多语言踩坑汇总

发表于 更新于 阅读次数： 本文字数： 1.6k 阅读时长 ≈ 6 分钟

ko-fi

土耳其语大小写转换

土耳其语的大小写转换规则与英语（及大多数拉丁字母语言）存在显著差异，这在计算机科学界被称为“土耳其语 I 问题”，其实还有阿塞拜疆语也有这个问题。

1. 核心差异：有点与无点的“I”

在英语中，字母 i 的大写是 I。但在土耳其语中，这两个字母分别属于两组不同的对应关系 ：

  • 有点字母组：小写 i 对应大写 İ（带点的 I）。

  • 无点字母组：小写 ı（无点 i）对应大写 I（无点 I）。

这意味着：

  • 在英语环境下：i ↔ I

  • 在土耳其语环境下：i ↔ İ 以及 ı ↔ I

2. 技术与软件开发中的问题

由于许多编程语言（如 C#、Java等）的字符串转换函数（如 toLowerCase() 或 toUpperCase()）在默认情况下会参考系统的本地化设置（Locale），这导致了大量的软件缺陷 ：

  • 关键字失效：如果一个编译器或解析器在土耳其语环境下运行，将大写的英文单词 “INFO” 转换为小写，结果会变成 “ınfo”（使用无点 ı），而不是预期的 “info”。这会导致程序无法识别指令或配置 。

  • 标签损坏：在游戏引擎（如 Unreal Engine）中，如果对包含富文本标签的代码进行文化敏感的大小写转换，<img id="..."> 可能会变成 <İMG İD="...">，导致系统无法识别标签。

  • 文件系统错误：如果文件名包含 “I”，在土耳其语环境下转换为小写后，可能因为字符不匹配而导致无法找到文件

3. 历史与设计原因

  • Unicode 设计：Unicode 为了保持与早期字符集（如 ISO-8859-9）的兼容性，将土耳其语的无点大写 I 与英语的大写 I 统一使用了同一个码点（U+0049），这使得大小写转换必须依赖于语言上下文（Locale）才能正确执行 。

  • 语言改革：土耳其语在 20 世纪 20 年代拉丁化改革时，为了实现“一个字母对应一个声音”的原则，特意区分了这两种元音 。

4. 解决方案

为了避免这类 Bug，当需要将字符串转换为统一的大小写以便后续处理（如比较或存储）时，不应直接使用 ToUpper() 或 ToLower()，因为它们默认使用系统的当前文化设置（CurrentCulture）。

浮点数转换字符串小数点.变成,

在许多欧洲国家或地区的语言设置中，默认的数字小数点分隔符是逗号（,）而不是点（.）。在执行 ToString() 操作时，.NET 会根据当前线程的文化环境自动选择分隔符。

解决方法

使用固定文化（CultureInfo.InvariantCulture）

InvariantCulture 的默认小数点分隔符始终是 .，且不会随系统语言环境的变化而改变 

1
2
3
double value = 1.5;
string result = value.ToString(System.Globalization.CultureInfo.InvariantCulture);
// 结果始终为 "1.5"

Application.systemLanguage返回语言标识错误

一些语言在调用Application.systemLanguage查询时会被错误的认为成马来语

解决方法

  • iOS - Preferred Language: 使用 iOS Preferred Language

    • 根据 iOS 本地化指南，用户的 preferredLanguages 是在 iOS 设置（设置 ➞ 通用 ➞ 语言与地区）中列出的语言顺序，项目中只取第一个即可。
1
2
[System.Runtime.InteropServices.DllImport("__Internal")]
extern static string getPreferredLanguage();
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
extern "C"
{
    const char* getPreferredLanguage()
    {
        NSString* language = [[NSLocale preferredLanguages]firstObject];
        if (language == NULL)
            return NULL;
        
        const char* languageCode = [language UTF8String];
        const size_t len = strlen(languageCode) + 1;
        char* pl = (char*)malloc(len);                
        strlcpy(pl, languageCode, len);
        return pl;
    }
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
static string GetAndroidDeviceLanguage()
{
    using (AndroidJavaClass cls = new AndroidJavaClass("java.util.Locale"))
    {
        if (cls != null)
        {
            using (AndroidJavaObject locale = cls.CallStatic<AndroidJavaObject>("getDefault"))
            {
                if (locale != null)
                {
                    return locale.Call<string>("toLanguageTag");
                }
            }
        }
    }
    return null;
}
1
CultureInfo.CurrentUICulture.TwoLetterISOLanguageName
1
Application.systemLanguage

阿拉伯语处理

Arabic Support for Unity

Tashkeel (发音/变音符号)

Tashkeel（阿拉伯语：تشكيل）是指阿拉伯语中的变音符号或发音符号。由于阿拉伯字母主要是辅音，Tashkeel 符号被添加在字母的上方或下方，用以指示短元音、音节重复或静音。

  • 常见类型：包括 Fathah (开口符)、Kasrah (齐齿符)、Dammah (合口符)、Sukun (静符)、Shadda (叠音符) 等。

  • 作用：这些符号对于准确的读音和理解句意至关重要。在普通的现代阿拉伯语出版物中，Tashkeel 有时会被省略，但在宗教文献（如古兰经）、诗歌和初级语言教材中是必须显示的。

  • Unity 开发中的挑战：并非所有字体都能完美支持这些符号的渲染。在使用 Arabic Support for Unity 插件时，开发者可以选择显示或隐藏这些符号。

Hindu numbers (印地数字 / 东阿拉伯数字)

在 Unity 插件（如 ArabicSupport）的语境下，Hindu numbers 指的是东阿拉伯数字（Eastern Arabic numerals），即在阿拉伯语、波斯语和乌尔都语地区广泛使用的数字形状 。

  • 数字形态：它们看起来像这样：٠ ١ ٢ ٣ ٤ ٥ ٦ ٧ ٨ ٩ 。

  • 命名困惑：

    • 我们平时用的 0, 1, 2… 在国际上被称为“西阿拉伯数字”（Western Arabic numerals）。

    • 插件中提到的 Hindu numbers 其实是指在阿拉伯语国家常见的“东阿拉伯数字”。

  • Unity 开发中的功能：

    • 自动转换：Arabic Support for Unity 插件提供选项，可以将标准英文字符（0-9）自动转换为这种特定的数字形状。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
using UnityEngine;
using System.Collections;
using ArabicSupport;

public class FixArabic3DText : MonoBehaviour {

    public bool showTashkeel = true;
    public bool useHinduNumbers = true;

    void Start () 
    {
        TextMesh textMesh = gameObject.GetComponent<TextMesh>();
        string fixedText = ArabicFixer.Fix(textMesh.text, showTashkeel, useHinduNumbers);
        gameObject.GetComponent<TextMesh>().text = fixedText;
        Debug.Log(fixedText);
    }
}

CJK 字体缺失

中文等东亚字符显示为方块（□）的主要原因是字体文件不包含 CJK（中日韩）字符集，或者 TextMeshPro (TMP) 的字体资产（Font Asset）未包含对应字符的位图信息。

  • 选择支持 CJK 的字体

  • 建议将 Atlas Resolution 设置为 2048x2048 或 4096x4096，因为中文等东亚字符数量巨大，需要更大的贴图空间

  • 对于聊天系统等无法预知内容的文本，可以使用代码在运行时动态添加字符到字体资产中（如使用 chineseFont.TryAddCharacters(c)）并强制更新