Ubuntu下locale文件

March 7, 2015 11:44 PM

locale文件#

关于locale文件的设定

locale 是国际化与本土化过程中的一个非常重要的概念，个人认为，对于中文用户来说，通常会涉及到的国际化或者本土化，大致包含三个方面：看中文、写中文、与window中文系统的兼容和通信。从实际经验上看来，locale的设定与看中文关系不大，但是与写中文及window分区的挂载方式有很密切的关系。本人认为就像一个纯英文的Windows能够浏览中文，日文或者意大利文网页一样，你不需要设定locale就可以看中文。那么，为什么要设定locale呢？什么时候会用到locale呢？

为什么要设定 locale

正如前面我所讲的，设定 locale 与你能否浏览中文的网页没有直接的关系，即便你把locale设置成 en_US.ISO-8859-1 这样一个标准的英文 locale 你照样可以浏览中文的网页，只要你的系统里面有相应的字符集（这个都不一定需要）和合适的字体（如simsun），浏览器就可以把网页翻译成中文给你看。具体的过程是网络把网页传送到你的机器上之后，浏览器会判断相应的编码的字符集，根据网页采用的字符集，去字体库里面找合适的字体，然后由文字渲染工具把相应的文字在屏幕上显示出来。

那有时候网页显示乱码或者都是方框是怎么回事呢？个人认为，显示乱码是因为设定的字符集不对(或者没有相应的字符集)，例如网页是用UTF-8 编码的，你非要用GB2312去看，而系统根据GB2312去找字体，然后在屏幕上显示，当然是一堆的乱码。

其实你有没有想过这么一个问题，为什么 gentoo 官方论坛上中文论坛的网页是用 UTF-8 编码的（虽然大家一直强烈建议用 GB2312 编码），但是新浪网就是用 GB2312 编码的呢？而 Xorg 的官方网页竟然是 ISO-8859-15 编码的，我没有设定这个 locale 怎么一样的能浏览呢？这个问题就像是你有所有的密码本，不论某个网站是用什么字符集编码的，你都可以用你手里的密码本把他们翻译过来。也就是说，只要你的系统里有相应的字符集，你就可以查看对应的字符编码文件，这个和 locale 的设定无关。

既然我能够浏览中文网页，那为什么我还要设定locale呢？

最根本的问题是：linux不知道改用哪种字符集来解读文件编码。

当你决定要写什么东西的时候，首先要决定的一件事情是用那种语言，对于计算机来说就是你要是用哪一种字符集，你就必须告诉你的 linux 系统，你想用哪一本密码本去写你想要写的东西。知道为什么需要用 GB2312 字符集去浏览新浪了吧，因为新浪的网页是用 GB2312 写的，在新浪网页的开头就指定了 GB2312 字符集，所以浏览器就会用 GB2312 来渲染网页。

到底什么是 locale？

Locale 是根据计算机用户所使用的语言，所在国家或者地区，以及当地的文化传统所定义的一个软件运行时的语言环境。

这个用户环境可以按照所涉及到的文化传统的各个方面分成几个大类，通常包括用户所使用的语言符号及其分类(LC_CTYPE)，数字 (LC_NUMERIC)，比较和排序习惯(LC_COLLATE)，时间显示格式(LC_TIME)，货币单位(LC_MONETARY)，信息主要是提示信息,错误信息, 状态信息, 标题, 标签, 按钮和菜单等(LC_MESSAGES)，姓名书写方式(LC_NAME)，地址书写方式(LC_ADDRESS)，电话号码书写方式 (LC_TELEPHONE)，度量衡表达方式(LC_MEASUREMENT)，默认纸张尺寸大小(LC_PAPER)和locale对自身包含信息的概述(LC_IDENTIFICATION)。

