比例拉高了。

逐条数了一遍：东欧那20行驳回涉及18个不同的语言代码。不是少数几门语言反复申请，是普遍难过。

这条猜错得挺彻底，但也因此更有价值——它说明问题不在申请人的水平，在这一带的语言边界本身。

顺带说，全库里被反复申请且始终没过的只有两组，这个数字比预期低得多。反复申请这件事本身就很罕见。

名单本身就是结论

把那18个代码的名字列出来，你不需要任何解释就能看出规律：波德拉谢语、跨斯拉夫语、教会希腊语、标准立陶宛语、斯堪尼亚语、普雷克穆列语、哈纳克语、卡伊方言、马祖里语、波马克语、卢森尼亚语。

全是想从某个大语言里独立出来的地方变体。捷克语和斯洛伐克语在1993年分家之后各自成立，是这类诉求少见的成功样本，而它靠的是国家层面的分立，不是一份申请。每一个背后都有一段关于这里的人到底说的是不是另一门语言的争论。

而太平洋那边的申请长什么样呢？绝大多数是给一门此前没被登记过的语言创建代码，或者把一个登记得太粗的代码拆细。那边在填空白，这边在划边界。填空白容易，划边界难。

还有一层值得注意：这批申请里有好几份是在同一年集中出现的。2012年2月那一批和2020年1月那一批各有三到五份，都是相邻区域的地方变体。这种同步性不太可能是巧合。

对做欧洲市场的人，这份名单可以当成一张风险提示：名单上这些地方的用户，在语言身份上是有强烈自我意识的，而你的站按上级语言一套内容打过去，那种别扭感他们会感觉到。

语系维度更极端

换个切法，按语系看驳回率，样本二十五行以上的：汉藏语系83.3%（30/36）全表最高，人造语66.7%（20/30），日耳曼语族相关的也偏高。

另一头，跨新几内亚语系12.5%、沃尔特-刚果语族12.5%、孟高棉语族11.8%。

汉藏那个数字之所以这么高，原因跟东欧同构：申请集中在汉语内部各变体要不要独立成语言这件事上，而这件事是这个库里被反复争论最多的话题。

人造语那66.7%的成因跟前两者都不同，它是判据本身的问题——2017年之前这一类根本没有可依据的标准。这条下面有一整节。

这条判据怎么用

实操上可以这样用：查一下你的目标市场所在地区的驳回率。

驳回率低的地区，语言边界相对清晰，代码跟实际语言基本对得上，你按代码建词表问题不大。驳回率高的地区，代码是妥协的产物，你按代码建的词表会漏掉一大块用户实际在用的说法。

非洲市场选语种和东南亚那一层语言差异属于前者，欧洲东部和东亚属于后者。这个判断只需要看一眼这张表。

更细的用法是按语系查而不是按地区查。同一个地区内部，不同语系的申请命运可能完全不同，而语系跟语言之间的真实关系更接近。

187份驳回裁决书里到底写了什么？

把能抽出文本的驳回裁决书逐份过一遍，数关键词出现在多少份文件里。

四个词占了大半

出现频率最高的是证据，105份，56.1%。第二是可懂度相关的词，75份，40.1%。第三是方言，54份，28.9%。第四是语言学，49份，26.2%。

这四个词几乎就是这套体系的全部判据。一份驳回书的典型写法是：你说这两个变体互不相通，但你没有提供证据；现有的语言学文献把它们当作同一门语言的方言。

其余的词都是零头：书写系统7份、人口数据7份、族群身份3份。

这四个词的组合方式也很固定。方言和语言学这两个词几乎总是一起出现，用来说明现有文献的立场；证据和可懂度则是一对，用来说明申请缺了什么。

提到政治的只有一份

这是整批数据里打脸最响的一条。翻这个库之前的预期是，考虑到东欧和东亚那个驳回率，总该有那么五到十五份裁决书明写这是政治问题不是语言学问题。

实测：187份里，出现政治这个词的只有1份。0.5%。

这不是说政治不存在。而是说，这套体系处理政治的方式是完全不提它，只谈证据。一份关于某个地区变体的申请被驳回，理由永远是没有提供互不相通的证据，不会是这件事太敏感。

