Locale 詳解

Locale 詳解

locale 是國際化與本土化過程中的一個非常重要的概念，個人認(rèn)為，對于中文用戶來說，通常會涉及到的國際化或者本土化，大致包含三個方面：看中文，寫中文，與 window中文系統(tǒng)的兼容和通信。從實際經(jīng)驗上看來，locale的設(shè)定與看中文關(guān)系不大，但是與寫中文，及window分區(qū)的掛載方式有很密切的關(guān)系。本人認(rèn)為就像一個純英文的Windows能夠瀏覽中文，日文或者意大利文網(wǎng)頁一樣，你不需要設(shè)定locale就可以看中文。那么，為什么要設(shè)定 locale呢？什么時候會用到locale呢？

Tags: locale 設(shè)定 原因 解釋

一、為什么要設(shè)定locale 正如前面我所講的，設(shè)定locale與你能否瀏覽中文的網(wǎng)頁沒有直接的關(guān)系，即便你把locale設(shè)置成en_US.ISO-8859-1這樣一個標(biāo)準(zhǔn)的英文locale你照樣可以瀏覽中文的網(wǎng)頁，只要你的系統(tǒng)里面有相應(yīng)的字符集（這個都不一定需要）和合適的字體（如simsun），瀏覽器就可以把網(wǎng)頁翻譯成中文給你看。具體的過程是網(wǎng)絡(luò)把網(wǎng)頁傳送到你的機(jī)器上之后，瀏覽器會判斷相應(yīng)的編碼的字符集，根據(jù)網(wǎng)頁采用的字符集，去字體庫里面找合適的字體，然后由文字渲染工具把相應(yīng)的文字在屏幕上顯示出來。

在下文本人會偶爾把字符集比喻成密碼本，個人覺得對于一些東西比較容易理解，假如你不習(xí)慣的話，把全文copy到任何文本編輯器，用字符集替換密碼本即可。

那有時候網(wǎng)頁顯示亂碼或者都是方框是怎么回事呢？個人認(rèn)為，顯示亂碼是因為設(shè)定的字符集不對(或者沒有相應(yīng)的字符集)，例如網(wǎng)頁是用UTF-8編碼的，你非要用GB2312去看，而系統(tǒng)根據(jù)GB2312去找字體，然后在屏幕上顯示，當(dāng)然是一堆的亂碼，也就是說你用一個錯誤的密碼本去翻譯發(fā)給你的電報，當(dāng)然內(nèi)容那叫一個亂；至于有些時候瀏覽的網(wǎng)頁能顯示一部分漢字，但有很多的地方是方框，能夠顯示漢字說明瀏覽器已經(jīng)正確的判斷出了網(wǎng)頁的編碼，并在字體庫里面找到了相應(yīng)的文字，但是并不是每個字體庫都包含某個字符集全部的字體的緣故，有些時候會顯示不完全，找一個比較全的支持較多字符集的字體就可以了。

既然我能夠瀏覽中文網(wǎng)頁，那為什么我還要設(shè)定locale呢？

其實你有沒有想過這么一個問題，為什么gentoo官方論壇上中文論壇的網(wǎng)頁是用UTF-8編碼的（雖然大家一直強(qiáng)烈建議用GB2312編碼），但是新浪網(wǎng)就是用GB2312編碼的呢？而Xorg的官方網(wǎng)頁竟然是ISO-8859-15編碼的，我沒有設(shè)定這個locale怎么一樣的能瀏覽呢？這個問題就像是你有所有的密碼本，不論某個網(wǎng)站是用什么字符集編碼的，你都可以用你手里的密碼本把他們翻譯過來，但問題是雖然你能瀏覽中文網(wǎng)頁，但是在整個操作系統(tǒng)里面流動的還是英文字符。所以，就像你能聽懂英語，也能聽懂中文。 最根本的問題是：你不可以寫中文。

