Locale 詳解

locale 詳解
　　locale 是國(guó)際化與本土化過(guò)程中的一個(gè)非常重要的概念，個(gè)人認(rèn)為，對(duì)于中文用戶來(lái)說(shuō)，通常會(huì)涉及到的國(guó)際化或者本土化，大致包含三個(gè)方面：看中文，寫(xiě)中文，與 window中文系統(tǒng)的兼容和通信。從實(shí)際經(jīng)驗(yàn)上看來(lái)，locale的設(shè)定與看中文關(guān)系不大，但是與寫(xiě)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(gè)純英文的Windows能夠?yàn)g覽中文，日文或者意大利文網(wǎng)頁(yè)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(shí)候會(huì)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(yè)沒(méi)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(gè)標(biāo)準(zhǔn)的英文locale你照樣可以瀏覽中文的網(wǎng)頁(yè)，只要你的系統(tǒng)里面有相應(yīng)的字符集（這個(gè)都不一定需要）和合適的字體（如simsun），瀏覽器就可以把網(wǎng)頁(yè)翻譯成中文給你看。具體的過(guò)程是網(wǎng)絡(luò)把網(wǎng)頁(yè)傳送到你的機(jī)器上之后，瀏覽器會(huì)判斷相應(yīng)的編碼的字符集，根據(jù)網(wǎng)頁(yè)采用的字符集，去字體庫(kù)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(lái)。
　　在下文本人會(huì)偶爾把字符集比喻成密碼本，個(gè)人覺(jué)得對(duì)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(shí)候網(wǎng)頁(yè)顯示亂碼或者都是方框是怎么回事呢？個(gè)人認(rèn)為，顯示亂碼是因?yàn)樵O(shè)定的字符集不對(duì)（或者沒(méi)有相應(yīng)的字符集），例如網(wǎng)頁(yè)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(shuō)你用一個(gè)錯(cuò)誤的密碼本去翻譯發(fā)給你的電報(bào)，當(dāng)然內(nèi)容那叫一個(gè)亂；至于有些時(shí)候?yàn)g覽的網(wǎng)頁(yè)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(shuō)明瀏覽器已經(jīng)正確的判斷出了網(wǎng)頁(yè)的編碼，并在字體庫(kù)里面找到了相應(yīng)的文字，但是并不是每個(gè)字體庫(kù)都包含某個(gè)字符集全部的字體的緣故，有些時(shí)候會(huì)顯示不完全，找一個(gè)比較全的支持較多字符集的字體就可以了。
　　既然我能夠?yàn)g覽中文網(wǎng)頁(yè)，那為什么我還要設(shè)定locale呢？
　　其實(shí)你有沒(méi)有想過(guò)這么一個(gè)問(wèn)題，為什么gentoo官方論壇上中文論壇的網(wǎng)頁(yè)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(yè)竟然是ISO-8859-15編碼的，我沒(méi)有設(shè)定這個(gè)locale怎么一樣的能瀏覽呢？這個(gè)問(wèn)題就像是你有所有的密碼本，不論某個(gè)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(guò)來(lái)，但問(wèn)題是雖然你能瀏覽中文網(wǎng)頁(yè)，但是在整個(gè)操作系統(tǒng)里面流動(dòng)的還是英文字符。所以，就像你能聽(tīng)懂英語(yǔ)，也能聽(tīng)懂中文。 最根本的問(wèn)題是：你不可以寫(xiě)中文。
　　當(dāng)你決定要寫(xiě)什么東西的時(shí)候，首先要決定的一件事情是用那種語(yǔ)言，對(duì)于計(jì)算機(jī)來(lái)說(shuō)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(xiě)你想要寫(xiě)的東西。知道為什么需要用GB2312字符集去瀏覽新浪了吧，因?yàn)樾吕说木W(wǎng)頁(yè)是用GB2312寫(xiě)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(shuō)來(lái)是locale中的語(yǔ)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(gè)外星表達(dá)式規(guī)定了什么東西呢？這個(gè)問(wèn)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(gè)單詞中文翻譯成地區(qū)或者地域，其實(shí)這個(gè)單詞包含的意義要寬泛很多。Locale是根據(jù)計(jì)算機(jī)用戶所使用的語(yǔ)言，所在國(guó)家或者地區(qū)，以及當(dāng)?shù)氐奈幕瘋鹘y(tǒng)所定義的一個(gè)軟件運(yùn)行時(shí)的語(yǔ)言環(huán)境。
　　這個(gè)用戶環(huán)境可以按照所涉及到的文化傳統(tǒng)的各個(gè)方面分成幾個(gè)大類，通常包括用戶所使用的語(yǔ)言符號(hào)及其分類（LC_CTYPE），數(shù)字 （LC_NUMERIC），比較和排序習(xí)慣（LC_COLLATE），時(shí)間顯示格式（LC_TIME），貨幣單位（LC_MONETARY），信息主要是提示信息，錯(cuò)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(shū)寫(xiě)方式（LC_NAME），地址書(shū)寫(xiě)方式（LC_ADDRESS），電話號(hào)碼書(shū)寫(xiě)方式 （LC_TELEPHONE），度量衡表達(dá)方式（LC_MEASUREMENT），默認(rèn)紙張尺寸大?。↙C_PAPER）和locale對(duì)自身包含信息的概述（LC_IDENTIFICATION）。