这种处理方式有它的道理。一旦裁决书开始谈政治，这个机构就必须对每一个类似的案子表态，而它既没有这个授权也没有这个能力。只谈证据是它唯一能长期站得住的位置。

副作用是：一份申请被驳回之后，申请人拿到的是一句你的证据不够，而不是一句这件事不归我们判。前者听起来像可以再努力，后者才是实情。

也不怎么引学术来源

另一条预期也错了。原以为裁决书会大量引用现成的语言数据库当依据，也就是说判定标准是学界主流怎么说。

实测引用某个全球语言数据库的有13份，7.0%；引用另一个语系数据库的只有2.9%。绝大多数裁决书不引任何具名来源。

它们的写法是直接判断：现有文献把这两者当作方言、申请没有给出足够的证据。判断的依据在注册机构的专业判断里，不在某一份可查的清单里。这一点后面那节会展开，它比看上去要紧得多。

真正被反复援引的其实是两本工具书和一份语言地图集，而它们本身也不是随手可查的公开资源。小语种内容里参考资料那一栏的实测说过一个类似的现象：看起来有出处，点进去往往什么都没有。

一成的驳回书会告诉你怎么改

还有一个数字值得记住：20份驳回书里提到了重新提交，占10.7%。

这些裁决书不只说不行，还说了怎样才行。有的写着补上互不相通的证据、有的写着改成申请创建而不是申请拆分、有的写着如果这门语言继续发展并出现代际传承，可以再来。

这意味着被驳回不是终点。后面那节讲的三个反复申请的案例里，有两个最后过了。

2016年那份关于一门柏柏尔语变体的裁决书是个很完整的例子。它先说没有任何一句话证实这两个变体互不相通，接着挑出申请里的一处自相矛盾——如果新语言有八万人而原语言只有一万一千人，且拆分后原语言人口不变，那说明这八万人本来就不在原代码的范围里，那就不需要拆分。

