6、自然语言形式化：字母表与词汇的规范之路

自然语言形式化：字母表与词汇的规范之路

1. 语言代码与文本格式化

在现代操作系统中，ISO - 639 代码用于识别各种语言。通常使用两到三个字母的代码，例如 “EN” 代表英语，“FR” 代表法语。借助该代码，操作系统、文字处理应用程序、互联网浏览器和数据库管理器等可以根据不同语言对文本、列表、索引和字典进行排序，还能正确格式化日期、数字和货币符号等。比如，法语日期格式为 31/1/2011，而英语为 1/31/2011；法语数字格式为 1 234,50，英语则是 1,234.50。

2. 字符分类

语言中的字符可分为以下四类：
- 字母 ：包括连字和带变音符号的字母。
- 阿拉伯数字 ：即 0 - 9 这十个数字。
- 空格类字符 ：包含不间断空格、半角空格、全角空格、换行符、换行和回车符等。
- 分隔符 ：其他字符，如连字符（用于多词单元，如 well - being）、半角破折号（表示范围，如 10–12）、全角破折号（—）、撇号、标点符号和缩写符号（如 $）。

下面用 mermaid 流程图展示字符分类：

graph LR
    A[字符] --> B[字母]
    A --> C[阿拉伯数字]
    A --> D[空格类字符]
    A --> E[分隔符]

3. 语言书写系统的形式化

目前，