　　所以說(shuō)，locale就是某一個(gè)地域內(nèi)的人們的語(yǔ)言習(xí)慣和文化傳統(tǒng)和生活習(xí)慣。一個(gè)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(shū)寫(xiě)的，你可以用寫(xiě)字板打開(kāi)，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?yàn)槭怯玫腢nicode的字符索引方式。
　　對(duì)于de_DE@euro的一點(diǎn)說(shuō)明，@后邊是修正項(xiàng)，也就是說(shuō)你可以看到兩個(gè)德國(guó)的locale： /usr/share/i18n/locales/de_DE@euro /usr/share/i18n/locales/de_DE 打開(kāi)這兩個(gè)locale定義，你就會(huì)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(guó)的標(biāo)準(zhǔn)習(xí)慣。
　　上面我們說(shuō)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(yǔ)字符在系統(tǒng)內(nèi)的編碼方式，也就是通常所說(shuō)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(hào)索引的。Unicode用統(tǒng)一的編號(hào)來(lái)索引目前已知的全部的符號(hào)。而字符集則是這些符號(hào)的編碼方式，或者說(shuō)是在網(wǎng)絡(luò)傳輸，計(jì)算機(jī)內(nèi)部通信的時(shí)候，對(duì)于不同字符的表達(dá)方式，Unicode是一個(gè)靜態(tài)的概念，字符集是一個(gè)動(dòng)態(tài)的概念，是每一個(gè)字符傳遞或傳輸?shù)木唧w形式。就像 Unicode編號(hào)U59D0是代表姐姐的“姐”字，但是具體的這個(gè)字是用兩個(gè)字節(jié)表示，三個(gè)字節(jié)，還是四個(gè)字節(jié)表示，是字符集的問(wèn)題。例如：UTF-8字符集就是目前流行的對(duì)字符的編碼方式，UTF-8用一個(gè)字節(jié)表示常用的拉丁字母，用兩個(gè)字節(jié)表示常用的符號(hào)，包括常用的中文字符，用三個(gè)表示不常用的字符，用四個(gè)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(gè)字節(jié)表示所有的字符。需要提到一點(diǎn)的是Unicode除了用編號(hào)索引全部字符以外，本身是用四個(gè)字節(jié)存儲(chǔ)全部字符，這一點(diǎn)在談到掛載windows分區(qū)的時(shí)候是非常重要的一個(gè)概念。所以說(shuō)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(gè)字節(jié)表示所有的字符的），但是這樣表述符號(hào)是非常浪費(fèi)資源的，因?yàn)樵谟?jì)算機(jī)世界絕大部分時(shí)候用到的是一個(gè)字節(jié)就可以搞定的 26個(gè)字母而已。所以才會(huì)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(shuō)什么？ Locale 是軟件在運(yùn)行時(shí)的語(yǔ)言環(huán)境， 它包括語(yǔ)言（Language）， 地域 （Territory） 和字符集（Codeset）。一個(gè)locale的書(shū)寫(xiě)格式為： 語(yǔ)言［_地域［。字符集］］。 所以說(shuō)呢，locale總是和一定的字符集相聯(lián)系的。下面舉幾個(gè)例子：
　　1、我說(shuō)中文，身處中華人民共和國(guó)，使用國(guó)標(biāo)2312字符集來(lái)表達(dá)字符。 zh_CN.GB2312＝中文_中華人民共和國(guó)＋國(guó)標(biāo)2312字符集。
　　2、我說(shuō)中文，身處中華人民共和國(guó)，使用國(guó)標(biāo)18030字符集來(lái)表達(dá)字符。 zh_CN.GB18030＝中文_中華人民共和國(guó)＋國(guó)標(biāo)18030字符集。
　　3、我說(shuō)中文，身處中華人民共和國(guó)臺(tái)灣省，使用國(guó)標(biāo)Big5字符集來(lái)表達(dá)字符。 zh_TW.BIG5=中文_臺(tái)灣。大五碼字符集
　　4、我說(shuō)英文，身處大不列顛，使用ISO-8859-1字符集來(lái)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(shuō)德語(yǔ)，身處德國(guó)，使用UTF-8字符集，習(xí)慣了歐洲風(fēng)格。 de_DE.UTF-8@euro＝德語(yǔ)_德國(guó).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(yǔ)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(gè)locale都對(duì)應(yīng)一個(gè)文件夾，也就是說(shuō)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(gè)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(gè)文件用來(lái)指示glibc生成locale文件。 很多人不明白每一個(gè)條目是什么意思。 其實(shí)根據(jù)上面的說(shuō)明現(xiàn)在應(yīng)該很明確了。