所以说，locale就是某一个地域内的人们的语言习惯和文化传统和生活习惯。一个地区的locale就是根据这几大类的习惯定义的，这些locale定义文件放在 /usr/share/i18n/locales 目录下面，例如 en_US, zh_CN and de_DE@euro 都是 locale 的定义文件，这些文件都是用文本格式书写的，你可以用写字板打开，看看里边的内容，当然出了有限的注释以外，大部分东西可能你都看不懂，因为是用的 Unicode 的字符索引方式。

什么是字符集？

字符集就是字符，尤其是非英语字符在系统内的编码方式，也就是通常所说的内码，所有的字符集都放在/usr/share/i18n/charmaps，所有的字符集也都是用Unicode编号索引的。Unicode用统一的编号来索引目前已知的全部的符号。而字符集则是这些符号的编码方式，或者说是在网络传输，计算机内部通信的时候，对于不同字符的表达方式，Unicode是一个静态的概念，字符集是一个动态的概念，是每一个字符传递或传输的具体形式。就像Unicode编号U59D0是代表姐姐的“姐”字，但是具体的这个字是用两个字节表示，三个字节，还是四个字节表示，是字符集的问题。例如：UTF-8字符集就是目前流行的对字符的编码方式，UTF-8用一个字节表示常用的拉丁字母，用两个字节表示常用的符号，包括常用的中文字符，用三个表示不常用的字符，用四个字节表示其他的古灵精怪的字符。而GB2312字符集就是用两个字节表示所有的字符。需要提到一点的是Unicode除了用编号索引全部字符以外，本身是用四个字节存储全部字符，这一点在谈到挂载windows分区的时候是非常重要的一个概念。所以说你也可以把Unicode看作是一种字符集（我不知道它和UTF-32的关系，反正UTF-32就是用四个字节表示所有的字符的），但是这样表述符号是非常浪费资源的，因为在计算机世界绝大部分时候用到的是一个字节就可以搞定的26个字母而已。所以才会有UTF-8，UTF-16等等，要不然大同世界多好，省了这许多麻烦。

zh_CN.GB2312到底是在说什么？

Locale 是软件在运行时的语言环境, 它包括语言(Language), 地域 (Territory) 和字符集(Codeset)。一个locale的书写格式为: 语言[_地域[.字符集]]. 所以说呢，locale总是和一定的字符集相联系的。下面举几个例子：

zh_CN.GB2312＝中文_中华人民共和国＋国标2312字符集。

• 我说中文，身处中国大陆，使用国标2312字符集来表达字符。

zh_CN.GB18030＝中文_中华人民共和国＋国标18030字符集。

• 我说中文，身处中国大陆，使用国标18030字符集来表达字符。

zh_TW.BIG5=中文_台湾.大五码字符集

• 我说中文，身处台湾地区，使用Big5字符集来表达字符。

en_GB.ISO-8859-1=英文_大不列颠.ISO-8859-1字符集

• 我说英文，身处大不列颠，使用ISO-8859-1字符集来表达字符。

de_DE.UTF-8@euro＝德语_德国.UTF-8字符集@按照欧洲习惯加以修正

• 我说德语，身处德国，使用UTF-8字符集，习惯了欧洲风格。

注意不是de_DE@euro.UTF-8，所以完全的locale表达方式是 [语言[_地域][.字符集] [@修正值]

生成的 locale 放在/usr/lib/locale/目录中，并且每个 locale 都对应一个文件夹，也就是说创建了 de_DE@euro.UTF-8 locale之后，就生成/usr/lib/locale/de_DE@euro.UTF-8/目录，里面是具体的每个 locale 的内容。

locale的五脏六腑

为了让 locale 生效，必须告诉 Linux 系统使用哪个 locale。这就需要对 locale 的内部机制有一点点的了解。在前面我已经提到过，locale 把按照所涉及到的文化传统的各个方面分成12个大类，这12个大类分别是：

