সরাসরি পর্বে যান
পর্ব ৫৬ · ৮২-এর মধ্যে · মডিউল ৯

Localization testing — বাংলা Unicode, font, তারিখ আর সংখ্যা

Localization Testing for Bangla — Unicode, Fonts, Dates and Numbers

Taught in Bangla, this lesson separates i18n from l10n and measures Bangla text in code points, UTF-16 units and graphemes. A real run on a local Bazarghar copy finds three localization bugs: a single-character য় search returning nothing, English error messages on Bangla pages, and prices and dates in English digits. Edge formats lakh grouping with the taka sign while Babel 2.18.0 gives English digits, so tests pin locale, time zone and library versions. Bangabda, sorting and pseudo-localization follow.

এই পর্বে যা শিখবেন

  • i18n, l10n আর g11n আলাদা করা, আর localization testing-এর ধরনগুলো চেনা
  • বাংলা লেখার দৈর্ঘ্য code point, UTF-16 আর grapheme-এ মেপে সীমার test নকশা করা
  • বাংলা অঙ্ক, লাখ-কোটির কমা, টাকা, তারিখ, Asia/Dhaka আর বঙ্গাব্দের জন্য test আর oracle ঠিক করা
  • সাজানো আর খোঁজার localization বাগ ধরা, আর তার bug report লেখা
  • অনুবাদের QA, plural, text expansion আর pseudo-localization দিয়ে অনুবাদের আগেই ভুল ধরা

১ · i18n আর l10n — একবার ঘর বানানো, প্রতি দেশে সাজানো

বিদেশ থেকে আসা একটি ওষুধের বাক্স ভাবুন। কারখানা বাক্সটি এমনভাবে নকশা করেছে যে লেবেলের জন্য একটি ফাঁকা জায়গা আছে, আর সেখানে যেকোনো ভাষার লেখা বসানো যায়। এটি প্রথম ধাপ। বাংলাদেশে আসার পরে সেই জায়গায় বাংলা লেবেল বসে: ওষুধের নাম, সেবনবিধি, মেয়াদের তারিখ বাংলাদেশের নিয়মে। এটি দ্বিতীয় ধাপ। লেবেল যদি জায়গায় না ধরে, তারিখ যদি উল্টো ক্রমে লেখা থাকে, বা “দিনে ২ বার” অনুবাদে “দিনে ২০ বার” হয়ে যায়, ক্ষতি সরাসরি মানুষের।

Software-এ প্রথম ধাপের নাম i18n (internationalization): code আর নকশা এমনভাবে বানানো, যাতে code না বদলে নতুন ভাষা আর দেশের নিয়ম বসানো যায়। দ্বিতীয় ধাপ l10n (localization): নির্দিষ্ট একটি locale, যেমন bn-BD (বাংলা ভাষা, বাংলাদেশ অঞ্চল), এর জন্য লেখা, সংখ্যা, তারিখ, মুদ্রা আর ছবি মানিয়ে নেওয়া। দুটি মিলিয়ে বলা হয় g11n (globalization). নামের সংখ্যাগুলো মাঝের অক্ষরের সংখ্যা: internationalization-এর i আর n-এর মাঝে ১৮টি অক্ষর।

Developer-এর দিক থেকে বাংলা i18n কীভাবে বানাতে হয়, সেটি Full-Stack কোর্সের পর্ব ৫৯-এ। বাংলা লেখার ভেতরের গঠন (code point, যুক্তাক্ষর, ZWNJ, NFC) HTML ও CSS কোর্সের পর্ব ১৪-এ, আর JavaScript-এর Intl API-র বিস্তারিত JavaScript কোর্সের পর্ব ২০-এ। এই পর্ব সেগুলো আবার শেখাবে না। এখানে প্রশ্ন একটাই: একজন tester কীভাবে প্রমাণ করবেন যে বাংলায় app সত্যিই ঠিক চলছে, আর কোথায় ভাঙছে।

g11n = i18n + l10n, আর tester কোথায় কী দেখেন

একবার code-এ, তারপর প্রতিটি locale-এ

i18n, l10n আর tester-এর কাজ i18n · একবার, code-এ • সব জায়গায় Unicode (UTF-8) • লেখা code-এর বাইরে, resource file-এ • Intl / ICU দিয়ে সংখ্যা আর তারিখ • লেখা বাড়লে জায়গা থাকে l10n · প্রতি locale-এ (bn-BD) • অনুবাদ আর পরিভাষা • CLDR-এর data: অঙ্ক, কমা, ৳, মাস • তারিখ, Asia/Dhaka, বঙ্গাব্দ • সাজানো, খোঁজা, ছবি আর রং Tester যা চালান i18n: pseudo-loc, বাংলা ও emoji data l10n: linguistic, cosmetic, functional দুটি মিলে g11n
ছবি ৫৬.১ — i18n-এর ভুল সব ভাষায় একসাথে ভাঙে (যেমন code-এ আটকে থাকা ইংরেজি বার্তা); l10n-এর ভুল একটি locale-এ (যেমন বাংলায় ভুল কমা)। তাই প্রথমটি ধরার test অনুবাদের আগেই চলে।

Localization testing কয়েক রকমের, আর প্রতিটির জন্য আলাদা মানুষ বা tool লাগে:

ধরনপ্রশ্নবাজারঘরে উদাহরণ
i18n readinessনতুন ভাষা বসানোর জায়গা আছে কি?error বার্তা code-এ আটকে আছে কি না
Linguisticঅনুবাদের অর্থ, পরিভাষা, বানান, সুর ঠিক কি?“Retry” কি “আবার চেষ্টা করুন” হয়েছে
Cosmetic / UIলেখা কাটে, ভাঙে, ওপরে ওঠে কি?৩২০ px-এ লম্বা বাংলা বোতাম (পর্ব ৪২)
Locale dataসংখ্যা, টাকা, তারিখ, সময় ঠিক নিয়মে কি?১২,৩৪,৫৬৭, রাত ১২টার পরের অর্ডারের তারিখ
Functional on localeবাংলা input-এ নিয়ম কাজ করে কি?বাংলা অঙ্কের ফোন, রিভিউর দৈর্ঘ্য, বাংলায় খোঁজা

২ · বাংলা লেখা data হিসেবে — এক লেখা, তিন রকম গোনা

পর্দায় যা একটি অক্ষর, ভেতরে তা একাধিক সংখ্যা হতে পারে, এটি আপনি আগের পর্বগুলোতে দেখেছেন: “ক্ষ” তিনটি code point (পর্ব ১৬), আর “য়” দুইভাবে লেখা যায় (পর্ব ৩৫)। Tester-এর জন্য নতুন কথা হলো, “দৈর্ঘ্য” গোনার অন্তত তিনটি একক আছে, আর প্রতিটি আলাদা ধরনের বাগ লুকায়:

  • Code point: Unicode-এর প্রতিটি সংকেত একটি। Python-এর len() এটাই গোনে। বাজারঘরের রিভিউর AC3 নিয়ম (১০–৫০০, দুই প্রান্তের ফাঁকা বাদে) এই এককে লেখা।
  • UTF-16 code unit: JavaScript আর Java-র .length এটি গোনে। বাংলার সব অক্ষর এক unit, কিন্তু 👍-এর মতো বেশির ভাগ emoji দুই unit (surrogate pair). পুরো encoding-এর গল্প Computer Fundamentals কোর্সের পর্ব ১৮-এ।
  • Grapheme: পাঠক যাকে একটি অক্ষর বলেন, Unicode-এর ভাষায় grapheme cluster. “ক্ষ” একটি, পরিবারের emoji (তিনজন মানুষ, মাঝে অদৃশ্য ZWJ) একটি।

নিচের stepper-এ দুটি রিভিউ-লেখা পাশাপাশি তিনভাবে গোনা হয়েছে। মানগুলো পরের code block আর §৩-এর সত্যিকারের run থেকে:

দুটি রিভিউর লেখা
ধাপ
ক্ষক্ষক্ষক্ষ
👍👍👍👍👍
  1. চোখে দেখা। প্রথম লেখায় চারবার “ক্ষ”, দ্বিতীয়টিতে পাঁচটি 👍. একজন ক্রেতার কাছে দুটিই খুব ছোট রিভিউ, প্রায় সমান।
  2. Code point. প্রতিটি “ক্ষ” তিনটি সংকেত: ক, হসন্ত (্), ষ. তাই ৪ × ৩ = ১২. প্রতিটি 👍 একটি code point (U+1F44D), তাই ৫. AC3 এই এককে লেখা।
  3. UTF-16 unit. বাংলা অক্ষর এক unit করে, তাই প্রথমটি এখনো ১২. কিন্তু U+1F44D ষোলো bit-এ ধরে না, দুটি unit-এর জোড়া লাগে, তাই দ্বিতীয়টি ১০. JavaScript-এর .length এই সংখ্যা দেয়।
  4. Grapheme. পাঠক যা গোনেন: ৪ আর ৫. বাংলায় code point আর grapheme-এর ফারাক বড় (১২ বনাম ৪), emoji-তে UTF-16 আর code point-এর ফারাক (১০ বনাম ৫)।
  5. AC3-এর রায়। নিয়ম code point-এ: ১২ গৃহীত (১০–৫০০-এর ভেতরে), ৫ প্রত্যাখ্যাত, 422 invalid_text_length. চোখে চার অক্ষরের লেখা গৃহীত হচ্ছে, এটি product owner-এর সচেতন সিদ্ধান্ত (পর্ব ১৫), বাগ নয়।
  6. UTF-16 বাগ। বাজারঘরের review_utf16_length সুইচ চালু থাকলে server UTF-16 unit গোনে। প্রথম লেখার রায় বদলায় না (১২ = ১২), কিন্তু দ্বিতীয়টি ১০ হয়ে গৃহীত, যা নিয়মের বিরুদ্ধে। শুধু বাংলা দিয়ে test করলে এই বাগ কখনো ধরা পড়ত না।
  7. পাতার counter. রিভিউ ফর্মের “এখন: …/500” counter code point গোনে ([...text.trim()].length), তাই 👍×৫-এ দেখায় 5. বাগসহ build-এ counter বলছে ৫, তবু server জমা নিল: UI আর server-এর নিয়ম আলাদা, এটিই সবচেয়ে বিভ্রান্তিকর রূপ।

এবার নিজে মাপুন। নিচের code Python-এর standard library দিয়ে তিনটি সংখ্যা বের করে, আর AC3-এর সঠিক নিয়ম (code point) আর বাগের নিয়ম (UTF-16) পাশাপাশি চালায়। Grapheme গোনা এখানে একটি সরল অনুমান; আসল কাজে Unicode-এর UAX #29 নিয়ম মানা library লাগে, যেমন Python-এর regex package-এর \X, ICU, বা browser-এর Intl.Segmenter. ল্যাবে এই অনুমান সব নমুনায় regex 2026.11.15 (Apache-2.0)-এর ফলের সাথে মিলেছে। “চালান” চাপুন:

import unicodedata as ud

ZWNJ, ZWJ, HASANTA = chr(0x200C), chr(0x200D), chr(0x09CD)

def utf16_units(s):
    return len(s.encode("utf-16-le")) // 2

def graphemes(s):                       # stdlib approximation of UAX #29
    n, prev = 0, ""
    for ch in s:
        joins = (ud.category(ch) in ("Mn", "Mc", "Me")   # কার, চন্দ্রবিন্দু
                 or ch in (ZWNJ, ZWJ)
                 or 0x1F3FB <= ord(ch) <= 0x1F3FF        # skin tone
                 or prev in (HASANTA, ZWJ))              # যুক্তাক্ষর, emoji
        if not (joins and n):
            n += 1
        prev = ch
    return n

def ac3(n):                             # review text: 10-500 after trim
    return "OK " if 10 <= n <= 500 else "422"