然后它给了路：如果这个变体确实不属于任何已有代码，可以改成申请创建重新提交。这份裁决书驳回了申请，同时把正确的做法讲了一遍。

没提的那些同样是信息

反过来看没出现的东西也有价值。使用人口这个词只出现在7份里，而且都不是当作主要依据。

换句话说，一门语言有多少人说，跟它能不能拿到代码基本无关。这跟绝大多数人的直觉相反，也跟做市场的人的本能相反。

做小语种竞争强度评估的时候常犯的一个错，就是把标准里的地位当成市场规模的代理指标。这两件事在这个库里几乎正交。

另一个几乎不出现的词是官方地位。一门语言是不是某个国家的官方语言，在这套判据里同样不产生效力。在非洲选语种那一层看重的官方地位，到这一层完全失效。

为什么只有被拒的时候才留下理由？

这一节讲的是一个结构性的发现，跟具体哪门语言无关。

94%对2%

把有驳回行的申请和全部通过的申请分开数，再去看各自有没有附公开的裁决文档。

有驳回的申请200条，其中187条有公开裁决书，94%。全部通过的申请1223条，其中只有23条有，2%。

这个库里被完整记录下来的，只有拒绝的理由。

这个比例还有一个技术含义：如果你想统计这套体系的判据，样本量只有一百八十几份，而且全部偏向被拒的那一侧。这个样本讲不了通过的原因，只能讲被拒的原因。

这不是疏忽，是必然

为什么会这样？因为通过不需要解释。申请人提了一个诉求，注册机构同意了，结果就是那个代码出现在表里，没有第三方需要被说服。

拒绝就不同了。有人提了诉求被驳回，这个人和支持他的社群需要一个交代，而且很可能会再来一次。所以理由必须写清楚，写不清楚下次还得重来。

这个规律不只适用于这个库。任何一个把决定过程公开归档的机构，你能读到的都是它拒绝的那部分。通过的那些，只留下一行结果。

反过来想，如果一个机构连通过的理由也详细记录，那多半说明它面对的是一个通过本身需要被质疑的领域，比如药品审批或者专利授予。语言代码显然不属于那一类。

对你的两个用处

第一个用处是研究性的：想知道一套体系的真实判据，去读它的驳回记录，不要读它的通过记录。通过记录里什么都没有。

第二个用处更实际：如果你在做的事需要说服某个平台或某个机构，被拒之后拿到的那份说明，价值远高于成功案例。因为成功案例里没有判据，只有结果。

这条对做平台申诉的人应该很熟悉。驳回信是唯一一份会告诉你规则长什么样的文件。

第三个用处偏研究：想快速摸清一个陌生领域的判据，找它的驳回记录读二十份，比读一百份成功案例有效。这条方法在竞品分析里也成立，只是驳回记录通常没那么好找。

一个副作用：这个库看起来比实际更严格

还有一个观察角度值得提。因为拒绝有长文档、通过只有一行，你翻这个库的第一印象一定是它非常难过。

但实际数字是84%的变更行通过了。绝大多数申请安安静静地过了，什么都没留下。

感知和实际的落差，全部来自记录方式。记录方式会改变一个体系在外人眼里的样子，而它自己毫不知情。

这个现象在别处也有对应。界面翻译完成度的那次实测里也出现过类似的偏差：能被看见的永远是没完成的那部分，完成的那部分静悄悄的。

互不相通是不是唯一的判据？

这一节回答一个很多人以为已经知道答案的问题。

主判据确实是它

标准里的主判据是：两个话语变体之间的差别，是不是大到无法互相理解。是，就是两门语言；不是，就是一门语言的两个方言。

可懂度这个词出现在40.1%的驳回书里，是仅次于证据的第二高频词，位置摆得很清楚。

这条判据有个很干脆的好处：它是可测的。找两地的人互相听录音、做理解测试，能给出数字。而绝大多数被驳回的申请，恰恰是连这个测试都没做。

还有一点容易被忽略：可懂度是有方向的。甲地的人能听懂乙地的话，不代表反过来也成立，这种单向可懂在方言连续体里非常普遍。而标准的表述并没有细分方向。

两份申请自己写死了自己

有两个案例特别能说明问题。

2019年那份卢森尼亚语的拆分申请，申请书自己写着两个地区的卢森尼亚语之间存在足够的可懂度以便沟通。裁决书直接引用了这句话，然后说：那么授予独立代码的主要判据就不满足。

同一年波马克语那份申请更直接，申请书里写着波马克人、马其顿斯拉夫人和说标准保加利亚语的人可以在很大程度上互相理解。同样被原句引用，同样被判不满足。

写申请的人把最有力的反证自己写进了申请书。这不是水平问题，是因为申请人真正想论证的是身份，而身份这件事在这套判据里不算数。

这类错误在申请书里出现得如此频繁，说明它不是偶然。写申请的人默认审阅者关心的是我们是不是一个独立的群体，于是把可以沟通当成了一个中性的事实描述顺手写了进去。

但还有一条备用通道

波马克语那份裁决书里，还写了一段更有价值的东西。它引用了标准的另一条判据：在变体之间的可懂度足以沟通的情况下，如果存在长期以来有独立名称的族群语言身份，并且伴随着各自发达的标准化和文献，那也可以被当作应该视为不同语言的依据。

也就是说，互不相通不是唯一的门。还有第二道门：独立身份加上成熟的书面标准和文献。

这条备用通道在187份驳回书里只被明确引用了2次。但它的重要性远远超过这个频率，因为它解释了一整批看起来自相矛盾的现有代码。

这条判据的措辞里还藏着一个细节：它说的是可以被当作一个指标，不是必然成立。也就是说即使两个条件都满足，也还是注册机构判断。

塞尔维亚语、克罗地亚语、波斯尼亚语靠的就是这条

波马克语那份申请的论据之一是：塞尔维亚人、波斯尼亚人和克罗地亚人明明互相听得懂，却各有各的代码，那我们凭什么不行。

裁决书承认了这个事实，然后指出那三门语言拿到独立代码用的正是第二条判据，而不是第一条。接着话锋一转：所以一份成功的波马克语申请，需要证明存在发达的标准化并由此产生了相当数量的文献。

