小语种平行语料来源集中度实测，七成语言一多半出自同一家
一门语言下面列着几十个语料库，看起来来源很分散。把句对数加起来按来源归并之后，分散只是清单的样子，不是数据的样子。
标签
网站本地化
保哥笔记 网站本地化 标签下共 12 篇文章合集，含《小语种平行语料来源集中度实测，七成语言一多半出自同一》《小语种数字化程度有四张现成的分级表，73门语言查下来》《小语种文字编码：39个无码位代码里14套仍在用》等，与 多语言SEO、小语种SEO、建站选型 主题密切相关，覆盖 SEO/GEO 实战角度的深度解析与可落地方案。
-
-
小语种数字化程度有四张现成的分级表，73门语言查下来全挤在同一档
几张公开的语言分级表被反复引用，却很少有人翻一下它的最高档是怎么定义的。翻开之后会发现，那一档的判据是有没有人写过一本三百页以上的语法书。
-
小语种文字编码：39个无码位代码里14套仍在用
语言拿到代码和文字拿到码位是两道分开的闸，而且后一道的队伍出奇地短。真正卡住那些文字的不是审批速度，是根本没有人去写那份提案。
-
ISO 639-3语言代码申请书过半出自同一组织，616份署名逐份拆解
一份对所有人开放的流程，实际走进去的是很小一群人。把616份申请书的署名逐份数完会发现，决定这份全球语言清单长什么样的不是需求，是那几年谁手上正好有一个项目。
-
语言代码申请驳回率实测：187份裁决书里只有1份提到政治
一门语言算不算数，是一件有人受理、有判据、有驳回率的行政事务。翻完十八年的公开裁决记录会发现，这个库只在拒绝的时候写下理由，而理由从来不谈争议本身，只谈证据够不够。
-
界面翻译顺序实测：147门语言里出错提示排到中后段
正常浏览全是本地话，一填错表单就冒英文，这不是偶然。147个语言版本逐条对齐6519条界面文案之后，翻译顺序稳定得吓人：时间词排在第241位，出错提示掉到第2896位，分页的无障碍标签排倒数第110名。
-
语言包完成度实测：208个版本里曾经翻满的四成已掉队
下拉列表里有这门语言，不等于它能用。208个语言版本逐条量下来，曾经把界面翻满过的106门里今天还满着的只剩63门，而没有任何一条译文被删掉——分母十二年涨了四倍，停手就等于往回退。
-
语言代码注销实测：ISO 639-3十八年间385个退役代码的去向
你在hreflang和语言声明里写死的那串字母，是一份有生效日期的行政档案。十八年里被注销的385个代码中，七成不是这门语言没了，是它换了地方，而机械替换会把一批内容静默换到另一门语言名下。
-
语言选择器里写Deutsch还是German，179门语言里有136门这两个词毫无关系
语言列表上写哪个名字、按什么排，看着是文案和前端的小事，实际是一次检索路径设计。用户按自己那门语言的叫法去找，而列表按另一套叫法在排，中间隔着的行数是可以量出来的。
-
安卓能选181门系统语言，Chrome桌面版只有53门，差的那批人设不成自己的母语
判断一门语言值不值得投入，有一把尺子半小时就能量完：翻开安卓、Firefox、Chrome三家公开的界面语言清单，看它在不在里面。清单外的市场，你的语言维度报表会稳定地把这批用户记成别人。
-
缅甸和斯里兰卡天天在用佛历，这两门语言的日历数据里一条都没有
用另一套历法的市场比想象中少，坑却比想象中深。制度上默认非公历的地区只有三组，缺数据的语言远不止这三组，而缺了这一格系统不会报错，只会拿一个内部占位符照常渲染出去。
-
小语种的本地化数据，看着有的多半是借的，看着空的反而是对的
查区域数据看到文件在就放心，是这一层最常见的误判。同一个格子有三种状态，在源文件里长得几乎一样，而运行时把它们抹平成同一个值。上线前四步二十分钟，能查清一门语言实际落到了哪一级。