SAMPLES = {"bangla+emoji": "ভালো চাল 👍", "5 thumbs": "👍" * 5,
           "kkha x4": "ক্ষ" * 4, "shasthya": "স্বাস্থ্য",
           "family x3": ("👨" + ZWJ + "👩" + ZWJ + "👧") * 3,
           "pad+ka x9": "  " + "ক" * 9 + "  ", "500 thumbs": "👍" * 500}
print(f"{'sample':13}{'cp':>4}{'u16':>5}{'see':>4}  rule  utf16-bug")
for name, s in SAMPLES.items():
    t = s.strip()
    cp, u16 = len(t), utf16_units(t)
    flag = "  <- differs" if ac3(cp) != ac3(u16) else ""
    print(f"{name:13}{cp:>4}{u16:>5}{graphemes(t):>4}  {ac3(cp)}   {ac3(u16)}{flag}")

আসল আউটপুট:

sample         cp  u16 see  rule  utf16-bug
bangla+emoji   10   11   7  OK    OK
5 thumbs        5   10   5  422   OK   <- differs
kkha x4        12   12   4  OK    OK
shasthya        9    9   2  422   422
family x3      15   24   3  OK    OK
pad+ka x9       9    9   9  422   422
500 thumbs    500 1000 500  OK    422  <- differs

সাতটি নমুনার মাত্র দুটিতে রায় আলাদা, আর দুটিই শুধু emoji. “স্বাস্থ্য” চোখে দুটি অক্ষর (স্বা আর স্থ্য), কিন্তু ৯টি code point; ১০-এর সীমার ঠিক নিচে, তাই দুই নিয়মেই প্রত্যাখ্যাত। পরিবারের emoji তিনটিতে ১৫ code point, ২৪ UTF-16 unit, অথচ চোখে মাত্র ৩টি। শিক্ষা: দৈর্ঘ্যের boundary test-এর data-য় অন্তত একটি বাংলা যুক্তাক্ষর, একটি সাধারণ emoji আর একটি ZWJ-জোড়া emoji রাখুন; সীমার কাছে (পর্ব ০৮) emoji দিয়ে ৫ আর ৫০০ code point বিশেষভাবে কাজের।

৩ · সত্যিকারের run — বাংলা input নিয়ে বাজারঘরের কপিতে

এবার কোর্সের shared বাজারঘর app-এর নিজের কপি, port 8835-এ, নিজের SQLite ফাইলে (127.0.0.1, test mode). ল্যাবে Python 3.12.13-এর uv প্রকল্প: httpx 0.28.1 (BSD-3-Clause), regex 2026.11.15 (Apache-2.0), Playwright for Python 1.65.2 (Apache-2.0) আর কম্পিউটারে আগে থেকে থাকা Edge 157, headless. Telemetry বন্ধ রাখতে প্রতিটি run-এ DO_NOT_TRACK=1; Playwright কোনো browser নামায়নি, installed Edge ব্যবহার করেছে। একটি ছোট script প্রতিটি লেখার আগে reset করে, মিতু হিসেবে login করে, ডালের (পণ্য 2) রিভিউ পাঠায়:

TEXTS = {"bangla+emoji": "ভালো চাল 👍", "5 thumbs": "👍" * 5,
         "500 thumbs": "👍" * 500, "kkha x4": "ক্ষ" * 4,
         "family x3": "👨‍👩‍👧" * 3, "a x9 + skin": "ক" * 9 + "👍🏽"}
for name, text in TEXTS.items():
    c.post("/api/test/reset")
    h = login("mitu@bazarghar.test", "mitu1234")
    r = c.post("/api/products/2/reviews", json={"stars": 4, "text": text}, headers=h)
    code = r.json()["detail"]["code"] if r.status_code != 201 else "created"
    cp, u16, g = counts(text)          # len, utf-16 units, regex \X
    print(f"{name:13} cp={cp:3} utf16={u16:4} graphemes={g:3} -> {r.status_code} {code}")

একই script দুবার: প্রথমে বাগ ছাড়া, তারপর --bugs review_utf16_length দিয়ে server আবার চালু করে। সত্যিকারের ফল পাশাপাশি:

লেখাcpUTF-16graphemeপরিষ্কার buildবাগসহ build
ভালো চাল 👍10117201201
👍 × ৫5105422201
👍 × ৫০০5001000500201422
ক্ষ × ৪12124201201
পরিবার-emoji × ৩15243201201
ক × ৯ + 👍🏽111310201201

ছয়টির চারটি দুই build-এ একই উত্তর দিল। বাগ ধরা পড়ল শুধু দুই প্রান্তের emoji-লেখায়: বাগে ৫টি emoji গৃহীত (নিচের সীমা ভাঙা), আর ৫০০টি প্রত্যাখ্যাত (ওপরের সীমা ভাঙা)। এখান থেকে test data-র নিয়ম: যে এককে নিয়ম লেখা, আর যে এককে ভুল হওয়ার সম্ভাবনা, দুটির ফারাক যেখানে সবচেয়ে বড়, সেখানে data রাখুন। বাংলা লেখায় UTF-16 আর code point সমান, তাই বাংলা-মাত্র data এই বাগের কাছে অন্ধ।

UI দিয়ে একই পথ — Playwright

API-র পাশাপাশি ব্রাউজারের পথ: login, রিভিউ ফর্মে ৫টি 👍, counter পড়া, জমা দেওয়া। Browser context-এ locale="bn-BD" আর timezone_id="Asia/Dhaka" বেঁধে দেওয়া, যাতে ফল ল্যাবের কম্পিউটারের সেটিংয়ের ওপর নির্ভর না করে। সত্যিকারের run, প্রথমে পরিষ্কার build, তারপর বাগসহ:

$ uv run python ui_l10n.py          # clean build
Edge 157.0.4341.60
counter: 5
after submit: /products/2/review | error: text must be 10-500 characters after trimming (got 5)
price on page: 880 টাকা
time on page: 2026-10-01 10:00 | datetime attr: 2026-10-01T10:00:00+06:00

$ uv run python ui_l10n.py          # --bugs review_utf16_length
counter: 5
after submit: /products/2?msg=review_added#reviews | error: none

বাগসহ build-এর ফল §২-এর stepper-এর শেষ ধাপ: counter ৫ দেখাল, তবু রিভিউ জমা হলো। কিন্তু পরিষ্কার build-এর আউটপুটে আরও দুটি জিনিস আছে, যা কোনো বাগ-সুইচ ছাড়াই সত্যিকারের localization finding:

  1. বাংলা পাতায় ইংরেজি error বার্তা। “text must be 10-500 characters after trimming (got 5)” — server-এর ভেতরের বার্তা সরাসরি ব্যবহারকারীর কাছে। এটি i18n-এর ভুল: বার্তাটি code-এ আটকে আছে, অনুবাদের resource file-এ নেই। অথচ পাতাটি বানানোই হয়েছে বাংলায় স্বচ্ছন্দ ক্রেতার জন্য, যাঁর কাছে ইংরেজি বার্তা দুর্বোধ্য হতে পারে।
  2. দাম আর তারিখ ইংরেজি অঙ্কে, ISO ধাঁচে। “880 টাকা” আর “2026-10-01 10:00”. এটি বাগ কি না, সেটি requirement-এর প্রশ্ন: বাজারঘরের product owner হয়তো ইচ্ছে করে ইংরেজি অঙ্ক রেখেছেন। Tester-এর কাজ সিদ্ধান্ত নিজে নেওয়া নয়, প্রশ্ন তোলা আর লিখিত উত্তর চাওয়া: “দাম আর তারিখে কোন numbering system, কোন তারিখ-ধাঁচ?” উত্তর এলে সেটিই test-এর oracle.

৪ · বাংলা অঙ্ক — রূপান্তরের আলাদা ধাপ, আলাদা test

বাংলা কীবোর্ডে অঙ্কও বাংলায় আসে: ০১৭১২৩৪৫৬৭৮. বাজারঘরের ফোনের নিয়ম পর্ব ১৪-এ ঠিক হয়েছিল: দুই প্রান্তের ফাঁকা কাটা হবে, validator শুধু ইংরেজি অঙ্ক নেবে, আর বাংলা অঙ্ক ইংরেজিতে বদলানোর কাজ form-এর আলাদা ধাপের। এই নকশায় test-ও দুই ভাগে ভাগ হয়: রূপান্তরের ধাপের test, validator-এর test, আর দুটি মিলিয়ে পুরো পথের test. App-এর API-তে validator-এর আচরণ যাচাই (সত্যিকারের run):

POST /api/phone/validate
'০১৭১২৩৪৫৬৭৮'   -> {'valid': False, 'normalized': None}
'0171234567৮'   -> {'valid': False, 'normalized': None}
'01712345678'   -> {'valid': True, 'normalized': '01712345678'}
' 01712345678 ' -> {'valid': True, 'normalized': '01712345678'}

Validator নিয়ম মানছে: বাংলা অঙ্ক, এমনকি শেষ অঙ্কে একটি মাত্র মেশানো থাকলেও, প্রত্যাখ্যাত। এখন ধরুন নতুন একটি build-এ কেউ validator “সরল” করে আবার লিখলেন, আর regular expression-এ re.ASCII দিতে ভুলে গেলেন। Python-এর \d Unicode-এর সব দশমিক অঙ্ক ধরে, বাংলা ৮-ও (পর্ব ৪৩-এ এই ফাঁদ এক লাইনে এসেছিল)। নিচের unittest সেই নতুন validator-এ একটি বসানো ভুল ধরে কি না দেখুন:

import re, sys, unittest

BN = str.maketrans("০১২৩৪৫৬৭৮৯", "0123456789")
PHONE = re.compile(r"01[3-9][0-9]{8}", re.ASCII)       # the validator: ASCII only

def form_step(raw):               # separate step: Bangla digits -> ASCII
    return raw.strip().translate(BN)

def validate(s):
    return s if PHONE.fullmatch(s) else None

def validate_v2(s):               # rewrite in a new build: no re.ASCII
    m = re.fullmatch(r"01[3-9]\d{8}", s.strip())
    return m and m.group()

class PhoneL10n(unittest.TestCase):
    def test_bangla_digits_converted_first(self):
        self.assertEqual(validate(form_step(" ০১৭১২৩৪৫৬৭৮ ")), "01712345678")
    def test_mixed_digits_converted(self):
        self.assertEqual(validate(form_step("0171234567৮")), "01712345678")
    def test_other_scripts_not_converted(self):
        self.assertIsNone(validate(form_step("०१७१२३४५६७८")))   # Devanagari
    def test_validator_alone_rejects_bangla(self):
        self.assertIsNone(validate("০১৭১২৩৪৫৬৭৮"))
    def test_v2_accepts_ascii(self):
        self.assertEqual(validate_v2("01712345678"), "01712345678")
    def test_v2_rejects_mixed_digits(self):
        self.assertIsNone(validate_v2("0171234567৮"))

suite = unittest.TestLoader().loadTestsFromTestCase(PhoneL10n)
unittest.TextTestRunner(verbosity=2, stream=sys.stdout).run(suite)
print("int('০১৭') =", int("০১৭"), "| '৫'.isdigit() =", "৫".isdigit())