然后是那句最狠的：申请里描述的标准化工作听起来还很初步，提供的文献清单只列出两本用波马克语写的书，而且它们是用第二语言写的。

这三门语言在标准里还有一个更早的宏语言代码兜着，两位码是sh，今天在语言标签的登记表里已经被标为不推荐使用。这是个很典型的组合：上层留了兼容代码，下层各自独立。

前半句人人都有，后半句才是闸门

这条判据的两半，难度完全不对称。

长期存在的、有独立名称的族群身份——这个几乎每个申请这类代码的社群都有，否则也不会有人去写申请。

发达的标准化加上成规模的文献——这个要靠几十年的语法书、词典、教材、报纸和出版物堆出来。第一半是申请的动机，第二半才是判据。

这一条对做小语种市场的人有直接的映射意义：保加利亚语和塞尔维亚语、克罗地亚语和斯洛文尼亚语这几门在标准里之所以各自独立，靠的是文献存量而不是语言距离。而文献存量，恰好也是决定这门语言的搜索内容供给有多厚的那个变量。

把这条判据翻译成做内容的话就是：一门语言在标准里的地位，跟它有多少人认同关系不大，跟它积累了多少书面材料关系很大。而书面材料的多少，正好也决定了你在这门语言上能不能找到可用的语料和可靠的审校。

两种文字算不算两门语言？

这个问题在小语种市场里出现的频率很高，标准里的答案非常明确。

亚美尼亚语那份申请给了答案

2011年有一份申请，请求把亚美尼亚语升格成宏语言，底下分出东部亚美尼亚语和西部亚美尼亚语两门。

申请的理由是东部那一支在二十世纪二十年代经历过一次重大改革，西部没有跟进。

裁决书的回答是：主要的参考文献都注意到了两者的差别，但明确指出它们仍然互相可懂；两者之间的主要差别是书写系统不同，没有清晰的语言学证据把两者分开。因此驳回。

值得一提的是，东西亚美尼亚语在实际使用中的差别相当明显，词汇、拼写规范、甚至部分语法都有分歧。裁决书并不否认这些，它否认的是这些差别到了语言的层面。

文字是表层，可懂度是判据

这条结论可以直接抄走：在这套体系里，用两套文字写同一门语言，不构成两门语言。

被这条判据挡住的申请不止一份。书写系统这个词出现在7份驳回书里，占3.7%，每一次都是同样的处理方式——承认差别存在，但认定它不到语言层面。

这跟很多人的直觉相反。对使用者来说，看不懂对方写的字，比听不懂对方说的话感受强烈得多。但这套判据只认后者。

同样的错位在语言名上也有一份：菲律宾那种都叫英语却不是同一个英语的情况，在标准里连一个变体子标签都没有，因为混用不构成一门语言。

如果反过来想，这条规则其实是自洽的：可懂度测的是口语，而文字是后来附加上去的一层。一门语言换一套字母，说的话一个音都没变。

只是对做站的人来说，口语这一层几乎接触不到，你能看到的全是文字这一层。判据和你的观测面正好错开，这才是别扭感的来源。

那双文字市场怎么表示

标准不给新代码，不代表你在技术上表示不出来。语言标签里有一个专门的文字子标签，写法是在语言代码后面加上文字的四字母代码。

比如塞尔维亚语的拉丁字母版和西里尔字母版，就是靠这个子标签区分的。这条路不需要任何人批准。

做波斯语这类跟阿拉伯语共用字母的市场，方向正好反过来：字母一样，语言不同。这时候需要区分的不是文字子标签，是语言代码本身。

这条路上有个容易被忽略的连带决定：地址栏那一截要不要跟着换。URL用本地字母还是拉丁转写那一层的取舍跟文字子标签是两回事，但它们经常被当成同一个决定一起拍板，结果是标签写对了、地址却拼不出来。

顺便说一个容易搞混的点

语言代码和文字代码是两套独立的标准，各有各的注册机构和更新节奏。

它们在语言标签里被拼在一起用，看起来像一个整体，其实一个变了另一个不会跟着变。做语言选择器的时候如果要按文字分组，那份分组依据来自另一张表，不在本文讲的这个库里。

这两套代码的写法也不一样：语言代码是两位或三位小写字母，文字代码是四位首字母大写。看到一段标签认不出哪一截是什么，看大小写就行。

这套判据是什么时候才写下来的？

这一节是翻这个库最意外的一个发现，而它是从一门人造语身上翻出来的。

2007年的驳回理由是一句主观判断

2007年有人为一门叫做Toki Pona的极简人造语申请代码。裁决书的措辞今天读起来相当直白：注册机构认为这个申请为时过早；一门人造语的传播往往是短暂的、范围有限的兴趣，很少有人造语能在世界语言社群里留下持久影响而不只是个新鲜玩意儿；这门语言看起来属于新鲜玩意儿那一类。