當(dāng)你決定要寫什么東西的時候，首先要決定的一件事情是用那種語言，對于計算機(jī)來說就是你要是用哪一種字符集，你就必須告訴你的linux系統(tǒng)，你想用那一本密碼本去寫你想要寫的東西。知道為什么需要用GB2312字符集去瀏覽新浪了吧，因為新浪的網(wǎng)頁是用GB2312寫的。

為了讓你的Linux能夠輸入中文，就需要把系統(tǒng)的locale設(shè)定成中文的(嚴(yán)格說來是locale中的語言類別LC_CTYPE )，例如zh_CN.GB2312、zh_CN.GB18030或者zh_CN.UTF-8。很多人都不明白這些古里古怪的表達(dá)方式。這個外星表達(dá)式規(guī)定了什么東西呢？這個問題稍后詳述，現(xiàn)在只需要知道，這是locale的表達(dá)方式就可以了。

二、到底什么是locale？ locale這個單詞中文翻譯成地區(qū)或者地域，其實這個單詞包含的意義要寬泛很多。Locale是根據(jù)計算機(jī)用戶所使用的語言，所在國家或者地區(qū)，以及當(dāng)?shù)氐奈幕瘋鹘y(tǒng)所定義的一個軟件運行時的語言環(huán)境。

這個用戶環(huán)境可以按照所涉及到的文化傳統(tǒng)的各個方面分成幾個大類，通常包括用戶所使用的語言符號及其分類(LC_CTYPE)，數(shù)字 (LC_NUMERIC)，比較和排序習(xí)慣(LC_COLLATE)，時間顯示格式(LC_TIME)，貨幣單位(LC_MONETARY)，信息主要是提示信息,錯誤信息, 狀態(tài)信息, 標(biāo)題, 標(biāo)簽, 按鈕和菜單等(LC_MESSAGES)，姓名書寫方式(LC_NAME)，地址書寫方式(LC_ADDRESS)，電話號碼書寫方式 (LC_TELEPHONE)，度量衡表達(dá)方式(LC_MEASUREMENT)，默認(rèn)紙張尺寸大小(LC_PAPER)和locale對自身包含信息的概述(LC_IDENTIFICATION)。

所以說，locale就是某一個地域內(nèi)的人們的語言習(xí)慣和文化傳統(tǒng)和生活習(xí)慣。一個地區(qū)的locale就是根據(jù)這幾大類的習(xí)慣定義的，這些locale定義文件放在/usr/share/i18n/locales目錄下面，例如en_US, zh_CN and de_DE@euro都是locale的定義文件，這些文件都是用文本格式書寫的，你可以用寫字板打開，看看里邊的內(nèi)容，當(dāng)然出了有限的注釋以外，大部分東西可能你都看不懂，因為是用的Unicode的字符索引方式。

對于de_DE@euro的一點說明，@后邊是修正項，也就是說你可以看到兩個德國的locale： /usr/share/i18n/locales/de_DE@euro /usr/share/i18n/locales/de_DE 打開這兩個locale定義，你就會知道它們的差別在于de_DE@euro使用的是歐洲的排序、比較和縮進(jìn)習(xí)慣，而de_DE用的是德國的標(biāo)準(zhǔn)習(xí)慣。