আসল আউটপুট (প্রতিটি test-এর নামের পরের বন্ধনীতে class-এর পুরো নাম ছিল, জায়গা বাঁচাতে “(…)” করা হয়েছে):

test_bangla_digits_converted_first (…) ... ok
test_mixed_digits_converted (…) ... ok
test_other_scripts_not_converted (…) ... ok
test_v2_accepts_ascii (…) ... ok
test_v2_rejects_mixed_digits (…) ... FAIL
test_validator_alone_rejects_bangla (…) ... ok

======================================================================
FAIL: test_v2_rejects_mixed_digits (__main__.PhoneL10n.test_v2_rejects_mixed_digits)
----------------------------------------------------------------------
Traceback (most recent call last):
  File "main.py", line 28, in test_v2_rejects_mixed_digits
    self.assertIsNone(validate_v2("0171234567৮"))
    ~~~~~~~~~~~~~~~~~^^^^^^^^^^^^^^^^^^^^^^^^^^^^
AssertionError: '0171234567৮' is not None

----------------------------------------------------------------------
Ran 6 tests in 0.002s

FAILED (failures=1)
int('০১৭') = 17 | '৫'.isdigit() = True

ছয়টির একটি লাল, আর বার্তাই পুরো গল্প: নতুন validator শেষে বাংলা ৮-ওয়ালা নম্বর গ্রহণ করেছে, আর না বদলেই ফেরত দিয়েছে। এমন নম্বর database-এ গেলে SMS পাঠানোর system বা অন্য দলের report সেটি পড়তে পারবে না। খেয়াল করুন, পুরোটা বাংলা অঙ্কে লেখা নম্বর এই ভুল ধরত না: pattern-এর শুরুর 01 ইংরেজি অঙ্কে লেখা, তাই “০১”-এ প্রথম অক্ষরেই মিল ভাঙে আর নম্বরটি এমনিতেই প্রত্যাখ্যাত হয়; মেশানো নম্বরই আসল ফাঁদ। শেষ লাইনে আরও দুটি চমক: Python-এর int() বাংলা অঙ্ক নিঃশব্দে সংখ্যা বানায় (শুরুর শূন্যও হারায়), আর isdigit() বাংলা অঙ্ককেও অঙ্ক বলে। JavaScript-এ উল্টো: Number("১২৩") হয় NaN (§৫-এর block-এ দেখবেন)। দুই ভাষার এই অমিলের কারণে frontend আর backend একই input-এ আলাদা আচরণ করতে পারে। ফোনের নিয়ম নিয়ে developer-এর দিক Full-Stack কোর্সের পর্ব ৫৯-এ।

বিজয় আর পুরোনো ANSI লেখা — data migration-এর test

বাংলাদেশে বহু বছর ধরে বাংলা লেখা হয়েছে বিজয়ের মতো legacy encoding-এ: লেখাটি আসলে ইংরেজি অক্ষরের code, যা একটি বিশেষ font বাংলার মতো আঁকে। font না থাকলে “আমি” দেখায় “Avwg”. কেন এমন হয় আর কীভাবে রূপান্তর করবেন, সেটি Computer Fundamentals কোর্সের পর্ব ০৭-এ। Tester এর মুখোমুখি হন দুই জায়গায়। এক, পুরোনো data নতুন system-এ আনার সময়: রূপান্তরের পরে বাংলা ঘরে ইংরেজি অক্ষর রয়ে গেছে কি না (একটি সরল query বা script দিয়ে), যুক্তাক্ষর আর কার ঠিক জায়গায় কি না (ভাষাভাষীর নমুনা-যাচাই), আর মোট রেকর্ডের সংখ্যা আগে-পরে সমান কি না। দুই, ব্যবহারকারী পুরোনো document থেকে copy করে form-এ বসালে: বাজারঘরের নামের ঘরে “Avwg” এলে app কী করবে, সেই নিয়ম লেখা আছে কি? না থাকলে এটি requirement-এর ফাঁক, product owner-এর কাছে প্রশ্ন।

৫ · সংখ্যা, টাকা আর তারিখ — oracle কোথা থেকে আসবে

ভারতীয় উপমহাদেশে বড় সংখ্যা লাখ আর কোটিতে পড়া হয়: ১২,৩৪,৫৬৭ মানে বারো লাখ চৌত্রিশ হাজার পাঁচশো সাতষট্টি। শেষ তিন অঙ্কের পরে কমা, তারপর দুই অঙ্ক পরপর। কোন locale-এ কোন কমা, কোন অঙ্ক, মুদ্রার চিহ্ন কোন পাশে, মাসের নাম কী, এসব নিয়ম রাখে Unicode Consortium-এর CLDR, আর browser বা runtime সেগুলো কাজে লাগায় ICU-এর মতো library দিয়ে। Tester-এর জন্য এর অর্থ গুরুত্বপূর্ণ: প্রত্যাশিত ফল (oracle) নিজে মাথায় হিসাব করে লিখবেন না; requirement-এর নিয়ম থেকে লিখুন, আর library-র ফলের সাথে মিলিয়ে নিন। নিচের block আপনার নিজের browser-এর Intl-এ চলে, তাই ফল browser আর তার সংস্করণভেদে সামান্য আলাদা হতে পারে:

// Locale data comes from the browser's ICU/CLDR: outputs may differ by browser
const n = 1234567, order = new Date("2026-10-05T18:30:00Z");
const show = (label, v) => console.log(label.padEnd(13), v);

show("bn-BD", new Intl.NumberFormat("bn-BD").format(n));
show("bn-BD latn", new Intl.NumberFormat("bn-BD-u-nu-latn").format(n));
show("en-BD", new Intl.NumberFormat("en-BD").format(n));
show("taka", new Intl.NumberFormat("bn-BD",
  { style: "currency", currency: "BDT" }).format(1060));

const when = (tz) => new Intl.DateTimeFormat("bn-BD",
  { timeZone: tz, dateStyle: "long", timeStyle: "short" }).format(order);
show("Asia/Dhaka", when("Asia/Dhaka"));
show("UTC", when("UTC"));

const pr = new Intl.PluralRules("bn");
show("plural bn", [0, 1, 2, 5].map((k) => k + ":" + pr.select(k)).join(" "));

const seg = new Intl.Segmenter("bn", { granularity: "grapheme" });
for (const t of ["ক্ষক্ষক্ষক্ষ", "👍👍👍👍👍"]) {
  show(t, `length ${t.length}, code points ${[...t].length}, ` +
    `graphemes ${[...seg.segment(t)].length}`);
}

const items = ["আটা ১০ কেজি", "আটা ২ কেজি", "আটা ৫ কেজি"];
show("sort()", [...items].sort().join(", "));
show("numeric", [...items].sort(
  new Intl.Collator("bn", { numeric: true }).compare).join(", "));
show("parse", [Number("১২৩"), parseInt("১২৩"), /^\d+$/.test("১২৩")].join(" "));

Edge 157-এ আসল আউটপুট:

bn-BD         ১২,৩৪,৫৬৭
bn-BD latn    12,34,567
en-BD         1,234,567
taka          ১,০৬০.০০৳
Asia/Dhaka    ৬ অক্টোবর, ২০২৬ এ ১২:৩০ AM
UTC           ৫ অক্টোবর, ২০২৬ এ ৬:৩০ PM
plural bn     0:one 1:one 2:other 5:other
ক্ষক্ষক্ষক্ষ  length 12, code points 12, graphemes 4
👍👍👍👍👍    length 10, code points 5, graphemes 5
sort()        আটা ১০ কেজি, আটা ২ কেজি, আটা ৫ কেজি
numeric       আটা ২ কেজি, আটা ৫ কেজি, আটা ১০ কেজি
parse         NaN NaN false

লাইন ধরে tester-এর শিক্ষা। bn-BD বাংলা অঙ্কে লাখের কমা দেয়, u-nu-latn জুড়লে একই কমা ইংরেজি অঙ্কে; কিন্তু en-BD পশ্চিমা কমায় চলে যায়। অর্থাৎ “বাংলাদেশের জন্য ইংরেজি পাতা” আর “বাংলা পাতা” দুটি আলাদা oracle. টাকার চিহ্ন ৳ সংখ্যার পরে বসেছে, সাথে দুই দশমিক। তারিখের দুই লাইন একই মুহূর্ত, অথচ দিনই আলাদা (৬ বনাম ৫ অক্টোবর)। Plural-এ বাংলার শূন্যও one. শেষ লাইনে JavaScript বাংলা অঙ্ক পড়তে পারে না (NaN), আর \d u-flag ছাড়া শুধু ইংরেজি অঙ্ক ধরে, Python-এর ঠিক উল্টো। Sort-এর দুই লাইন §৬-এর বিষয়।

একই locale, অন্য library — Babel-এর সত্যিকারের run

Backend যদি Python-এ লেখা হয়, সংখ্যা আর তারিখ লেখার কাজ প্রায়ই করে Babel (BSD-3-Clause). ল্যাবে Babel 2.18.0 (ভেতরে CLDR 47) একই কাজ পেল। প্রথম চেষ্টায় Windows-এ time zone-এর লাইনটি থেমে গেল: LookupError: Unknown timezone Asia/Dhaka, কারণ Windows-এ Python-এর zoneinfo নিজে time zone-এর data পায় না; tzdata package (Apache-2.0, ল্যাবে 2026.6, ভেতরে IANA 2026f) যোগ করার পরে চলল। এটিও একটি localization শিক্ষা: CI-র Linux-এ পাস করা test Windows-এ থামতে পারে। আর PyICU 2.17 ল্যাবের Windows-এ build হতে পারেনি (তৈরি wheel নেই), তাই ICU-র Python ফল এখানে নেই। সত্যিকারের আউটপুট:

Babel 2.18.0 CLDR 47
decimal: 12,34,567
currency: 880.00৳
datetime: 6 অক্টোবর, 2026 12:30:00 AM +0600
plural: ['one', 'one', 'other', 'other']          # 0, 1, 2, 5

কমা আর plural Edge-এর সাথে মেলে, কিন্তু অঙ্ক ইংরেজিতে, আর তারিখে বাংলা মাসের নামের পাশে ইংরেজি অঙ্ক। দুই library, একই CLDR-পরিবার, ভিন্ন লেখা। তাই একটি নিয়ম মনে রাখুন: test-এর expected মান কোন library, কোন সংস্করণ আর কোন locale থেকে এসেছে, তা test-এর পাশে লিখে রাখুন, আর frontend ও backend একই লেখা দেখানোর কথা থাকলে দুটির ফল একটি test-এ মিলিয়ে দেখুন।