然后它给了一句话：如果这门语言能挺过接下来这几年并持续发展，无论是应用还是使用者规模，注册机构愿意重新考虑。

注意这份裁决里没有任何可核对的判据。它是一个专业判断，不是一次规则适用。

有意思的是这句判断后来被证明是错的。这门语言不但挺过来了，还在十几年后拿到了代码。但这不妨碍当年那份裁决在当时是合理的。

2017年的驳回理由暴露了一件事

十年后同一门语言又申请了一次。这一次的裁决书写了一段完全不同的话。

大意是：鉴于越来越多看起来处在边缘的语言提交申请，同时标准的正文并没有规定什么样的语言才够格获得一个代码，注册机构一直在国际标准化组织相关技术委员会修订这一族标准的框架下起草这样一套判据；现在网站上已经有一份草案；这份草案在2017年第一次被用作创建语言代码的决策依据，并在同年六月的技术委员会会议上获得认可。

然后才是结论：按这套判据，这门语言看起来没有被用于多种场合，使用社群也不包含各个年龄段，因此驳回。

这段话里最值得注意的是它的坦率程度。一个运行了十一年的注册机构，在一份公开文件里承认自己一直没有成文的准入判据，这种坦率在标准文件里并不常见。

运行十一年之后才有成文的判据

把这两段并排读，结论就出来了：这个库从2006年开始受理申请，到2017年才第一次有一套成文的、被上级委员会认可的判据。

中间那十一年里，一千多条申请是怎么裁的？靠注册机构的专业判断。裁决书写得很认真、理由也讲得通，但那不是规则适用，是判断。

这一条把前面那节的结论又推进了一层。前面说这个库里被完整记录的只有拒绝的理由。现在要补一句：有理由不等于有规则。

这条还有一个推论：2017年之前的那些裁决，今天读起来仍然言之成理，但它们没法被用作先例——因为当时并不存在一条可以被援引的规则。而2017年之后的裁决可以。

2017年那一天很好认

判据成文之后立刻见效。2018年1月23日那一天生效的变更里，一口气驳回了七门人造语的申请：Sambahsa、Uropi、Lingwa de Planeta、Solresol、现代高卢语、一个国际辅助语的变体，还有Toki Pona。

人造语这一类的总驳回率是66.7%，全表第二高，仅次于汉藏语系。

但故事还有后半段：2021年提交的第三次申请通过了，2022年1月20日生效。同一套判据，同一门语言，第三次过了。变的不是规则，是这门语言自己。

这一天还有一个特点：七份驳回用的是同一套论证结构，几乎是同一个模板填不同的名字。判据成文之后，裁决书也跟着模板化了。

这条对你意味着什么

不只是个掌故。它给了一个可迁移的判断方法：任何一份看起来很权威的裁决，先问它适用的规则是什么时候写下来的。

写在裁决之前的，是规则适用；写在裁决之后的，是把过去的判断追认成规则。两者的可预测性完全不同。

这个方法在别的地方也管用。搜索引擎的各种指南、平台的各种政策，都值得问一句它是先有条文还是先有处置。小语种内容里那些看起来言之凿凿的本地规矩，栽的往往就是这一条。

落到具体动作上：遇到一条你打算长期遵守的规则，先花五分钟查一下它的发布时间和最近一次修改时间。这一步能省掉很多按老规矩办事却被新规矩判罚的情况。

同一个代码被申请三次是什么下场？

整个库里被反复申请拆分且始终没能拆开的，只有两组。其中一组跨了十六年。

第一次：申请不完整

2008年有一份申请，请求把闽南语这个代码注销，拆成厦门话和潮州话两门。

裁决书的态度出人意料地正面：注册机构同意申请人的看法，根据提交的证据，这两者应该被赋予两个独立的代码。

但它接着说：这份申请完全没有处理同样属于闽南语指称范围的其他变体，比如海南和龙岩那几支；注册机构在考虑注销一个代码时必须顾及它指称范围的全部广度，而填补申请里这么大的空缺，不是注册机构的工作。因此驳回，并邀请申请人重新提交一份把全部闽南变体都考虑进去的申请。

