在软件国际化（i18n）和本地化（l10n）处理中，PO 文件是一个核心概念。对于参与过开源项目的翻译工作，或者作为开发者处理过多语言支持的人来说，很可能都接触过这种文件格式。本文将详细剖析 PO 文件的结构和内容。
什么是 PO 文件？
PO 代表 Portable Object（可移植对象）。它们是 文本文件，主要设计用于 供人类阅读和编辑。PO 文件的核心作用是将程序源代码中的原始、可翻译字符串与其在特定目标语言中的翻译关联起来。
每个 PO 文件通常只对应一种特定的目标语言。这意味着如果一个软件包支持多种语言，那么每种语言都会有一个对应的 PO 文件。
与 PO 文件密切相关的是 MO 文件（Machine Object）。MO 文件是 二进制文件，旨在 供程序在运行时读取 以快速检索翻译。它们由 msgfmt 工具从 PO 文件编译生成。PO 文件格式的设计灵感来源于 Uniforum 开发、Sun 在 Solaris 系统中首次实现的 NLS 标准。
PO 文件条目结构
一个 PO 文件由许多“条目”（entry）组成。每个条目都包含一个原始的未翻译字符串及其在目标语言中的翻译。虽然理解其整体结构很重要，但使用 PO 文件编辑器（如 Emacs 的 PO 模式）时，大多数格式细节都会由编辑器自动处理。
一个典型的 PO 文件条目 schematic 结构如下所示：
white-space
# translator-comments
#. extracted-comments
#: reference...
#, flag...
#| msgid previous-untranslated-string
msgid untranslated-string
msgstr translated-string
让我们分解这个结构中的主要部分：
1. 空白和注释 (white-space and comments)
条目可以包含空白行和以 # 开头的注释行。注释提供了关于条目的附加信息。根据开头的不同字符，注释有不同类型：
# ：翻译人员注释 (translator-comments)。这是翻译人员可以自由添加和编辑的注释，用于记录翻译过程中的思考或疑问。
#. ：提取的注释 (extracted-comments)。通常包含从源代码中提取的、与字符串相关的上下文信息。
#: ：引用 (reference)。这些行通常指示原始字符串在源代码中的位置，格式通常是 filename:line。这些引用由 xgettext 等工具自动生成。虽然可以使用 --no-location 选项禁止生成这些行, 但来源指出这样做会使熟悉技术的翻译人员难以理解消息的上下文。默认情况下会生成引用信息，并且可以通过 --add-location=type 选项控制详细程度 (full, file, never)。
#, ：标志 (flag)。这些标志提供关于条目的元信息，通常也是由程序（如 xgettext 或 msgmerge）自动添加的。
#| ：表示旧的、不再使用的原始字符串 (previous-untranslated-string)。这通常在 PO 文件更新时由 msgmerge 添加，以帮助翻译人员理解字符串是如何变化的。
2. msgid
这是原始的、未翻译的字符串，它直接取自程序源代码。
3. msgstr
这是 msgid 字符串在特定目标语言中的翻译。
msgid 和 msgstr 字符串在 PO 文件中通常使用双引号 (") 括起来，特殊字符（如双引号本身或换行符）使用反斜杠 (\) 进行转义。同样，翻译人员通常无需手动处理这些引用和转义的细节，PO 文件编辑器会负责。
处理长字符串
如果 msgid 或 msgstr 字符串很长，可以将其分割成多行书写，并通过连接多个双引号括起来的字符串来实现。例如：
msgid "" "Here is an example of how one might continue a very long string\n" "for the common case the string represents multi-line output.\n"
这里的空字符串 "" 是为了格式兼容性，因为 msgid 或 msgstr 关键字后必须紧跟一个字符串（即使是空字符串）在同一行。
头部条目 (Header Entry)
每个 PO 文件的第一个条目是一个特殊的头部条目，其 msgid 是一个空字符串 (msgid "")。这个条目不包含程序中实际的字符串翻译，而是用于存放整个翻译文件的元信息。
头部条目通常包含以下重要字段（这些字段的值很多由 msginit 程序在创建新 PO 文件时自动填充）：
Project-Id-Version：软件包的名称和版本。
PO-Revision-Date：此 PO 文件的修订日期。
Last-Translator：最后修改此文件的翻译人员信息。
Language-Team：翻译团队的名称。