上面我們說到了zh_CN.GB18030的前半部分，后半部分是什么呢？大部分Linux用戶都知道是系統(tǒng)采用的字符集。

三、什么是字符集？ 字符集就是字符，尤其是非英語字符在系統(tǒng)內(nèi)的編碼方式，也就是通常所說的內(nèi)碼，所有的字符集都放在/usr/share/i18n/charmaps，所有的字符集也都是用Unicode編號索引的。Unicode用統(tǒng)一的編號來索引目前已知的全部的符號。而字符集則是這些符號的編碼方式，或者說是在網(wǎng)絡(luò)傳輸，計算機(jī)內(nèi)部通信的時候，對于不同字符的表達(dá)方式，Unicode是一個靜態(tài)的概念，字符集是一個動態(tài)的概念，是每一個字符傳遞或傳輸?shù)木唧w形式。就像 Unicode編號U59D0是代表姐姐的“姐”字，但是具體的這個字是用兩個字節(jié)表示，三個字節(jié)，還是四個字節(jié)表示，是字符集的問題。例如：UTF-8字符集就是目前流行的對字符的編碼方式，UTF-8用一個字節(jié)表示常用的拉丁字母，用兩個字節(jié)表示常用的符號，包括常用的中文字符，用三個表示不常用的字符，用四個字節(jié)表示其他的古靈精怪的字符。而GB2312字符集就是用兩個字節(jié)表示所有的字符。需要提到一點的是Unicode除了用編號索引全部字符以外，本身是用四個字節(jié)存儲全部字符，這一點在談到掛載windows分區(qū)的時候是非常重要的一個概念。所以說你也可以把Unicode看作是一種字符集（我不知道它和UTF-32的關(guān)系，反正UTF-32就是用四個字節(jié)表示所有的字符的），但是這樣表述符號是非常浪費資源的，因為在計算機(jī)世界絕大部分時候用到的是一個字節(jié)就可以搞定的 26個字母而已。所以才會有UTF-8，UTF-16等等，要不然大同世界多好，省了這許多麻煩。

四、zh_CN.GB2312到底是在說什么？ Locale 是軟件在運行時的語言環(huán)境, 它包括語言(Language), 地域 (Territory) 和字符集(Codeset)。一個locale的書寫格式為: 語言[_地域[.字符集]]. 所以說呢，locale總是和一定的字符集相聯(lián)系的。下面舉幾個例子：

1、我說中文，身處中華人民共和國，使用國標(biāo)2312字符集來表達(dá)字符。 zh_CN.GB2312＝中文_中華人民共和國＋國標(biāo)2312字符集。

2、我說中文，身處中華人民共和國，使用國標(biāo)18030字符集來表達(dá)字符。 zh_CN.GB18030＝中文_中華人民共和國＋國標(biāo)18030字符集。

3、我說中文，身處中華人民共和國臺灣省，使用國標(biāo)Big5字符集來表達(dá)字符。 zh_TW.BIG5=中文_臺灣.大五碼字符集

4、我說英文，身處大不列顛，使用ISO-8859-1字符集來表達(dá)字符。 en_GB.ISO-8859-1=英文_大不列顛.ISO-8859-1字符集

5、我說德語，身處德國，使用UTF-8字符集，習(xí)慣了歐洲風(fēng)格。 de_DE.UTF-8@euro＝德語_德國.UTF-8字符集@按照歐洲習(xí)慣加以修正

注意不是de_DE@euro.UTF-8，所以完全的locale表達(dá)方式是 [語言[_地域][.字符集] [@修正值]

生成的locale放在/usr/lib/locale/目錄中，并且每個locale都對應(yīng)一個文件夾，也就是說創(chuàng)建了de_DE@euro.UTF-8 locale之后，就生成/usr/lib/locale/de_DE@euro.UTF-8/目錄，里面是具體的每個locale的內(nèi)容。

五、怎樣去自定義locale 在gentoo生成locale還是很容易的，首先要在USE里面加入userlocales支持，然后編輯locales.build文件，這個文件用來指示glibc生成locale文件。 很多人不明白每一個條目是什么意思。 其實根據(jù)上面的說明現(xiàn)在應(yīng)該很明確了。

