warning: 这篇文章距离上次修改已过74天，其中的内容可能已经有所变动。
下面的截图里有一段文字，不妨阅读一下，看看里面有什么不对劲的地方。
如果你知道（或可以根据图中的要素推断出）这段文字的成因，那么应该也能够明白，为什么笔者会认为，正确设置 HTML 里的『页面语言』属性是件很重要的事情了。
摘选自本站之前的博文1. 前言
很久之前，笔者讨论过图片压缩的问题，意思是说，网页上最好不要包含太多未经压缩的图片，一方面读者可能根本不会留心上面有多高清，加了等于白加；另一方面，未经压缩的图片也会大量占用带宽和流量配额，对站长侧和读者侧都不会带来太好的体验。
今天想讨论的是关于HTML里面的页面语言属性，也就是如下部分：
<html lang="语言代码">
<!-- 其余省略 -->
</html>根据定义，此属性用来指示页面语言（及其变体），取值范围在BCP47中有所定义，比如说，要指定此页面为中文简体，就填入zh-Hans，要特别指定是大陆地区的简体，就填入zh-Hans-CN。部分较老的HTML页面可能还使用<meta>标签来指定页面语言，不过这不影响我们今天的分析。
就是这个简单的属性，引出了我们今天的话题：假如浏览器原地TP，会发生什么事？
2. 预期用途
人去看文本，想辨别出来是什么语言，还不算太难，比如说看到：
吃葡萄不吐葡萄皮，不吃葡萄倒吐葡萄皮
就知道，是中文简体；然后再看到：
How are you? Fine, and you?
就知道是英文（或至少知道，不是中文）。
但对于机器而言，想要准确判断一段纯文本的主要语言，却并不是一件太容易的事情。不是说技术上做不到，而是要么耗费一定的算力，要么牺牲了一定的准确性，或者只能给出大致范围（全是ASCII字符，说明没有CJK或其他多字节字符），很难做到十分完美。
不过幸好，HTML并非纯文本，内部含有大量元数据，比如各种属性（attribute）。因此很多情况下，解析和使用HTML文档的机器会走另一条路子，也就是尝试检查页面中是否有已经设置好的语言属性，如果有，就把这个属性的值认为是网页提供者专门设定的，于是就会认为，这就是页面所使用的主要语言。
现在来考虑这么一个问题：如果某页面声明使用的语言是en（英文），但其主要甚至全部内容却是其他语言，比如中文，可能会对读者产生什么样的影响？
3. 团团转的翻译器
你可能已经猜出来了，引言中的图片就是这么做的后果。
这个页面的源代码如下：
<html lang="en-US">
<head>
<meta charset="utf-8">
<!-- 省略无关标签 -->
</head>
<body>
<p>
一些中文文本
</p>
</body>
</html>本来是很简单的页面，但因为lang属性被设置为了en-US，又因为笔者看外文网页比较多，因此Chrome默认打开了几个主要外语的自动翻译功能。最后导致的结果就是，翻译器尝试在英文模式下，把中文翻译为中文。不知道翻译模型内部发生了什么事情，总之最后的结果就是，产生了这样的狗屁不通文字，轻则影响阅读，重则可能会无意中曲解原文的意思：
在文学匮乏的读史里面一般只有几个作家会这么写....
此外，在部分情况下，如果读者中有视障人士，需要依赖屏幕朗读器的，不正确设置这个标签还可能产生这个视频所演示的后果，也就是TTS系统无法调用正确的转换模型。显然，对我们来说只是听起来很滑稽而已，但对于需要的人来说，这就是一种麻烦。
比较有趣的是，主流的搜索引擎（比如Google）似乎有不依赖这个属性的情况，比如Google声称使用link hreflang来判断多语言网站的针对不同地区的专属页面。可能是因为不太影响SEO的原因，才导致部分站长并未察觉到设置异常。
4. 情况有多普遍？
我很难说。但在笔者的RSS阅读器里，有添加了博客聚合站，在里面所列出来的个人博客网站里，大概平均每隔十几二十个，就有一个站点，没有正确设置这个属性，触发了浏览器自动翻译的。
比如昨天有更新的某个站点考虑到很多博客站点都是使用较为国际化的开源博客程序/主题，再加上开发此类程序的英语地区开发者占比不小，可能就是这个原因，才出现没有正确设置的情况。当然，想要改过来也不是难事，检查一下博客所使用的主题，看看有没有公共引入的header文件，对应修改即可。
5. 写在最后
只是一件小事罢了，但确实可以提升部分阅读体验。
（完）