这份裁决书的价值在于它把一条隐含规则说破了：注册机构只做裁判，不做补全。申请里缺的部分，它不会替你想，也不会只挑你写全的那部分批准。

第二次：论证跑题了

2019年的第二次申请把范围扩大了，一次提出五门。裁决书的评价相当不客气。

大意是：这份申请以这些变体互不相通这个论断开场，但接下来论证的却是中国的一般性问题，而不是具体的证据。学界的共识倾向于把它们当作一门语言的方言；某本关于中国语言的百科全书也把闽南语当作汉语族的一个方言，把这几个变体当作次方言。

于是注册机构选择遵从学术界的多数意见，保持现状。

这句评语值得任何写论证材料的人抄下来。一份材料一旦从具体证据滑向一般性议题，读的人立刻就知道具体证据是拿不出来的。

第三次：过了两门，但不是按申请人想的那样过的

2021年提交的第三份申请一口气提了十一门，结果2024年10月15日才下来。表面看是部分通过：两门通过，九门被驳。

但通过的那两门是怎么过的，才是这个案例真正的价值。裁决书写着：雷州话和海南话被学者明确认定为不是闽南语的下级分支，而是跟闽南语同一层级的独立闽语分支。

换句话说，这两门语言不是被从闽南语里拆出来的，是被认定为本来就不在里面。而闽南语这个代码本身的拆分申请，第三次仍然是被驳回的。

同一天生效的还有一项变更：中文这个宏语言的成员清单被更新，把这两个新代码加了进去。所以从数据结构上看，这两门语言并没有离开中文这个口袋，只是在口袋里换了一层。

顺手还翻了一份五年前的旧案

同一天生效的还有一件事：2019年一份关于邵将话的申请被通过了，而那份申请当年是以为时过早为由被驳回过的。

裁决书解释得很清楚：这三门语言按同一个理由成立，也就是学者把它们列为八个闽语分支中的三个，其中五个已经有代码了。

这是个很好的例子：同一份主张，五年前被判为时过早，五年后按完全相同的理由被通过。变的不是证据，是它排在了谁后面。

为时过早这个理由在这个库里出现过十二次。它是个很特别的驳回理由——它不否认申请的实质，只说时候未到，而时候到没到没有客观标准。

反复申请到底值不值

把三个反复申请的案例并排看：Toki Pona三次，第三次过了；跨斯拉夫语三次，2012年和2014年被驳，第三次在2024年4月3日通过了；闽南语三次，三次都没能把那个代码拆开。

三分之二的成功率，说明反复申请不是徒劳。但看通过的那两个，共同点很明显：过的那一次，主张变了。

Toki Pona第三次的时候，它的使用者规模和使用场合已经跟2007年不是一回事。跨斯拉夫语第三次的时候，它已经攒出了文献和社群。而闽南语三次申请的主张始终是同一个：这些变体互不相通，应该拆开。

这条判断可以推广：面对一个有成文判据的评审体系，重复提交同一份主张几乎没有意义；有意义的是把主张改成判据能接住的那个形状。

这件事怎么落到你的词表和链路上？

前面全是在读别人的档案，这一节说自己能做什么。

先分清有代码和没代码这两种情况

你要做的那个变体，去码表里查一下有没有独立代码。有，那它在链路上可以是一个完整的维度；没有，那它只能靠子标签表示，或者干脆并到上级语言里。

保哥的习惯是把这一步放进建词表的第一天，不是之后。因为它决定的不只是标签怎么写，还决定了你的报表能不能把这批用户单独看出来。

顺序错了的典型后果是：内容做了两套，数据只有一套，然后没人能证明第二套值不值。

还有一处要一起查：用户的设备和浏览器能不能选到这门语言。标准里有代码只是第一关，用户设不成，你的语言协商照样接不住他。

查的时候有个坑：中文世界里流传的语言代码对照表，有相当一部分是从十几年前的资料抄来的，里面躺着已经注销的代码。以官方码表为准，别信二手表。

没有代码不等于没有办法

语言标签体系里，除了语言代码还有地区子标签、文字子标签和变体子标签三种补充手段。

瓦伦西亚语就是个现成的例子：它没有拿到独立的语言代码，但拿到了一个变体子标签，可以写成加泰罗尼亚语代码加上瓦伦西亚这个后缀。

Unicode那边关于怎么挑一个合适的语言标识的说明写得比标准原文好懂，遇到拿不准的组合可以直接对着它挑。这条路唯一的代价是有些老系统不认这么长的标签，需要先测一遍。

