语言指包括语言的字符集以及有关的货币符号，日期格式等。为了区分不通的语言，人们设计了一些语言代码相关的标准来。

作为开发，只要涉及多语言，都一定会接触到语言代码。在各种不通的技术、语言框架中，这些代码并没有非常统一，比如简体中文，我见过 zh, zh_CN, zh-Hans, chs, zh_chs 几种不同的表示。

• HTTP Accept-Language 头（不区分大小写）。
• PHP setlocale()
• Django i18n 语言设置，与 Accept-Language 一致。
• Linux locale 设置。

IETF

https://zh.wikipedia.org/wiki/IETF语言标签

• RFC 1766 对应 ISO 639-1 两字母语言代码
• RFC 3166 对应 ISO 3166 两字母地区代码（允许登记的标签携带 variant 或书写文字子标签）
• RFC 3066 对应 ISO 639-2 三字母语言代码
• RFC 4646: Tags for Identifying Languages
  • ISO 15924 4 字母书写文字代码与
  • UN M.49 的 3 数字地理分区码
• RFC 4647 语言代码匹配规则

• RFC 5646 对应 ISO 639-3，ISO 639-5

• language

• language-script
• language-region
• language-script-region

ISO 639

https://zh.wikipedia.org/wiki/ISO_639
https://zh.wikipedia.org/wiki/ISO_639-1
https://zh.wikipedia.org/wiki/ISO_639-2
https://zh.wikipedia.org/wiki/ISO_639-3

ISO 639-1 两字母方案最多只能有 26×26 = 676 个组合，还要考虑到和真实的语言名称对应关系，比如 zh 来自汉语拼音 zhongwen，实际上可用组合不多（居然也设计出了 184 种代码，真实令人惊讶）。这就是为什么后来又制定了 ISO 639-2 的原因。

ISO 639-2 三字母方案可以支持 26x26x26 = 17576 种语言¹。又分成两种：

• ISO 639-2/B ，书籍目录使用 (bibliographic use)
• ISO 639-2/T ，技术专门使用 (terminological use)

部分语言在这两种标准中代码是不同的，比如中文在 639-2/B 中是 chi, 在 639-2/T 中则是 zho。其实好理解，639-2/B 是给美国图书馆用的，当然都按英语单词来定比较好。

ISO 639-3 继承的是 639-2/T，将语言拆分得更细，参考的是基督教背景的 SIL 国际 划分的民族语，比如中文，被分成了十几种语言。在我们的认知中官话、湘语、赣语、吴语、闽语、粤语、客家话都是汉语的方言，但是 SIL 认为他们不能相互沟通，是不同的语言，这就又很大的争议，无论是学术上，还是政治上。

标准的第 1 部分（ISO 639-1，两字母语言代码）是 1967 年制定，之后的部分（三字母语言代码）都是 2000 年前后才制定，太晚了。可能是这个原因，我好像都没有见过。也可能是我所面对的 I18N 场景还是太简单。

GB/T 4880

ISO 的官方文件都是要收费的，如果遇到不确定的地方，我们可以浏览与 ISO 639 对应的国家标准。令我惊讶的是，国标也没有提供在线阅读，原因是由于涉及 ISO 版权，可能是直接引用的 ISO 文件。

打开 国家标准目录 或者 国家标准检索 搜索 4880：

语种名称代码:

• 第 1 部分:2 字母代码 GB/T 4880.1-2005 (对应 ISO 639-1)
• 第 2 部分:3 字母代码 GB/T 4880.2-2000 (对应 ISO 639-2)
• 第 3 部分:所有语种的 3 字母代码 GB/T 4880.3-2009(对应 ISO 639-3)

常见语言代码

https://zh.wikipedia.org/wiki/ISO_639-1代码表

操作系统本地化设置

本地化设置又叫区域设置（locale）。
所以 Linux 和 Windows 的地区设置都只参考了 ISO 639-1。

Linux

Linux 上的本地化设置，可以使用 localectl list-locales 查看。

格式是：语言代码_地区代码.编码, 比如：zh_CN.UTF-8

Windows

1. Locale Name
2. Locale ID, 又叫做 LCID (Language Code Identifier)。

因为历史原因，支持的格式有点复杂：

• primaryLanguage[-Script][-SubLanguage[_sortorder]] 参考的是 IETF 的 Language Tag
• "locale-name"
• "language[_countryORregion[.CodePage]]"
• ".CodePage"
• "C"
• ""
• NULL

其中：

1. primaryLanguage 主语言，对应 ISO 639-1 或 ISO 639-2/T 中的语言代码
2. Script 书写系统代码，对应 ISO 15924 中的四字母代码（首字母大写）
3. SubLanguage 子语言，对应 ISO 3166-1 中的地区代码
4. sortorder 排序代码
5. CodePage 编码代码，这个概念早于 Unicode 的出现，当时的软件系统为了区分不同编码格式而设计。

比如 zh-CN_stroke 表示中文，中国，按笔划顺序排序。

总结

就拿一开始举的例子说明：

• zh ISO 的两字母语言代码
• zh_CN 语言代码 + 地区代码
• zh-Hans 语言代码 + 书写系统代码
• chs Chinese Simplified，好像没有出现在哪个标准中，可能就来自下面的 zh-chs
• zh_chs 微软的产品和文档中可以看到，比如：
  • Language support for Language Detection。
  • Bing, 国家、地区和语言代码

注意：有些地方区大小写敏感，有些地方小写；有些地方是下划线，有些地方又是中划线。

参考资料与拓展阅读

• 阮一峰, 语种名称代码
• r12a >> apps >> BCP47 language subtag lookup