用語 (Terminology)

WACZ 1.1.1 の Terminology (日本語訳) で 定義された語は、日本語の文章中でも英単語のまま書きます。docs にもソースコメントにも同じ方針を適用します。

狙いは訳語の統一ではなく、表記ゆれという選択肢自体を無くすことです。「ウェブアーカイブ」と書くか Web Archive と書くかを毎回判断していると、同じ文書の中で両方が現れます。

固定する英単語

概念	文中でも使う(正)	避ける(訳語・表記ゆれ)	対象外(同形だが別概念)
ZIP コンテナ	`ZIP file`(format は `ZIP`)	小文字 `zip` / `ZIP ファイル` / `ZIP アーカイブ`	`gzip` / 拡張子 `.zip` `.wacz`
WACZ / WARC	`WACZ` / `WARC`	—(既に英)	—
ウェブアーカイブ	`Web Archive`	`ウェブアーカイブ` / 裸の「アーカイブ」	WACZ 内の `archive/` ディレクトリ
ページ	`Page`	`ページ` / `ウェブページ`	`spec ページ` など一般の web ページ
メディアタイプ	`Media Type`	`メディアタイプ` / `MIME`	HTTP ヘッダ名 `Content-Type`
コレクション	`Collection`	`コレクション`	—
パッケージ	`Package`	`パッケージ`	npm の `package`
その他	`Context` / `Wayback Machine` / `IIPC`	各訳語	—

CDXJ は §Terminology の定義語ではありませんが、同じく英語のまま書きます (下記)。ただしその中身を指す普通名詞は「索引」とします —— 「インデックス」「index」との三つ巴を避けるためで、indexes/ のようなパス名は別です。

spec が使うが定義していない語

上の表は WACZ §Terminology が定義する語です。spec はそこに載せないまま使う語もあり、重みがあるのはこれです。

`CDXJ`

indexes/ に入る索引の形式です。採取した応答 1 件につき 1 行で、 検索キー（SURT）・14 桁の採取時刻・JSON の 3 つを空白で区切ります。

org,wikimedia,upload)/wikipedia/commons/4/4d/icon_pdf_file.png 20220831121514 {"url": "…", "mime": "image/png", "offset": "5504", "length": "1320", "filename": "rec-….warc.gz"}

JSON の filename / offset / length が要点で、「archive/ のどのファイルの何バイト目から何バイト読めばそのレコードか」を指します。再生器が WACZ 全体を落とさずに済むのはこれがあるからで、必要な byte range だけ取りに行けます。

SURT（Sort-friendly URI Reordering Transform）は検索キーの形です。 https://upload.wikimedia.org/…/icon.png を org,wikimedia,upload)/…/icon.png のようにホストを逆順・カンマ区切りにします。逆順にすると同じドメインの下が辞書順で隣り合うので、索引を二分探索 できます。

索引が壊れると WARC は無傷なのに再生できないという状態になります。 rule 22 個のうち 6 つが CDXJ を見ているのはそのためです。

WACZ 1.1.1 §5.2.2 は「インデックスファイルは CDXJ データを含まなければならず (MUST)、gzip 圧縮されてもよい (MAY)」と定めるだけで、形式そのものは pywb の CDXJ Format を参照しています。

適用ルール

その語が Terminology の「概念」を指すときだけ英語化します。一般語 (spec ページ)・別概念(npm パッケージ)・gzip は触りません。
コード識別子(変数 / 関数 / 型 / rule 名)は対象外です。この方針は prose (docs とコメント)だけに適用します。
WACZ = “Web Archive Collection Zipped”。WARC データとメタデータを ZIP file にまとめた Web Archive の Package です。

退行防止

訳語・表記ゆれの混入はレビューで弾きます。とくに明確な訳語(ウェブアーカイブ / メディアタイプ / ZIP ファイル など)に注意してください。Page / Package は概念依存(spec ページ / npm パッケージ は正)なので、文脈を見て判断します。