变体子标签这一类通常最长也最容易出问题，因为它在语言标签里排在最后，一些实现只解析前两段就停了。上线前找几个主流工具各测一遍，比事后排查省事。

驳回率高的市场，词表要按用词建

回到第三节那张地区表。如果你的市场落在驳回率高的那几块，说明当地对语言边界有持续争议。

争议在搜索行为上的表现是：同一个东西存在两套或更多说法，各有一批人在用，而没有任何一套能算作官方的唯一写法。

这种情况下按代码建词表必然漏。正确的做法是先按实际用词把两套都收进来，再决定内容做几套。双语市场那种内容拆分决策本质上就是在处理这件事。

还有一个信号可以配合着看：同一个商品品类在两套说法下的搜索量是不是接近。接近说明两套都活着，必须都收；相差一个数量级说明其中一套只在书面场合出现，词表里留一条就够。

hreflang这一层的三条底线

第一，别自己发明代码。语言标签的取值有一份权威登记表，不在里面的写法搜索引擎会直接忽略。

第二，别用宏语言代码去表示一个具体的地区变体。荷兰语和佛兰芒语是个好例子——这两个市场在标准里共用一个语言代码，要分开只能靠地区后缀。写成宏语言加地区后缀，比生造一个代码稳妥得多。

第三，页面上的语言声明和hreflang里的值要一致。hreflang的完整用法那一层讲了各种互指规则，而这一层要保证的是被互指的那串字符本身合法。

第四条不算底线但值得说：别用国旗代替语言。这条跟本文的主题是同一件事的两面——语言和国家在标准里就是两个维度，混成一个迟早出问题。

一个五分钟的自查

保哥给几个团队做过这件事，动作很简单：把站上所有语言标签的取值导出来，逐个去登记表里查两件事：这个子标签存不存在，以及它有没有被标为不推荐使用。

不推荐使用那一类最值得看，因为它通常伴随一个官方推荐的替代值，而这个替代值就是你该改成的东西。

做过一次之后，把这个动作挂到每年一次的检查清单里。这件事的成本极低，而它挡住的是那种查一整天都查不出来的问题。

顺手可以一起查的还有一样：你的分析工具里语言维度的取值清单，跟你站上实际输出的标签对不对得上。这两处对不上的时候，报表会安静地把一批用户归到其他一栏。

我一开始猜错了哪几条？

翻这个库之前写了一份预期清单，翻完之后逐条对账。

猜错一：以为有一批裁决书会明写政治

预计五到十五份，实测1份。错得最彻底的一条。

猜错的根源是把驳回率的地区分布和裁决书的措辞当成了同一件事。地区分布确实反映了争议的位置，但措辞层面完全不提。

修正后的判断是：争议会体现在申请量和驳回率上，不会体现在措辞上。想找争议，看统计，不要看文本。

这条猜错还有一个更一般的形式：一个机构越是被卷进敏感议题，它的公开文本就越会收敛到技术语言。文本越干净，通常说明外部压力越大，而不是越小。

猜错二：以为裁决会大量引学术来源

实测引用具名语言数据库的只有7.0%和2.9%。

这条猜错的后果比看上去大。如果裁决大量引用可查的来源，那这套判据就是可预测的——你能提前查一遍那些来源，估计自己的申请能不能过。

实际上不能。判据在专业判断里，而专业判断没有公开的索引。这也是2017年那份草案为什么重要。

顺带修正一个相关的印象：这个库并不是学术共同体在投票，它是一个机构在做行政裁量，只不过裁量的依据是语言学。这两者的可预测性差别很大。

猜错三：以为东欧的高驳回率来自少数语言反复申请

实测20行驳回涉及18个不同代码。

这条猜错改变了一个结论的方向：如果是少数语言反复申请，那高驳回率说的是那几门语言的问题；实际是普遍难过，那高驳回率说的是这一带的语言边界本身在移动。

后一个结论对做市场的人有用得多，因为它可以直接推出词表策略。