File: /etc/locales.build en_US/ISO-8859-1 en_US.UTF-8/UTF-8

zh_CN/GB18030 zh_CN.GBK/GBK zh_CN.GB2312/GB2312 zh_CN.UTF-8/UTF-8

上面是我的locales.build文件，依次的說明是這樣的：

en_US/ISO-8859-1：生成名為en_US的locale，采用ISO-8859-1字符集，并且把這個locale作為英文_美國locale類的默認(rèn)值，其實它和en_US.ISO-8859-1/ISO-8859-1沒有任何區(qū)別。

en_US.UTF-8/UTF-8：生成名為en_US.UTF-8的locale，采用UTF-8字符集。

zh_CN/GB18030：生成名為zh_CN的locale，采用GB18030字符集，并且把這個locale作為中文_中國locale類的默認(rèn)值，其實它和zh_CN.GB18030/GB18030沒有任何區(qū)別。

zh_CN.GBK/GBK：生成名為zh_CN.GBK的locale，采用GBK字符集。 zh_CN.GB2312/GB2312：生成名為zh_CN.GB2312的locale，采用GB2312字符集。 zh_CN.UTF-8/UTF-8：生成名為zh_CN.UTF-8的locale，采用UTF-8字符集。

關(guān)于默認(rèn)locale，默認(rèn)locale可以簡寫成en_US或者zh_CN的形式，只是為了表達(dá)簡單而已沒有特別的意義。

Gentoo在locale定義的時候掩蓋了一些東西，也就是locale的生成工具：localedef。 在編譯完glibc之后你可以用這個localedef 再補(bǔ)充一些locale，就會更加理解locale了。具體的可以看 localedef 的manpage。

$localedef -f 字符集 -i locale定義文件 生成的locale的名稱 例如 $localedef -f UTF-8 -i zh_CN zh_CN.UTF-8

上面的定義方法和在locales.build中設(shè)定zh_CN.UTF-8/UTF-8的結(jié)果是一樣一樣的。

六、locale的五臟六腑

剛剛生成了幾個locale，但是為了讓它們生效，必須告訴Linux系統(tǒng)使用那(幾)個locale。這就需要對locale的內(nèi)部機(jī)制有一點點的了解。在前面我已經(jīng)提到過，locale把按照所涉及到的文化傳統(tǒng)的各個方面分成12個大類，這12個大類分別是： 1、語言符號及其分類(LC_CTYPE) 2、數(shù)字(LC_NUMERIC) 3、比較和排序習(xí)慣(LC_COLLATE) 4、時間顯示格式(LC_TIME) 5、貨幣單位(LC_MONETARY) 6、信息主要是提示信息,錯誤信息, 狀態(tài)信息, 標(biāo)題, 標(biāo)簽, 按鈕和菜單等(LC_MESSAGES) 7、姓名書寫方式(LC_NAME) 8、地址書寫方式(LC_ADDRESS) 9、電話號碼書寫方式(LC_TELEPHONE) 10、度量衡表達(dá)方式(LC_MEASUREMENT) 11、默認(rèn)紙張尺寸大小(LC_PAPER) 12、對locale自身包含信息的概述(LC_IDENTIFICATION)。

其中，與中文輸入關(guān)系最密切的就是 LC_CTYPE， LC_CTYPE 規(guī)定了系統(tǒng)內(nèi)有效的字符以及這些字符的分類，諸如什么是大寫字母，小寫字母，大小寫轉(zhuǎn)換，標(biāo)點符號、可打印字符和其他的字符屬性等方面。而locale定義zh_CN中最最重要的一項就是定義了漢字(Class “hanzi”)這一個大類，當(dāng)然也是用Unicode描述的，這就讓中文字符在Linux系統(tǒng)中成為合法的有效字符，而且不論它們是用什么字符集編碼的。

LC_CTYPE % This is a copy of the i18n LC_CTYPE with the following modifications: - Additional classes: hanzi

copy i18n

class hanzi; / % ..;/ ..;/ ;;;;;;;;/ ;;;;;;;;/ ;;;; END LC_CTYPE

在en_US的locale定義中，并沒有定義漢字，所以漢字不是有效字符。所以如果要輸入中文必須使用支持中文的locale，也就是zh_XX，如zh_CN，zh_TW，zh_HK等等。