তারিখ: Asia/Dhaka, রাত বারোটা আর ২০০৯

বাংলাদেশের time zone-এর নাম Asia/Dhaka, এখন UTC+06:00. Server প্রায়ই UTC-তে সময় রাখে, আর দেখানোর সময় ঢাকার সময়ে বদলায়। ভুলটি সবচেয়ে বেশি হয় রাত ১২টা থেকে সকাল ৬টার মধ্যে, যখন UTC-তে তারিখ এখনো আগের দিনের। নিচের stepper-এ ওপরের block-এর অর্ডারটি ধাপে ধাপে বাংলায় দেখানো হয়েছে:

অর্ডারের সময়
ধাপ
মান
  1. জমা রাখা মান। Database-এ অর্ডারের মুহূর্ত UTC-তে: ২০২৬ সালের ৫ অক্টোবর, সন্ধ্যা ৬:৩০ (UTC). এটি একটি মুহূর্ত, কোনো দেশের ঘড়ির লেখা নয়।
  2. Time zone. ঢাকা UTC-র ৬ ঘণ্টা আগে, তাই ঘড়িতে তখন রাত ১২:৩০, আর তারিখ ৬ অক্টোবর। Test-এ এই রূপান্তর হয় browser context-এর timezone_id বা code-এর timeZone: "Asia/Dhaka" দিয়ে; না দিলে যে কম্পিউটারে চলে তার zone, আর CI-তে সেটি প্রায়ই UTC.
  3. তারিখ বদল। UTC-তে ৫, ঢাকায় ৬. “আজকের অর্ডার” ধরনের report বা “৬ অক্টোবরের মধ্যে অর্ডার করুন” ধরনের অফার রাত ১২টা থেকে সকাল ৬টার এই ছয় ঘণ্টায় ভুল দিন ধরতে পারে। Boundary test-এর জন্য তাই রাত ১২টার ঠিক আগে-পরের সময় রাখুন।
  4. অঙ্ক। CLDR অনুযায়ী bn-এর ডিফল্ট numbering system beng, তাই 6 হলো ৬, 2026 হলো ২০২৬.
  5. সময়। রাত ০০:৩০ লেখা হলো “১২:৩০ AM”. CLDR-এর বাংলা ধাঁচে AM/PM ইংরেজিতেই থাকে; বাজারঘর “রাত ১২:৩০” চাইলে সেটি requirement-এ লিখতে হবে, আর test-এ আলাদা option (যেমন ২৪ ঘণ্টার ঘড়ি) যাচাই করতে হবে।
  6. পুরো লেখা। Edge 157 দিল “৬ অক্টোবর, ২০২৬ এ ১২:৩০ AM”. মাঝের “এ” CLDR-এর ধাঁচের অংশ। ভাষাভাষী reviewer-কে জিজ্ঞেস করার মতো জিনিস: পাঠকের কাছে স্বাভাবিক লাগে কি?
  7. তিনটি oracle. একই মুহূর্ত UTC-তে লিখলে “৫ অক্টোবর, ২০২৬ এ ৬:৩০ PM”, Babel-এ “6 অক্টোবর, 2026 12:30:00 AM +0600”. কোনটি “ঠিক”, তা ঠিক করে requirement; test শুধু নিশ্চিত করে যে build সেই নির্বাচিত রূপটি সব জায়গায় একইভাবে দেখায়।

এখন বাংলাদেশে DST নেই, কিন্তু সবসময় এমন ছিল না। IANA-র time zone database (যা প্রায় সব OS আর browser ব্যবহার করে) অনুযায়ী ২০০৯ সালের ২০ জুন থেকে বছরের শেষ পর্যন্ত বাংলাদেশ UTC+07:00-এ ছিল। ল্যাবে Python-এর zoneinfo (tzdata 2026.6) আর Edge দুটিই সত্যিকারের run-এ তা দেখাল: ২০০৯ সালের ১ জুলাই ঢাকা +07, ২০২৬ সালের ১ জুলাই +06. শিক্ষা: পুরোনো তারিখের হিসাব বা report-এর test-এ “সবসময় +৬ ঘণ্টা” ধরে নেওয়া hard-coded হিসাব ভুল; time zone-এর নাম দিয়ে হিসাব করুন, আর tzdata হালনাগাদ রাখুন।

বঙ্গাব্দ — Intl-এ নেই, আর আছে একটি ছদ্মবেশী ফাঁদ

পহেলা বৈশাখের অফারে “১ বৈশাখ ১৪৩৩” দেখাতে চাইলে browser সাহায্য করবে না। Edge 157-এর Intl যেসব calendar সমর্থন করে, সেই তালিকায় (Intl.supportedValuesOf("calendar"), সত্যিকারের run) বঙ্গাব্দ নেই। তালিকায় আছে indian, যা ভারতের জাতীয় (শক) calendar. ল্যাবে ২০২৬ সালের ১৪ এপ্রিল (বাংলাদেশে পহেলা বৈশাখ ১৪৩৩) bn-BD-u-ca-indian-এ লিখতে দিলে এল “২৪ চৈত্র, ১৯৪৮ সাল”: বাংলা মাসের নাম, অথচ সম্পূর্ণ অন্য calendar. চোখে বাংলা দেখে test পাস করিয়ে দেওয়া সহজ, তাই এটি tester-এর জন্য বিপজ্জনক।

বাংলাদেশের বঙ্গাব্দ কয়েক দফা সংশোধিত হয়েছে; প্রচলিত বিবরণ অনুযায়ী এখনকার রূপে পহেলা বৈশাখ প্রতি বছর ১৪ এপ্রিল, আর ২০১৯ সালের দিকের সংশোধনে মাসের দৈর্ঘ্য এমনভাবে ঠিক করা হয় যাতে ২১ ফেব্রুয়ারি, ২৬ মার্চ আর ১৬ ডিসেম্বর প্রতি বছর একই বাংলা তারিখে পড়ে। পশ্চিমবঙ্গে প্রচলিত বাংলা পঞ্জিকা আলাদা নিয়মে চলে, তাই সেখানে পহেলা বৈশাখ সাধারণত ১৪ বা ১৫ এপ্রিল। এই বিবরণগুলো নিজের app-এ প্রয়োগের আগে বাংলা একাডেমির প্রকাশিত সরকারি তালিকা মিলিয়ে নিন। Test-এর জন্য oracle হবে সেই সরকারি তালিকা থেকে নেওয়া কয়েকটি তারিখ-জোড়া (বছরের শুরু, প্রতিটি মাসের শুরু, অধিবর্ষের ফাল্গুন), নিজের হিসাব নয়।

৬ · সাজানো আর খোঁজা — চোখে এক, ভেতরে আলাদা

বাজারঘরের পণ্যের তালিকা নাম ধরে সাজানো হবে, এমন একটি নতুন requirement ধরুন। সবচেয়ে সহজ code হলো ভাষার সাধারণ sort(), যা লেখাকে code point (JavaScript-এ UTF-16 unit) ধরে তুলনা করে। ভাষার নিয়ম মেনে সাজানোকে বলে collation, যা browser-এ Intl.Collator করে। তফাত কোথায়, পাঁচটি বানানো পণ্যের নাম দিয়ে দেখুন। প্রতিটি ফল Edge 157-এ সত্যিকারের run থেকে:

পণ্যের তালিকা
পদ্ধতি
ক্রম
  1. Input. পাঁচটি নাম: তিন ওজনের আটা, “উৎসব প্যাক” আর “উদয় ডাল” (দুটিই কাল্পনিক)। ক্রেতা আশা করেন ছোট প্যাকেট আগে, আর অভিধানের ক্রম।
  2. সাধারণ sort(). ফল: আটা ১০, আটা ২, আটা ৫, উদয় ডাল, উৎসব প্যাক. Python-এর sorted() ঠিক একই ক্রম দিল। দুটি জায়গায় ক্রেতার প্রত্যাশা ভাঙল।
  3. কেন ১০ আগে। লেখা তুলনা হয় অক্ষর ধরে, বাম থেকে। “আটা ” পর্যন্ত সমান; তারপর “১” (U+09E7) আর “২” (U+09E8). ১ ছোট, তাই “১০” আগে, পরের শূন্য আর দেখাই হয় না। ইংরেজি অঙ্কেও একই ঘটে।
  4. কেন উৎসব শেষে। “উ”-এর পরের অক্ষর: খণ্ড-ত “ৎ” (U+09CE) আর “দ” (U+09A6). Unicode-এর বাংলা ব্লকে খণ্ড-ত পরে যোগ হয়েছে বলে তার নম্বর প্রায় শেষে, তাই code point-এর ক্রমে সে দ, প, ম সবার পরে।
  5. Intl.Collator("bn"). ফল: আটা ১০, আটা ২, আটা ৫, উৎসব প্যাক, উদয় ডাল. Collation-এর নিয়মে ৎ বসল ত-এর কাছে, তাই উৎসব এখন উদয়ের আগে। কিন্তু সংখ্যার সমস্যা রয়ে গেল, কারণ ডিফল্ট collation-ও অঙ্ককে অক্ষর ধরে।
  6. numeric: true. ফল: আটা ২, আটা ৫, আটা ১০, উৎসব প্যাক, উদয় ডাল. এখন সংখ্যার অংশ সংখ্যা হিসেবে তুলনা হলো। দুটি সমস্যাই গেল।
  7. Test. প্রত্যাশিত তালিকা লিখুন requirement থেকে (“ওজন ছোট থেকে বড়, বাংলা অভিধানের ক্রম”), তারপর পাতার তালিকার সাথে পুরো মিলিয়ে দেখুন। শুধু “তালিকা সাজানো আছে কি না” দেখতে sorted(x) == x লিখলে test নিজেই সাধারণ sort-এর ভুলটি মেনে নেবে; এটি সবচেয়ে সাধারণ test oracle-এর ফাঁদ।

Database-এ সাজালে একই প্রশ্ন আসে collation-এর নামে; SQL-এর দিক DBMS ও SQL কোর্সের পর্ব ১৭-এ। আর আরেকটি সতর্কতা: “সঠিক” বাংলা বর্ণক্রম নিয়ে অভিধানগুলোর মধ্যেও ছোটখাটো মতভেদ আছে (যেমন ং, ঃ, ঁ কোথায় বসবে)। তাই tester ICU-র ফলকে চূড়ান্ত সত্য না ধরে product owner-এর লেখা নিয়মকে oracle ধরেন।

বাংলায় খোঁজা — সত্যিকারের একটি finding

বাজারঘরের খোঁজা case-insensitive (Python-এর casefold()), যা ইংরেজির জন্য দরকারি; বাংলায় বড়-ছোট হাতের অক্ষর নেই, তাই বাংলা লেখায় এটি কিছুই করে না। আসল প্রশ্ন normalization: “সয়াবিন”-এর “য়” পণ্যের নামে জমা আছে য + নুক্তা (U+09AF U+09BC) হিসেবে। কিছু কীবোর্ড আর পুরোনো রূপান্তর-tool “য়” লেখে একটি সংকেতে (U+09DF). দুই রূপে খোঁজার সত্যিকারের run:

GET /api/products?q=…
NFC  09B8 09AF 09BC 09BE 09AC 09BF 09A8 -> total 1
09DF 09B8 09DF 09BE 09AC 09BF 09A8      -> total 0
stored 09B8 09AF 09BC 09BE 09AC 09BF 09A8

চোখে হুবহু এক শব্দ, অথচ একটিতে ১টি ফল, অন্যটিতে ০টি। এটি কোনো বাগ-সুইচ ছাড়াই পরিষ্কার build-এর আচরণ। সমাধান developer-এর (খোঁজার আগে query আর জমা রাখা নাম দুটিকেই NFC-তে আনা; NFC-তে U+09DF ভেঙে য + নুক্তা হয়, তাই দুই রূপ মিলে যায়), কিন্তু ধরাটা tester-এর। পর্ব ১৮-এর ধাঁচে রিপোর্ট:

[L10N-56-01] Search misses products when "য়" is typed as one code point (U+09DF)
Build: 1.0.0 lab copy, no bug switches     Env: 127.0.0.1:8835, seed data
Steps:    GET /api/products?q=স + U+09DF + াবিন   (same word as the product name)
Expected: 1 result (Soybean Oil 5 L), same as the NFC spelling
Actual:   total 0; NFC spelling (U+09AF U+09BC) returns total 1
Cause (suspected): query and stored names compared without Unicode normalization
Also check: ড় (U+09DC), ঢ় (U+09DD); search box on "/" (same service)
Severity: Medium (customers with some keyboards cannot find products)  Priority: P2

৭ · অনুবাদের QA, plural, লম্বা লেখা আর pseudo-localization

অনুবাদ মানে শুধু শব্দ বদল নয়। একটি অনুবাদ-ফাইল ভাঙে চেনা কয়েকটি ধাঁচে, আর এর বেশির ভাগ একটি script দিয়ে, কোনো মানুষ পড়ার আগেই ধরা যায়:

  • Placeholder: “Arrives by {date}”-এর অনুবাদে কেউ {date}-কে {day} লিখলে, বা মুছে ফেলে সংখ্যা সরাসরি লিখে দিলে, চলার সময় মান আর বসে না।
  • Plural-এর শ্রেণি: CLDR অনুযায়ী বাংলায় দুটি শ্রেণি, one (০ আর ১) আর other. বাংলায় “১টি পণ্য” আর “৫টি পণ্য” একই রূপ, তাই অনুবাদক প্রায়ই একটিই লেখেন। কিন্তু app one চাইলে আর তা না পেলে অনেক library মূল ভাষায় ফিরে যায়: বাংলা পাতায় “1 item”.
  • অনূদিত না হওয়া লেখা (মূলের সাথে হুবহু এক), আর অনুবাদের ভেতরে ইংরেজি অঙ্ক বা hard-coded সংখ্যা।
  • Text expansion: অনুবাদের পরে লেখা লম্বা হয়। “Add to cart” ১১টি অক্ষর, “কার্টে যোগ করুন” ১৫টি code point, আর পর্দায় বাংলার উচ্চতাও বেশি। কত শতাংশ বাড়ে, তার কোনো সর্বজনীন সংখ্যা নেই; ভাষা, font আর লেখাভেদে বদলায়, তাই মাপুন, অনুমান নয়।

অনুবাদ আসার আগেই লেআউট আর code-এ আটকে থাকা লেখা ধরার একটি পুরোনো কৌশল pseudo-localization: প্রতিটি লেখাকে স্বয়ংক্রিয়ভাবে লম্বা করা, চিহ্নিত বন্ধনীতে মোড়া আর অক্ষর একটু বদলানো, তারপর app চালানো। পর্দায় যে লেখা বন্ধনী ছাড়া দেখা যায়, সেটি code-এ আটকে আছে (§৩-এর ইংরেজি error বার্তার মতো); যার বন্ধনী কেটে গেছে, সেখানে জায়গা কম। নিচের code একটি ছোট অনুবাদ-linter আর pseudo-localizer, বাজারঘরের কয়েকটি বানানো বার্তার ওপর:

import re

EN = {"cart.add": "Add to cart", "cart.items.one": "{count} item",
      "cart.items.other": "{count} items", "order.eta": "Arrives by {date}",
      "review.min": "Write at least {min} characters", "pay.retry": "Retry"}
BN = {"cart.add": "কার্টে যোগ করুন", "cart.items.other": "{count}টি পণ্য",
      "order.eta": "{day} তারিখের মধ্যে পৌঁছাবে", "review.min": "কমপক্ষে 10 অক্ষর লিখুন",
      "pay.retry": "Retry"}
LIMIT = 16                                    # button width, in characters

def holes(s):
    return sorted(re.findall(r"\{(\w+)\}", s))

def lint(en, bn):
    for key, src in en.items():
        if key not in bn:                     # CLDR bn plural: one (0, 1), other
            print(f"MISSING     {key}")
            continue
        dst = bn[key]
        if holes(src) != holes(dst):
            print(f"PLACEHOLDER {key}: {holes(src)} -> {holes(dst)}")
        if dst == src:
            print(f"UNTRANSLATED {key}: '{dst}'")
        if re.search(r"[0-9]", dst):
            print(f"LATIN DIGIT {key}: '{dst}'")

def pseudo(s):                                # pseudo-localisation: +40 %, marked
    body = re.sub(r"[aeiou]", lambda m: "àéîöû"["aeiou".index(m[0])], s)
    return "[" + body + "·" * round(len(s) * 0.4) + "]"

lint(EN, BN)
for key in ("cart.add", "pay.retry"):
    p = pseudo(EN[key])
    print(f"PSEUDO {p} len={len(p)} {'OVERFLOW' if len(p) > LIMIT else 'fits'}")

আসল আউটপুট:

MISSING     cart.items.one
PLACEHOLDER order.eta: ['date'] -> ['day']
PLACEHOLDER review.min: ['min'] -> []
LATIN DIGIT review.min: 'কমপক্ষে 10 অক্ষর লিখুন'
UNTRANSLATED pay.retry: 'Retry'
PSEUDO [Add tö càrt····] len=17 OVERFLOW
PSEUDO [Rétry··] len=9 fits

ছয়টি বার্তায় পাঁচটি সমস্যা, কোনো মানুষ পড়ার আগেই। cart.items.one নেই, তাই ০ বা ১টি পণ্যে ইংরেজি দেখানোর ঝুঁকি। {day} নামের ঘরে কোনো মান আসবে না। review.min-এ অনুবাদক {min} মুছে 10 লিখে দিয়েছেন: আজ নিয়ম ১০ বলে ঠিক দেখায়, কাল সীমা বদলালে বাংলা পাতা মিথ্যা বলবে, আর অঙ্কটি ইংরেজিতে। “Retry” অনূদিতই হয়নি। Pseudo-localization-এ “Add to cart” ১৬-অক্ষরের জায়গা ছাড়িয়ে গেল, অর্থাৎ অনুবাদ আসার আগেই বোঝা গেল বোতামটিতে লম্বা লেখার জায়গা নেই। Linter শুধু যান্ত্রিক ভুল ধরে; “কার্টে যোগ করুন” ভালো বাংলা কি না, তা বলবেন একজন ভাষাভাষী reviewer, app-এর ভেতরে, প্রসঙ্গসহ দেখে।

অনুবাদকের কাছে প্রসঙ্গ না গেলে ভালো অনুবাদকও ভুল করেন। “Order” শব্দটি একা পেলে তিনি জানেন না এটি বোতাম (“অর্ডার করুন”), অবস্থা (“অর্ডার”), না সাজানোর ক্রম (“ক্রম”)। তাই প্রতিটি key-এর পাশে মন্তব্য, স্ক্রিনশট আর সর্বোচ্চ দৈর্ঘ্য দিন, আর একটি পরিভাষা-তালিকা (glossary) রাখুন, যাতে “cart” সব জায়গায় “কার্ট” হয়, কোথাও “ঝুড়ি” নয়।

৮ · বাংলার localization test-এর পরিকল্পনা

সব মিলিয়ে বাজারঘরের মতো একটি বাংলা app-এর জন্য একটি ছোট, পুনর্ব্যবহারযোগ্য পরিকল্পনা। প্রতিটি সারি আগের অংশগুলোর কোনো সত্যিকারের ফল থেকে এসেছে:

এলাকাTest data / পদ্ধতিOracle
লেখার দৈর্ঘ্যযুক্তাক্ষর, 👍, ZWJ-emoji; সীমায় ৫ আর ৫০০ emojirequirement-এর একক (code point)
অঙ্কপুরো বাংলা, মেশানো, অন্য লিপির অঙ্করূপান্তরের নিয়ম + validator-এর নিয়ম
সংখ্যা ও টাকা৯৯৯, ১০০০, ৯৯৯৯৯, ১০০০০০, ১২৩৪৫৬৭লিখিত ধাঁচ, library-র সংস্করণসহ
তারিখ ও সময়রাত ১২টার আগে-পরে, ২০০৯-এর তারিখ, বঙ্গাব্দের বছর-শুরুAsia/Dhaka, সরকারি তালিকা
সাজানো ও খোঁজা১০ বনাম ২, খণ্ড-ত, U+09DF বনাম য + নুক্তাproduct owner-এর লেখা ক্রম; NFC-তে সমান
অনুবাদlinter, pseudo-localization, ভাষাভাষীর reviewমূল ভাষার key, glossary
পরিবেশbrowser context-এ locale আর time zone বাঁধাCI আর ল্যাবে একই ফল

Font আর রেন্ডারিংয়ের অংশ (fallback font, যুক্তাক্ষর আঁকা, engine-ভেদে লেখার চওড়া) পর্ব ৪২-এ সত্যিকারের মাপসহ এসেছে; screenshot তুলনায় font বদলের ঝুঁকি পর্ব ৪১-এ। Screen reader বাংলা কীভাবে পড়ে, সেই আলোচনা accessibility-র পর্ব ৫৪-এ।

আরও গভীরে: Unicode-এর grapheme-এর নিয়ম (UAX #29) স্থির নয়। Unicode 15.1 (২০২৩)-এ ভারতীয় লিপির যুক্তাক্ষরের জন্য নতুন নিয়ম যোগ হয়, যাতে হসন্ত দিয়ে জোড়া ব্যঞ্জন একটি grapheme ধরা হয়; পুরোনো library “ক্ষ”-কে দুটি grapheme বলতে পারে। অর্থাৎ grapheme-এ লেখা কোনো সীমা library হালনাগাদ করলেই নিঃশব্দে বদলে যেতে পারে, যা requirement-কে code point-এ লেখার একটি জোরালো যুক্তি। একইভাবে CLDR আর tzdata বছরে কয়েকবার বদলায়, তাই বড় দলগুলো locale-নির্ভর expected মানকে library-র সংস্করণের সাথে বেঁধে রাখে এবং upgrade-কে একটি আলাদা, পরীক্ষিত পরিবর্তন হিসেবে দেখে।

পরীক্ষা ও ইন্টারভিউতে:

  • i18n আর l10n-এর পার্থক্য? i18n একবার code-এ জায়গা বানায় (Unicode, resource file, locale-নির্ভর format); l10n প্রতিটি locale-এর জন্য লেখা আর নিয়ম বসায়।
  • JavaScript-এ “👍”.length কত, কেন? ২, কারণ U+1F44D UTF-16-এ দুই unit-এর surrogate pair.
  • Pseudo-localization কী ধরে? Code-এ আটকে থাকা লেখা, কেটে যাওয়া লেআউট আর encoding-এর ভুল, অনুবাদ আসার আগেই।
  • বাংলায় plural-এর শ্রেণি কয়টি? CLDR অনুযায়ী দুটি: one (০ আর ১) আর other; অনুবাদ-ফাইলে দুটিই থাকা চাই।
  • Date-এর test CI-তে পাস, ল্যাপটপে ফেল, প্রথম সন্দেহ? Locale বা time zone বাঁধা নেই; context-এ Asia/Dhaka আর bn-BD দিন।

৯ · AI-এর যুগে localization testing

AI সহকারী বাংলা test data আর localization test দ্রুত বানায়, ভুলও করে চেনা ধাঁচে: শুধু “ভালো পণ্য”-র মতো সহজ বাংলা data, emoji বা মেশানো অঙ্ক নয়; পাতায় এখন যা দেখা যায় (যেমন “880 টাকা”) সেটিকেই expected বানিয়ে ফেলা, ফলে test ভুল আচরণেও পাস; নিজে মাথায় হিসাব করা ভুল কমা (“১২,৩৪৫,৬৭”); বানানো Intl option বা বঙ্গাব্দের “তৈরি” calendar; locale আর time zone না বেঁধে test; অপেক্ষার জন্য sleep; .length দিয়ে অক্ষর গোনা; আর না চালিয়েই “সব test পাস” দাবি। AI-কে নিয়ম, একক আর সীমা বেঁধে কাজ দিন:

নিয়ম আর oracle-এর উৎস আগে দিন; আগে test data-র ছক, পরে code:

তুমি একজন QA engineer. বাজারঘর নামের একটি বাংলা অনলাইন দোকানের রিভিউ ফর্মের জন্য localization test data আর pytest test বানাবে। App শুধু http://127.0.0.1:8835-এ চলে। নিয়ম (AC3): রিভিউর লেখা দুই প্রান্তের ফাঁকা বাদ দিয়ে ১০ থেকে ৫০০ Unicode code point (Python-এর len). অন্য একক নয়। ১. প্রথমে একটি ছক দাও: প্রতিটি নমুনা-লেখা, তার code point, UTF-16 unit আর grapheme-এর সংখ্যা, আর প্রত্যাশিত ফল (201 বা 422). বাংলা যুক্তাক্ষর, সাধারণ emoji, ZWJ-জোড়া emoji আর দুই প্রান্তের ফাঁকা রাখো; ৯, ১০, ৫০০, ৫০১ code point-এর সীমা ধরো। ২. সংখ্যাগুলো নিজে হিসাব করো না; প্রতিটির জন্য Python-এর যে expression দিয়ে আমি মিলিয়ে নেব, সেটি লেখো। ৩. তারপর pytest + httpx code; প্রত্যাশিত ফল নিয়ম থেকে নাও, app-এর এখনকার আচরণ থেকে নয়। ৪. Browser test হলে context-এ locale="bn-BD" আর timezone_id="Asia/Dhaka" দাও; কোনো sleep নয়। ৫. কোনো আসল নাম, ফোন নম্বর বা ব্যক্তিগত তথ্য নয়। তুমি test চালাওনি, তাই "সব পাস" লিখবে না।

AI-এর লেখা localization test হাতে পেলে — চেকলিস্ট

ভাবনার প্রশ্ন

প্রতিটি প্রশ্ন নিয়ে নিজে কিছুক্ষণ ভাবুন — তারপর “→ উত্তর” চাপুন।

প্র ০১JavaScript আর Java-র string-এর .length কেন UTF-16 unit গোনে? এই ইতিহাস থেকে কোন ধরনের বাগ আসে?

শুরুতে Unicode-এর নকশাকারীরা ভেবেছিলেন পৃথিবীর সব লিপি ষোলো bit-এ, অর্থাৎ ৬৫,৫৩৬টি সংকেতে ধরে যাবে। ১৯৯১ সালে প্রকাশিত Unicode 1.0 সেই ধারণায় বানানো, আর বাংলা লিপি তখন থেকেই এর অংশ। ১৯৯০-এর দশকের মাঝামাঝি যে ভাষা আর platform তৈরি হচ্ছিল, যেমন Java আর JavaScript, Windows-এর ভেতরের API, তারা যুক্তিসংগতভাবেই একটি অক্ষরকে একটি ষোলো-bit মান ধরে নেয়। কিন্তু শিগগিরই বোঝা গেল ষোলো bit যথেষ্ট নয়। ১৯৯৬ সালের Unicode 2.0-তে আরও বড় পরিসর যোগ হলো, আর পুরোনো ষোলো-bit ব্যবস্থার সাথে মানিয়ে নিতে এলো surrogate pair: বড় সংকেত দুটি ষোলো-bit unit-এর জোড়ায় লেখা, যাকে আজ UTF-16 বলি।

ফলে এসব ভাষায় .length “অক্ষর” নয়, ষোলো-bit unit গোনে। বহু বছর এটি চোখে পড়েনি, কারণ ইংরেজি, বাংলা, আরবি, হিন্দিসহ বেশির ভাগ চলতি লিপি প্রথম ৬৫,৫৩৬-এর ভেতরে। পরিবর্তন এল emoji-র সাথে: ২০১০ সালের দিকে Unicode-এ emoji যোগ হওয়ার পর বেশির ভাগই বড় পরিসরে বসল, আর মোবাইলে সাধারণ মানুষ প্রতিদিন সেগুলো লিখতে শুরু করলেন। হঠাৎ “এক অক্ষর = এক unit” ধারণা প্রতিদিন ভাঙতে লাগল।

এখান থেকে তিন ধরনের পরিচিত বাগ আসে। এক, দৈর্ঘ্যের সীমা ভুল এককে, ঠিক বাজারঘরের review_utf16_length-এর মতো: frontend এক একক গোনে, backend আরেক, আর দুই সীমায় উল্টো ভুল। দুই, লেখা কাটা: slice(0, 20) একটি surrogate pair-এর মাঝখানে কাটলে অর্ধেক emoji থেকে যায়, যা পরে ভাঙা চিহ্ন বা encoding error দেয়। তিন, database-এর কলামের সীমা অন্য এককে (byte বা UTF-16), তাই app-এর যাচাই পাস করা লেখা জমা দেওয়ার সময় ব্যর্থ হয়। Tester-এর জন্য উপায় সহজ: requirement-এ এককের নাম লেখানো, আর boundary-র data-য় এমন লেখা রাখা যেখানে এককগুলোর ফারাক সবচেয়ে বড়।

মূল উপলব্ধি: “অক্ষর” শব্দটি ইতিহাসের কারণে তিনটি ভিন্ন সংখ্যা বোঝাতে পারে। বাংলা app-এর tester হিসেবে আপনার কাজ প্রতিটি সীমার পাশে এককটি লিখিয়ে নেওয়া, আর সেই এককের দুর্বল জায়গায় data রাখা।

প্র ০২“Turkish I” সমস্যাটি কী? বাংলায় বড়-ছোট হাতের অক্ষর নেই, তবু বাংলা app-এর tester এখান থেকে কী শিখবেন?

Software-এর localization-এর ইতিহাসে সবচেয়ে উদ্ধৃত উদাহরণগুলোর একটি তুর্কি ভাষার “i”. ইংরেজিতে ছোট i-এর বড় রূপ I. তুর্কিতে i দুটি: বিন্দুওয়ালা i, যার বড় রূপ বিন্দুওয়ালা İ, আর বিন্দুছাড়া ı, যার বড় রূপ I. তাই তুর্কি locale-এ “title”-কে বড় হাতের করলে আসে “TİTLE”, ইংরেজির “TITLE” নয়।

সমস্যা হলো, অনেক program বড়-ছোট হাতের রূপান্তর করত কম্পিউটারের ডিফল্ট locale-এ, অথচ উদ্দেশ্য ছিল ভাষা-নিরপেক্ষ কাজ: configuration-এর key মেলানো, file-এর extension চেনা, protocol-এর command তুলনা। ইংরেজি locale-এ সব ঠিক; একই program তুর্কি ভাষার কম্পিউটারে চললে "file".toUpperCase() আর “FILE” মেলে না, আর একটি feature নিঃশব্দে বন্ধ। Java-র official documentation-এ toUpperCase()-এর পাশে এই বিষয়ে সতর্কবার্তা আছে, আর locale-নিরপেক্ষ তুলনার জন্য আলাদা পথ দেওয়া আছে। এ ধরনের বাগ বছরের পর বছর বিভিন্ন জনপ্রিয় tool আর library-তে রিপোর্ট হয়েছে।

বাংলায় বড়-ছোট হাতের অক্ষর নেই; ল্যাবে "বাংলা".upper() আর casefold() লেখাটি অপরিবর্তিত রেখেছে। কিন্তু শিক্ষাটি সরাসরি খাটে, কারণ মূল প্রশ্ন “কোন কাজ locale-নির্ভর হওয়া উচিত, আর কোনটি নয়”। ব্যবহারকারীকে দেখানোর লেখা (দাম, তারিখ) locale মানবে; কিন্তু ভেতরের কাজ, যেমন API-তে পাঠানো সংখ্যা, database-এ জমা রাখা ফোন নম্বর, file-এর নাম, locale মানলে বিপদ। §৪-এর বাগটি ঠিক এই ধরনের: ভেতরের validator Unicode-এর অঙ্ক মেনে বাংলা ৮ জমা নিয়েছে। আরেকটি উদাহরণ: কোনো server-এর ডিফল্ট locale বাংলা হলে কোনো library সংখ্যা বাংলা অঙ্কে লিখে CSV বা JSON-এ পাঠাতে পারে, আর অন্য system তা পড়তে পারে না।

Tester-এর অভ্যাস তাই দুটি। এক, পুরো test suite অন্তত একবার অন্য ডিফল্ট locale আর time zone-এ চালানো (CI-তে একটি আলাদা job). দুই, ভেতরের data-র format-এর জন্য আলাদা test, যা নিশ্চিত করে যে locale বদলালেও API আর file-এর লেখা বদলায় না।

মূল উপলব্ধি: locale দেখানোর জন্য, ভেতরের যুক্তির জন্য নয়। যে কাজে locale ঢোকার কথা নয়, সেখানে locale বদলে test চালালেই লুকানো নির্ভরতা বেরিয়ে আসে।

প্র ০৩২০০৯ সালে বাংলাদেশের ঘড়ি এক ঘণ্টা এগিয়েছিল। এই ঘটনা থেকে তারিখ-সময়ের test নিয়ে কী শেখা যায়?