这条也提醒了一个统计上的常见陷阱：看到一个比例异常，先去数分子里有多少个不同的个体。个体少说明是特例，个体多说明是结构。

猜错四：以为反复申请全被驳的案例有五到十二组

实测只有两组：闽南语和一门西非语言。

这条猜错也是有价值的。它说明反复申请这件事本身很少见，而少见的原因不难猜——写一份申请要花的力气不小，被驳一次之后大多数人不会再来。

能来第三次的，要么背后有个持续存在的组织，要么这门语言本身在这十几年里真的变了。

另外还有一个观察：反复申请之间的间隔往往是十年左右，而不是两三年。这个间隔大概就是一个社群攒够新材料所需要的时间。

猜对的那一条

猜对的是汉语变体的驳回率会显著高于全局。预计超过六成，实测汉藏语系83.3%，是全表最高。

但猜对的过程里冒出了一个原本没想到的东西：这个数字之所以这么高，不是因为申请质量差，而是因为这一带的申请全部集中在同一个争议上，而这个争议在这套判据下无解。

无解的意思是：主判据要求互不相通的证据，而提交者真正想论证的是身份。这两件事在这套体系里不通约，提多少次都一样。

把这条推广开：当一个体系的判据和申请人的诉求不在同一个维度上时，提交次数不产生任何进展。要么换判据，要么换诉求，没有第三条路。

这也是本文最想留下的一句话。一门语言算不算数，在这套体系里是一件有人受理、有判据、有驳回率的行政事务；而决定它的，是这门语言的边界有没有人在争，以及争的那一方拿不拿得出互不相通的证据。

常见问题解答

我怎么知道一个语言变体有没有独立的代码？

去注册机构的码表下载页拿在册表，是个制表符分隔的纯文本文件，用表格软件打开搜名字就行。要注意搜索的时候别只搜中文名，官方表里用的是英文参考名和当地名称，中文名往往对不上。搜不到的时候再查一下宏语言成员表，有可能它是作为某个宏语言的成员登记的。

没有独立代码的变体，在hreflang里该怎么写？

用上级语言代码加子标签。地区差异用地区子标签，比如同一门语言的两个国家版本；文字差异用文字子标签；两者都不合适的时候还有变体子标签，瓦伦西亚语用的就是这一种。关键是取值必须来自语言标签的官方登记表，不能自己拼。写完之后建议在一两个老一点的系统里测一下，超过两段的标签不是所有地方都认。

申请一个新的语言代码难不难，值不值得试？

从数据看，创建类申请的历史通过率是四分之三左右，等待时间中位数一年，慢的能到三年以上。对绝大多数做内容和做站的团队来说不值得——因为你需要的效果用子标签就能达到，而子标签不需要等任何人。真正需要走这条路的，是那些确实要把一门语言写进各种标准链路的语言机构。

为什么两门明明互相听不懂的话，只有一个代码？

最常见的原因是从来没有人提出过申请。这套体系是被动的，它只处理收到的申请，不会主动去审视现有的划分。第二个原因是提过但没能拿出可核对的可懂度证据。第三个原因是它们被登记在同一个宏语言底下，各自其实有代码，只是你查的时候用的是那个宏语言的代码。

用两套文字写的同一门语言，要不要做成两套内容？

标准这一层的答案是它们是同一门语言，但这个答案不解决你的问题。实际决策要看两点：一是用户在搜索框里用哪套文字打字，这个可以直接量；二是两套文字的内容会不会互相稀释。多数情况下正确的做法是内容一套、呈现两套，用文字子标签区分，而不是做成两个完全独立的站点分支。

这些驳回记录，除了长见识还有什么实际用处？

最实际的用处是判断一个市场的语言边界稳不稳。查一下你目标市场所在地区的驳回率，高的说明当地对说的到底是不是同一门语言长期有争议，那你的关键词表必须按实际用词建、按两套甚至三套收；低的说明边界清晰，按代码建词表基本够用。这个判断只需要看一张表，比做用户调研快得多。