Language：目标语言标识。语言命名约定通常是 ll_CC（语言代码_国家/地区代码）或简单的 ll（语言代码）。例如，在德国使用的德语标识可以是 de_DE 或更常用的 de。此字段不包含 .encoding 或 @variant 后缀。所以，如果您的区域设置名称是 de_DE.UTF-8，在 PO 文件中通常只写 de。
MIME-Version, Content-Type, Content-Transfer-Encoding：与字符编码相关的字段。
Content-Type字段通常包含charset=ENCODING，指定文件的字符编码。如果输入 POT 文件（PO 模板文件）是 UTF-8 且包含非 ASCII 字符，msginit会保留 UTF-8 编码。如果 POT 文件是纯 ASCII，则使用区域设置的编码。PO 文件支持的字符编码限于 GNU libc 和 GNU libiconv 支持的列表。来源列举了许多支持的编码，包括 ISO-8859-_ 系列、各种 CP 编码、GB2312、EUC-JP、UTF-8 等。对于某些语言，特别是需要使用特定的引号字符（如弯引号 U+201C, U+201D 等）时，即使区域设置是 ISO-8859-_，也推荐使用 UTF-8 编码创建 PO 文件，因为 UTF-8 能表示更丰富的字符。Content-Transfer-Encoding应设置为8bit。
Plural-Forms：这是一个可选字段，仅当 PO 文件包含复数形式时才需要。它定义了该语言的复数形式规则。格式为 nplurals=N; plural=EXPRESSION;。nplurals 表示复数形式的数量，plural 后是一个 C 语言语法的表达式，用于根据数字 n 计算应使用的复数形式（索引从 0 开始）。翻译人员需要根据此信息为 msgid_plural 填写对应的 msgstr, msgstr, msgstr 等。msginit 包含了已知复数规则的数据库，可以帮助自动生成此字段。
Report-Msgid-Bugs-To：用于报告原始字符串 (msgid) 错误的电子邮件地址。
标志 (Flags)
标志出现在以 `#,’ 开头的行中。它们提供了关于条目属性的元信息。许多标志是程序自动生成的，不应由人工添加。一些重要的标志包括：
c-format / no-c-format：指示 msgid 和 msgstr 是否应被视为 C 格式字符串。msgfmt 会检查带有 c-format 或 possible-c-format 标志的条目，验证其格式说明符（如 %d）是否匹配。这些标志通常由 xgettext 添加。还有针对其他语言的类似格式标志，如 kde-format, boost-format, tcl-format, perl-format, php-format, gcc-internal-format 等。
fuzzy：表示该翻译是“模糊的”，可能需要人工修订。msgmerge 在更新 PO 文件时，如果发现原始字符串发生变化，可能会将旧的翻译标记为 fuzzy。请注意，只有未标记为 fuzzy 且已填充 msgstr 的条目（即已翻译条目）会被 msgfmt 编译成 MO 文件。
obsolete：表示原始字符串在程序源代码中已不再使用。这样的条目通常会被注释掉。
range：可能表示源代码中的引用位置是一个范围。
上下文 (Contexts)
为了区分相同的原始字符串在不同上下文中的不同含义和翻译，PO 文件支持使用 msgctxt 字段。这允许同一个 msgid 字符串拥有不同的翻译。
文件有效性
为了使 PO 文件有效，必须遵循一定的规则。最重要的规则是，没有 msgctxt 的条目不能有重复的 msgid (或 msgid_plural)。同样，具有相同 msgctxt 的条目也不能有重复的 msgid (或 msgid_plural)。
使用编辑器
虽然理解 PO 文件格式的细节很有益处，但在实际翻译工作中，强烈推荐使用专门的 PO 文件编辑器。这些编辑器内置了对 PO 格式的支持，可以处理格式细节、引用、转义，并提供方便的功能，如导航、验证、模糊匹配处理等。常见的 PO 编辑器包括 Lokalize (KDE), Gtranslator (GNOME), Poedit, OmegaT, Virtaal Translation Editor, 以及 Emacs 的 PO 模式 和 vim 的支持。Emacs PO 模式还提供了诸如条目间移动、批量验证文件格式、查看源代码上下文 等高级功能。
总结
PO 文件作为 GNU gettext 国际化流程中的核心文件格式，通过结构化的文本格式，有效地存储了原始字符串及其在特定语言中的翻译，并辅以注释、引用、标志等信息。它设计为人可读和编辑，是连接程序员和翻译人员的重要桥梁。通过 GNU gettext 工具链中的 xgettext (提取字符串创建模板)、msginit (创建新翻译文件)、msgmerge (更新翻译文件) 和 msgfmt (编译为机器可读的 MO 文件) 等工具的配合，以及使用专门的 PO 文件编辑器，极大地简化了软件的国际化和本地化工作流程。