বিদ্যুতের ঘাটতি সামলাতে ২০০৯ সালে বাংলাদেশে ঘড়ির কাঁটা এক ঘণ্টা এগিয়ে দেওয়া হয়। IANA-র time zone database, যা প্রায় সব operating system, browser আর programming language-এর ভেতরে থাকে, অনুযায়ী ২০০৯ সালের ২০ জুন থেকে বছরের শেষ পর্যন্ত বাংলাদেশ UTC+07:00-এ ছিল, তারপর আবার UTC+06:00. এরপর বাংলাদেশে আর DST চালু হয়নি। এই পর্বের ল্যাবে Python-এর zoneinfo আর Edge, দুটিই ২০০৯ সালের ১ জুলাইয়ের জন্য +07 দেখিয়েছে।

Software-এর জন্য এমন সিদ্ধান্তের দুটি দিক কঠিন। প্রথমত, সময়: সরকারের সিদ্ধান্ত থেকে কার্যকর হওয়ার মধ্যে সময় অল্প হলে time zone database-এর নতুন সংস্করণ লিখে, প্রকাশ করে, সব phone, server আর browser-এ পৌঁছানো কঠিন হয়ে পড়ে। যে যন্ত্রে পুরোনো tzdata, সেটি ভুল সময় দেখায়, আর একই অর্ডারের সময় দুই যন্ত্রে দুই রকম হয়। দ্বিতীয়ত, ইতিহাস: নিয়ম বদলের পরেও পুরোনো তারিখের হিসাব পুরোনো নিয়মেই হতে হবে। ২০০৯ সালের জুলাইয়ের কোনো লেনদেনের ঢাকার সময় আজ বের করতে হলে +৬ নয়, +৭ লাগবে।

Tester-এর শিক্ষা তিনটি। এক, “বাংলাদেশ মানেই সবসময় +৬” — এই ধরনের hard-coded অনুমান code-এ আর test-এ, দুই জায়গাতেই খুঁজুন; সময়ের হিসাব time zone-এর নাম (Asia/Dhaka) দিয়ে হওয়া উচিত। দুই, পরিবেশের নির্ভরতা: এই পর্বের ল্যাবেই Windows-এ Babel time zone পায়নি যতক্ষণ না tzdata package যোগ হলো; CI-র image, ব্যবহারকারীর phone আর server-এর tzdata আলাদা সংস্করণে থাকতে পারে, আর সেটিই একটি test-এর বিষয়। তিন, boundary: নিয়ম বদলের দিন আর রাত ১২টার আশেপাশের সময় test data-য় রাখুন, কারণ দিন-বদলের ভুল সেখানেই ধরা পড়ে।

মূল উপলব্ধি: time zone একটি ধ্রুবক নয়, একটি নিয়মের ইতিহাস। Test-এ zone-এর নাম ব্যবহার করুন, tzdata-র সংস্করণ লিখে রাখুন, আর ঐতিহাসিক তারিখের জন্য অন্তত একটি test রাখুন।

প্র ০৪বিজয়ের মতো ANSI-ভিত্তিক বাংলা লেখা কেন এত দিন টিকে ছিল? পুরোনো data Unicode-এ আনার কাজ tester কীভাবে যাচাই করবেন?

Unicode-এ বাংলা লিপি শুরু থেকেই থাকলেও, কম্পিউটারে বাংলা লেখার প্রচলিত পথ বহু বছর ছিল অন্য রকম। আশির দশকের শেষ দিক থেকে বিজয়ের মতো software আর তাদের বিশেষ font জনপ্রিয় হয়। পদ্ধতিটি ছিল চতুর: লেখাটি আসলে ইংরেজি অক্ষর আর চিহ্নের code, কিন্তু বিশেষ font সেই code-গুলোকে বাংলা অক্ষর, কার আর যুক্তাক্ষরের আকারে আঁকে। তখনকার operating system-এ বাংলার জটিল আঁকা (যুক্তাক্ষর, আগে বসা ি-কার) ভালোভাবে সমর্থিত ছিল না, তাই এই পথে ছাপাখানা, সংবাদপত্র আর অফিস দ্রুত বাংলায় কাজ শুরু করতে পেরেছিল।

দামটি দেখা দিল পরে। Font না থাকলে লেখা হিজিবিজি (“আমি” হয়ে যায় “Avwg”), খোঁজা বা সাজানো অর্থহীন, আর একই ইংরেজি code ভিন্ন font-এ ভিন্ন অক্ষর বোঝাতে পারে। ফলে আজও অনেক প্রতিষ্ঠানের পুরোনো নথি, database আর spreadsheet-এ এই লেখা রয়ে গেছে, আর নতুন system বানানোর সময় সেগুলো Unicode-এ আনতে হয়। রূপান্তরের tool বেশির ভাগ লেখা ঠিকঠাক বদলায়, কিন্তু কিছু যুক্তাক্ষর, রেফ আর কারের ক্রমে ভুল হতে পারে, কারণ ANSI লেখায় অক্ষর রাখা হতো আঁকার ক্রমে, Unicode রাখে উচ্চারণের ক্রমে।

Tester-এর যাচাই কয়েক স্তরে। এক, গোনা: রূপান্তরের আগে আর পরে রেকর্ডের সংখ্যা সমান, কোনো ঘর খালি হয়ে যায়নি। দুই, স্বয়ংক্রিয় ছাঁকনি: বাংলা ঘরে রূপান্তরের পরে কোনো ইংরেজি অক্ষর বা বিজয়-ধাঁচের চিহ্ন রয়ে গেছে কি না, একটি script দিয়ে খোঁজা; প্রতিটি লেখা NFC-তে আছে কি না। তিন, নমুনা-যাচাই: একজন ভাষাভাষী এলোমেলোভাবে বাছা কয়েকশো রেকর্ড পড়েন, বিশেষ করে নাম আর ঠিকানা, যেখানে ভুল সবচেয়ে ক্ষতিকর। চার, ব্যবহারের test: রূপান্তরিত নাম দিয়ে খুঁজলে পাওয়া যায় কি, সাজালে ঠিক ক্রমে আসে কি। আর রূপান্তরের পুরো কাজ বারবার চালানো যায় এমন script হওয়া চাই, যাতে একটি ভুল ধরা পড়লে সারিয়ে আবার চালানো যায়।

মূল উপলব্ধি: legacy লেখার রূপান্তর একটি data migration, আর তার test গোনা, স্বয়ংক্রিয় ছাঁকনি, মানুষের নমুনা-যাচাই আর ব্যবহারের পথ, এই চার স্তরে। শুধু “পর্দায় ঠিক দেখাচ্ছে” যথেষ্ট নয়।

প্র ০৫Pseudo-localization কেন অনুবাদের আগে চালানো হয়? সত্যিকারের অনুবাদ দিয়ে test করলেই কি যথেষ্ট নয়?

বড় software প্রতিষ্ঠানগুলো বহু বছর ধরে একটি সাধারণ সমস্যায় পড়েছে: অনুবাদ আসে release-এর একেবারে শেষে, আর তখন ধরা পড়ে যে কিছু লেখা code-এর ভেতরে আটকে আছে, কিছু বোতামে জায়গা নেই, কিছু জায়গায় বাংলা বা আরবির মতো লিপি ভাঙা দেখায়। শেষ মুহূর্তে এগুলো সারানো মানে নকশা আর code বদল, আবার পুরো test. Pseudo-localization এই চক্র ভাঙার কৌশল, আর অনেক localization tool আর framework-এ এটি একটি তৈরি সুবিধা হিসেবে আছে।

পদ্ধতি সহজ। মূল ভাষার প্রতিটি লেখা একটি নিয়মে বদলানো হয়: অক্ষরে accent বা অন্য লিপির চিহ্ন, শুরু আর শেষে বন্ধনী, আর কিছু অতিরিক্ত অক্ষর দিয়ে লম্বা করা। তারপর app চালিয়ে পর্দা দেখা। তিনটি জিনিস সাথে সাথে চোখে পড়ে। বন্ধনী ছাড়া যে লেখা দেখা যায়, সেটি resource file-এ নেই, code-এ আটকে আছে, যেমন §৩-এর ইংরেজি error বার্তা। যে লেখার বন্ধনী কেটে গেছে বা পাশের জিনিসের ওপর উঠে গেছে, সেখানে জায়গা কম। আর যেখানে বিশেষ অক্ষর ভাঙা দেখায়, সেখানে encoding বা font-এর পথে কোথাও ভুল।

সত্যিকারের অনুবাদ দিয়ে test দরকার, তবে সেটি অন্য প্রশ্নের উত্তর দেয় এবং দেরিতে আসে। Pseudo-localization মানুষ ছাড়া, প্রতিটি build-এ, এমনকি প্রথম দিন থেকে চালানো যায়, আর সব ভাষার জন্য একবারে i18n-এর ভুল ধরে। সীমাও আছে: এটি অনুবাদের মান, পরিভাষা বা সংস্কৃতিগত ভুল ধরে না; বাংলার যুক্তাক্ষরের উচ্চতা বা নির্দিষ্ট font-এর আচরণও নকল করে না। তাই বাংলার জন্য এর পাশে লম্বা বাংলা লেখা আর যুক্তাক্ষর-ভরা data দিয়ে UI test, আর শেষে ভাষাভাষী reviewer-এর linguistic test, তিনটিই দরকার।

মূল উপলব্ধি: pseudo-localization i18n-এর ভুল আগে আর সস্তায় ধরে, সত্যিকারের অনুবাদ ধরে l10n-এর ভুল। একটি অন্যটির বদলি নয়; প্রথমটি shift-left, দ্বিতীয়টি শেষ যাচাই।

অনুশীলন

উত্তর দেখার আগে কাগজে নিজে করুন। সংখ্যাগুলো এই পর্বের সত্যিকারের run থেকে।

  1. Spec থেকে test case: বাজারঘরের নতুন requirement: “অর্ডারের মোট টাকা বাংলা অঙ্কে, লাখ-কোটির কমায়, দশমিক ছাড়া, শেষে ‘ টাকা’ লিখে দেখাতে হবে।” Boundary আর partition মিলিয়ে অন্তত আটটি test case (input আর expected) লিখুন, আর দুটি প্রশ্ন লিখুন যা product owner-কে করবেন।
    InputExpectedকেন
    0০ টাকাশূন্য
    999৯৯৯ টাকাপ্রথম কমার ঠিক আগে
    1000১,০০০ টাকাপ্রথম কমা
    99999৯৯,৯৯৯ টাকালাখের ঠিক আগে
    100000১,০০,০০০ টাকাদ্বিতীয় কমা, লাখের ধাঁচ
    1060১,০৬০ টাকামাঝের শূন্য হারায় কি না
    1234567১২,৩৪,৫৬৭ টাকাসব অঙ্ক আলাদা
    10000000১,০০,০০,০০০ টাকাকোটি

    প্রতিটি expected মান Edge 157-এ Intl.NumberFormat("bn-BD", {maximumFractionDigits: 0}) দিয়ে মিলিয়ে দেখা, সত্যিকারের run. প্রশ্ন দুটি: (ক) ভগ্নাংশ এলে কী হবে? একই formatter 1060.5-কে ১,০৬১ বানায় (অর্ধেক হলে ওপরে), অথচ বাজারঘরের coupon-এর নিয়ম ভগ্নাংশ বাদ দেয় (floor); দেখানো আর হিসাবের নিয়ম মেলা চাই। (খ) টাকা ফেরতের ঋণাত্মক সংখ্যা কীভাবে দেখাবে? Formatter দেয় “-১০০”; ব্যবসা হয়তো “১০০ টাকা ফেরত” চায়। “বাংলা অঙ্ক” কথাটির আক্ষরিক test-ও রাখুন: পাতার লেখায় কোনো 0–9 নেই।