• LC_CTYPE:语言符号及其分类
• LC_COLLATE：比较和排序习惯
• LC_NUMERIC：数字
• LC_TIME:时间显示格式
• LC_MONETARY:货币单位
• LC_MESSAGES:信息，主要是提示信息、错误信息、状态信息、标题、标签、按钮和菜单等
• LC_NAME:姓名书写方式
• LC_ADDRESS:地址书写方式
• LC_TELEPHONE:电话号码书写方式
• LC_MEASUREMENT:度量衡表达方式
• LC_PAPER:默认纸张尺寸大小
• LC_IDENTIFICATION:对locale自身包含信息的概述

其中，与中文输入关系最密切的就是 LC_CTYPE， LC_CTYPE 规定了系统内有效的字符以及这些字符的分类，诸如什么是大写字母，小写字母，大小写转换，标点符号、可打印字符和其他的字符属性等方面。而locale定义zh_CN中最最重要的一项就是定义了汉字(Class “hanzi”)这一个大类，当然也是用Unicode描述的，这就让中文字符在Linux系统中成为合法的有效字符，而且不论它们是用什么字符集编码的。

另外非常重要的一点就是这些分类是彼此独立的，也就是说LC_CTYPE，LC_COLLATE和 LC_MESSAGES等等分类彼此之间是独立的，可以根据用户的需要设定成不同的值。这一点对很多用户是有利的，甚至是必须的。例如，我就需要一个能够输入中文的英文环境，所以我可以把LC_CTYPE设定成zh_CN.GB18030，而其他所有的项都是en_US.UTF-8。

怎样设定locale？

设定locale就是设定12大类的locale分类属性，即 12个LC_*。除了这12个变量可以设定以外，为了简便起见，还有两个变量：LC_ALL和LANG。它们之间有一个优先级的关系：

LC_ALL > LC_* > LANG

可以这么说，LC_ALL 是最上级设定或者强制设定，而 LANG 是默认设定值。

• 如果你设定了LC_ALL＝zh_CN.UTF-8，那么不管 LC_* 和 LANG 设定成什么值，它们都会被强制服从LC_ALL的设定，成为 zh_CN.UTF-8。
• 假如你设定了LANG＝zh_CN.UTF-8，而其他的LC_*=en_US.UTF-8，并且没有设定LC_ALL的话，那么系统的locale设定以LC_*=en_US.UTF-8。
• 假如你设定了LANG＝zh_CN.UTF-8，而其他的LC_*，和LC_ALL均未设定的话，系统会将LC_*设定成默认值，也就是LANG的值 zh_CN.UTF-8。
• 假如你设定了LANG＝zh_CN.UTF-8，而其他的LC_CTYPE=en_US.UTF-8，其他的LC_*，和LC_ALL均未设定的话，那么系统的locale设定将是：LC_CTYPE=en_US.UTF-8，其余的 LC_COLLATE，LC_MESSAGES等等均会采用默认值，也就是LANG的值，也就是LC_COLLATE＝LC_MESSAGES＝……＝ LC_PAPER＝LANG＝zh_CN.UTF-8。

locale 中每项具体值的设定可以使用命令export

例如：
export LC_CTYPE="zh_CN.UTF-8"

也可以直接修改文件：
debian系列：/etc/default/locale
redhat系列：/etc/sysconfig/i18n

关于locale的相关命令

1、查看当前系统语言环境

locale

2、可用区域的名称

locale -a

3、可用字符映射的名称

locale -m

4、安装locale

sudo locale-gen en_US.UTF-8
即可安装 en_US.UTF-8 locale文件,并在 /var/lib/locales/supported.d 下产生相应的locale文件

也可以使用 /usr/share/locales 目录下的 install-language-pack 和 remove-language-pack 工具来安装和移除语言包。

sudo ./install-language-pack en_US

NOTE:

LANG 和 LANGUAGE 的区别：

LANG - Specifies the default locale for all unset locale variables
LANGUAGE - Most programs use this for the language of its interface