另外非常重要的一點就是這些分類是彼此獨立的，也就是說LC_CTYPE，LC_COLLATE和 LC_MESSAGES等等分類彼此之間是獨立的，可以根據(jù)用戶的需要設(shè)定成不同的值。這一點對很多用戶是有利的，甚至是必須的。例如，我就需要一個能夠輸入中文的英文環(huán)境，所以我可以把LC_CTYPE設(shè)定成zh_CN.GB18030，而其他所有的項都是en_US.UTF-8。

七、怎樣設(shè)定locale呢？

設(shè)定locale就是設(shè)定12大類的locale分類屬性，即 12個LC_*。除了這12個變量可以設(shè)定以外，為了簡便起見，還有兩個變量：LC_ALL和LANG。它們之間有一個優(yōu)先級的關(guān)系： LC_ALL>LC_*>LANG 可以這么說，LC_ALL是最上級設(shè)定或者強(qiáng)制設(shè)定，而LANG是默認(rèn)設(shè)定值。 1、如果你設(shè)定了LC_ALL＝zh_CN.UTF-8，那么不管LC_*和LANG設(shè)定成什么值，它們都會被強(qiáng)制服從LC_ALL的設(shè)定，成為 zh_CN.UTF-8。 2、假如你設(shè)定了LANG＝zh_CN.UTF-8，而其他的LC_*=en_US.UTF-8，并且沒有設(shè)定LC_ALL的話，那么系統(tǒng)的locale設(shè)定以LC_*=en_US.UTF-8。 3、假如你設(shè)定了LANG＝zh_CN.UTF-8，而其他的LC_*，和LC_ALL均未設(shè)定的話，系統(tǒng)會將LC_*設(shè)定成默認(rèn)值，也就是LANG的值 zh_CN.UTF-8 。 4、假如你設(shè)定了LANG＝zh_CN.UTF-8，而其他的LC_CTYPE=en_US.UTF-8，其他的LC_*，和LC_ALL均未設(shè)定的話，那么系統(tǒng)的locale設(shè)定將是：LC_CTYPE=en_US.UTF-8，其余的 LC_COLLATE，LC_MESSAGES等等均會采用默認(rèn)值，也就是LANG的值，也就是LC_COLLATE＝LC_MESSAGES＝……＝ LC_PAPER＝LANG＝zh_CN.UTF-8。

所以，locale是這樣設(shè)定的： 1、如果你需要一個純中文的系統(tǒng)的話，設(shè)定LC_ALL= zh_CN.XXXX，或者LANG= zh_CN.XXXX都可以，當(dāng)然你可以兩個都設(shè)定，但正如上面所講，LC_ALL的值將覆蓋所有其他的locale設(shè)定，不要作無用功。 2、如果你只想要一個可以輸入中文的環(huán)境，而保持菜單、標(biāo)題，系統(tǒng)信息等等為英文界面，那么只需要設(shè)定LC_CTYPE＝zh_CN.XXXX，LANG= en_US.XXXX就可以了。這樣LC_CTYPE＝zh_CN.XXXX，而LC_COLLATE＝LC_MESSAGES＝……＝ LC_PAPER＝LANG＝en_US.XXXX。 3、假如你高興的話，可以把12個LC_*一一設(shè)定成你需要的值，打造一個古靈精怪的系統(tǒng)： LC_CTYPE＝zh_CN.GBK/GBK(使用中文編碼內(nèi)碼GBK字符集)； LC_NUMERIC=en_GB.ISO-8859-1(使用大不列顛的數(shù)字系統(tǒng)) LC_MEASUREMEN=de_DE@euro.ISO-8859-15(德國的度量衡使用ISO-8859-15字符集) 羅馬的地址書寫方式，美國的紙張設(shè)定……。估計沒人這么干吧。 4、假如你什么也不做的話，也就是LC_ALL，LANG和LC_*均不指定特定值的話，系統(tǒng)將采用POSIX作為lcoale，也就是C locale。 linux操作系統(tǒng)文章專題:linux操作系統(tǒng)詳解（linux不再難懂）