  2. আউটপুট আগে বলুন: চালানোর আগে লিখুন নিচের Python code কী ছাপবে, আর প্রতিটি লাইন কোন ধরনের localization বাগের উৎস হতে পারে।
    print(len("স্বাস্থ্য"))
    print(int("৫০") + 1)
    print(sorted(["আটা ১০ কেজি", "আটা ২ কেজি"]))
    print("০১৭".isdigit(), "০১৭" == "017")

    সত্যিকারের আউটপুট: 9, 51, ['আটা ১০ কেজি', 'আটা ২ কেজি'], True False. (১) চোখে দুটি অক্ষর, কিন্তু ৯টি code point; “অক্ষর” এককে লেখা সীমা ভুল বোঝার উৎস। (২) int() বাংলা অঙ্ক নিঃশব্দে সংখ্যা বানায়; backend-এ গ্রহণযোগ্য, অথচ JavaScript-এ Number("৫০") হয় NaN, তাই frontend আর backend আলাদা আচরণ করে। (৩) সাধারণ sort-এ ১০ কেজি ২ কেজির আগে; collation-এ numeric লাগে। (৪) isdigit() বাংলা অঙ্ককে অঙ্ক বলে, কিন্তু লেখা হিসেবে “০১৭” আর “017” আলাদা; বাংলা অঙ্কে জমা থাকা ফোন নম্বর ইংরেজি অঙ্কে খুঁজলে পাওয়া যাবে না।

  3. এই test-এ ভুল খুঁজুন: একজন সহকর্মী AI দিয়ে অর্ডারের তারিখের localization test লিখিয়েছেন, আর বলছেন “পাস করছে”। Requirement: “অর্ডারের পাতায় তারিখ বাংলায়, যেমন ১ অক্টোবর, ২০২৬.” অন্তত পাঁচটি সমস্যা খুঁজুন।
    def test_order_date_localized(page):
        page.goto(BASE + "/orders/1")
        time.sleep(3)
        shown = page.locator("time").first.inner_text()
        assert shown == "2026-10-01 10:00"     # copied from the screen
        assert len(shown) <= 20                # "fits the badge"
        assert "অক্টোবর" in shown or True

    (১) Expected এসেছে পর্দা থেকে, requirement থেকে নয়: requirement বলে বাংলা তারিখ, test দাবি করছে ইংরেজি ISO লেখা; ফলে test বাগটিকেই “ঠিক” বলে পাহারা দিচ্ছে। (২) or True শেষ assert-কে সবসময় সত্য করে; এটি কিছুই যাচাই করে না। (৩) time.sleep(3): ধীর আর flaky; Playwright-এর auto-wait বা expect(...).to_have_text() ব্যবহার করুন। (৪) Locale আর time zone বাঁধা নেই: browser context-এ locale="bn-BD", timezone_id="Asia/Dhaka" নেই; client-side-এ তারিখ বানালে ফল কম্পিউটারভেদে বদলাবে। (৫) len() দিয়ে “badge-এ ধরে” মাপা: code point গোনা পর্দার চওড়া নয়; বাংলার জন্য আসল মাপ (element-এর চওড়া) বা screenshot লাগে। (৬) Login নেই: /orders/1 সুরক্ষিত পাতা, login ছাড়া /login-এ চলে যায়; তখন time পাওয়া যাবে না। (৭) একটিমাত্র তারিখ: রাত ১২টার কাছের অর্ডার নেই, তাই দিন-বদলের ভুল ধরা পড়বে না।

  4. Suite কেন বাগ ধরল না: রিভিউর দৈর্ঘ্যের regression suite-এ পাঁচটি data: “ক”×৯, “ক”×১০, “ক”×৫০০, “ক”×৫০১ আর “ভালো চাল 👍”. review_utf16_length চালু থাকা build-এ পাঁচটিই প্রত্যাশিত ফল দিল। (ক) কেন? (খ) কোন দুটি data যোগ করবেন, প্রতিটির প্রত্যাশিত ফল কী, আর বাগে কী আসবে?

    (ক) “ক” একটি UTF-16 unit, তাই প্রথম চারটিতে code point আর UTF-16 সমান: বাগ থাকুক বা না থাকুক, একই রায়। “ভালো চাল 👍” ১০ code point, ১১ unit; দুটিই ১০–৫০০-এর ভেতরে, তাই দুই নিয়মে গৃহীত। অর্থাৎ suite-এর কোনো data দুই এককের ফারাককে সীমার ওপারে ঠেলে না। (খ) এই পর্বের সত্যিকারের run থেকে: 👍×৫ (৫ code point, ১০ unit): প্রত্যাশিত 422, বাগে 201; 👍×৫০০ (৫০০ code point, ১০০০ unit): প্রত্যাশিত 201, বাগে 422. প্রথমটি নিচের সীমার, দ্বিতীয়টি ওপরের সীমার উল্টো ভুল ধরে। সাথে একটি ZWJ-emoji রাখলে grapheme-এ গোনার ভুলও ধরা সহজ হয়।

নিজেকে যাচাই করুন

ভুল হলে কারণসহ ব্যাখ্যা পাবেন, আবার চেষ্টাও করতে পারবেন।

ক্রমএকটি app-এ বাংলা ভাষা যোগ করার সময় test-এর কাজগুলো সঠিক ক্রমে সাজান (▲▼ চেপে সরান)

  1. i18n review: Unicode, resource file আর locale-নির্ভর format আছে কি না দেখা
  2. Pseudo-localization চালিয়ে আটকে থাকা লেখা আর জায়গার অভাব ধরা
  3. প্রসঙ্গ আর পরিভাষা-তালিকাসহ অনুবাদ, আর অনুবাদ-ফাইলের linter
  4. ভাষাভাষী reviewer-এর linguistic test, app-এর ভেতরে
  5. bn-BD locale-এ functional আর cosmetic test: অঙ্ক, তারিখ, সাজানো, input
  6. প্রতিটি release-এ বাংলা test data দিয়ে regression

নিচের কোন কাজটি i18n (internationalization), l10n নয়?

  • বাটনের লেখা বাংলায় অনুবাদ করা
  • সব UI লেখা code থেকে বের করে resource file-এ রাখা
  • দামের পাশে ৳ চিহ্ন বসানো
  • একজন ভাষাভাষীকে দিয়ে অনুবাদ যাচাই করানো

CLDR-এর নিয়ম মানা একটি browser-এ new Intl.PluralRules("bn").select(0) কী দেয়?

  • "zero"
  • "one"
  • "other"
  • "few"

রিভিউর লেখা ১০–৫০০ Unicode code point হওয়ার কথা। একটি frontend text.trim().length দিয়ে যাচাই করে। পাঁচটি 👍 (U+1F44D) লিখলে কী হবে?

  • length 5, তাই সঠিকভাবে প্রত্যাখ্যাত
  • length 5 grapheme, তাই প্রত্যাখ্যাত
  • length 0, তাই খালি লেখার error
  • length 10, তাই ভুলভাবে গৃহীত

Python-এ sorted(["আটা ১০ কেজি", "আটা ২ কেজি", "আটা ৫ কেজি"]) দেয় ১০, ২, ৫ ক্রম। ক্রেতা চান ২, ৫, ১০. Browser-এ কোন সমাধান এই প্রত্যাশা মেলায়?

  • sort-এর পরে reverse করা
  • শুধু new Intl.Collator("bn")
  • new Intl.Collator("bn", { numeric: true })
  • অঙ্কগুলো ইংরেজিতে বদলে sort করা

একটি report-এর test ধরে নেয় ঢাকার সময় সবসময় UTC + ৬ ঘণ্টা। ২০০৯ সালের ১ জুলাইয়ের একটি লেনদেনের জন্য IANA tz database মানা system-এ কী হবে?

  • Test-এর হিসাব এক ঘণ্টা ভুল হবে, কারণ তখন ঢাকা UTC+07:00
  • কোনো পার্থক্য নেই, বাংলাদেশ সবসময় +৬
  • system ত্রুটি দেবে, কারণ পুরোনো তারিখ সমর্থিত নয়
  • আধা ঘণ্টার পার্থক্য হবে

অনুবাদ আসার আগে একটি দল pseudo-localization চালাল: সব লেখা লম্বা আর বন্ধনীতে মোড়া। পর্দায় একটি error বার্তা বন্ধনী ছাড়া, সাধারণ ইংরেজিতে দেখা গেল। এর সবচেয়ে সম্ভাব্য অর্থ কী?

  • Font-এ বন্ধনীর চিহ্ন নেই
  • অনুবাদক বার্তাটি ভুল অনুবাদ করেছেন
  • বার্তাটি resource file-এ নেই, code-এ আটকে আছে
  • বোতামে জায়গা কম

শব্দকোষ

লেখার মধ্যে ডটেড দাগ দেওয়া শব্দে মাউস রাখুন বা চাপুন — অর্থ দেখাবে। এই পর্বের সব নতুন শব্দ এখানে একসাথে:

মনে রাখুন

  1. দুই স্তর: i18n একবার code-এ জায়গা বানায়, l10n প্রতিটি locale-এ বসায়; i18n-এর ভুল pseudo-localization দিয়ে অনুবাদের আগেই ধরুন।
  2. দৈর্ঘ্যের একক লিখিয়ে নিন: code point, UTF-16 আর grapheme আলাদা; boundary data-য় যুক্তাক্ষর, 👍 আর ZWJ-emoji রাখুন, শুধু বাংলা-মাত্র নয়।
  3. অঙ্কের পথ ভাগ করে test: রূপান্তরের ধাপ, ASCII-মাত্র validator আর পুরো পথ; মেশানো অঙ্কই আসল ফাঁদ।
  4. Oracle লিখিত নিয়ম থেকে: locale, time zone (Asia/Dhaka) আর library-র সংস্করণ বেঁধে দিন; পর্দার এখনকার লেখা expected নয়।
  5. সাজানো আর খোঁজা: numeric collation, খণ্ড-ত আর “য়”-এর দুই বানান; বাংলা পাতায় ইংরেজি বার্তাও localization-এর বাগ।

পরের পর্বে: বাংলার জন্য app ঠিক দেখায় কি না দেখলেন; এবার দেখবেন app টিকে থাকে কি না। ধীর নেটওয়ার্কে বাজারঘর, checkout-এর মাঝে app-এর process বন্ধ করে আবার চালু, backup থেকে ফেরানো, আর availability-র হিসাব। পর্ব ৫৭ · Compatibility আর reliability — browser, OS, recovery আর failover.

আরও পড়ুন · ABCL TECH-এ আপনার পরবর্তী পদক্ষেপ

এই পর্বটি শেয়ার করুন:
এই পর্বে ভুল পেয়েছেন? জানান