Ubuntu下Locale檔案

locale檔案

關於locale檔案的設定

locale 是國際化與本土化過程中的一個非常重要的概念，個人認為，對於中文使用者來說，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中文系統的相容和通訊。從實際經驗上看來，locale的設定與看中文關係不大，但是與寫中文及Window分割區的掛載方式有很密切的關係。本人認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頁一樣，你不需要設定locale就可以看中文。那麼，為什麼要設定locale呢？什麼時候會用到locale呢？

為什麼要設定 locale

正如前面我所講的，設定 locale 與你能否瀏覽中文的網頁沒有直接的關係，即便你把locale設定成 en_US.ISO-8859-1 這樣一個標準的英文 locale 你照樣可以瀏覽中文的網頁，只要你的系統裡面有相應的字元集（這個都不一定需要）和合適的字型（如simsun），瀏覽器就可以把網頁翻譯成中文給你看。具體的過程是網路把網頁傳送到你的機器上之後，瀏覽器會判斷相應的編碼的字元集，根據網頁採用的字元集，去字型庫裡面找合適的字型，然後由文字渲染工具把相應的文字在螢幕上顯示出來。

那有時候網頁顯示亂碼或者都是方框是怎麼回事呢？個人認為，顯示亂碼是因為設定的字元集不對(或者沒有相應的字元集)，例如網頁是用UTF-8 編碼的，你非要用GB2312去看，而系統根據GB2312去找字型，然後在螢幕上顯示，當然是一堆的亂碼。

其實你有沒有想過這麼一個問題，為什麼 gentoo 官方論壇上中文論壇的網頁是用 UTF-8 編碼的（雖然大家一直強烈建議用 GB2312 編碼），但是新浪網就是用 GB2312 編碼的呢？而 Xorg 的官方網頁竟然是 ISO-8859-15 編碼的，我沒有設定這個 locale 怎麼一樣的能瀏覽呢？這個問題就像是你有所有的密碼本，不論某個網站是用什麼字元集編碼的，你都可以用你手裡的密碼本把他們翻譯過來。也就是說，只要你的系統裡有相應的字元集，你就可以檢視對應的字元編碼檔案，這個和 locale 的設定無關。

既然我能夠瀏覽中文網頁，那為什麼我還要設定locale呢？

最根本的問題是：Linux不知道改用哪種字元集來解讀檔案編碼。

當你決定要寫什麼東西的時候，首先要決定的一件事情是用那種語言，對於計算機來說就是你要是用哪一種字元集，你就必須告訴你的 Linux 系統，你想用哪一本密碼本去寫你想要寫的東西。知道為什麼需要用 GB2312 字元集去瀏覽新浪了吧，因為新浪的網頁是用 GB2312 寫的，在新浪網頁的開頭就指定了 GB2312 字元集，所以瀏覽器就會用 GB2312 來渲染網頁。

到底什麼是 locale？

Locale 是根據計算機使用者所使用的語言，所在國家或者地區，以及當地的文化傳統所定義的一個軟體執行時的語言環境。

這個使用者環境可以按照所涉及到的文化傳統的各個方面分成幾個大類，通常包括使用者所使用的語言符號及其分類(LC_CTYPE)，數位 (LC_NUMERIC)，比較和排序習慣(LC_COLLATE)，時間顯示格式(LC_TIME)，貨幣單位(LC_MONETARY)，資訊主要是提示資訊,錯誤資訊, 狀態資訊, 標題, 標籤, 按鈕和選單等(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)，度量衡表達方式(LC_MEASUREMENT)，預設紙張尺寸大小(LC_PAPER)和locale對自身包含資訊的概述(LC_IDENTIFICATION)。

所以說，locale就是某一個地域內的人們的語言習慣和文化傳統和生活習慣。一個地區的locale就是根據這幾大類的習慣定義的，這些locale定義檔案放在 /usr/share/i18n/locales 目錄下面，例如 en_US, zh_CN and

都是 locale 的定義檔案，這些檔案都是用文字格式書寫的，你可以用寫字板開啟，看看裡邊的內容，當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 的字元索引方式。

什麼是字元集？

字元集就是字元，尤其是非英語字元在系統內的編碼方式，也就是通常所說的內碼，所有的字元集都放在/usr/share/i18n/charmaps，所有的字元集也都是用Unicode編號索引的。Unicode用統一的編號來索引目前已知的全部的符號。而字元集則是這些符號的編碼方式，或者說是在網路傳輸，計算機內部通訊的時候，對於不同字元的表達方式，Unicode是一個靜態的概念，字元集是一個動態的概念，是每一個字元傳遞或傳輸的具體形式。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位元組表示，三個位元組，還是四個位元組表示，是字元集的問題。例如：UTF-8字元集就是目前流行的對字元的編碼方式，UTF-8用一個位元組表示常用的拉丁字母，用兩個位元組表示常用的符號，包括常用的中文字元，用三個表示不常用的字元，用四個位元組表示其他的古靈精怪的字元。而GB2312字元集就是用兩個位元組表示所有的字元。需要提到一點的是Unicode除了用編號索引全部字元以外，本身是用四個位元組儲存全部字元，這一點在談到掛載windows分割區的時候是非常重要的一個概念。所以說你也可以把Unicode看作是一種字元集（我不知道它和UTF-32的關係，反正UTF-32就是用四個位元組表示所有的字元的），但是這樣表述符號是非常浪費資源的，因為在計算機世界絕大部分時候用到的是一個位元組就可以搞定的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。

zh_CN.GB2312到底是在說什麼？

Locale 是軟體在執行時的語言環境, 它包括語言(Language), 地域 (Territory) 和字元集(Codeset)。一個locale的書寫格式為: 語言[_地域[.字元集]]. 所以說呢，locale總是和一定的字元集相聯絡的。下面舉幾個例子：

zh_CN.GB2312＝中文_中華人民共和國＋國標2312字元集。

• 我說中文，身處中國大陸，使用國標2312字元集來表達字元。

zh_CN.GB18030＝中文_中華人民共和國＋國標18030字元集。

• 我說中文，身處中國大陸，使用國標18030字元集來表達字元。

zh_TW.BIG5=中文_台灣.大五碼字元集

• 我說中文，身處台灣地區，使用Big5字元集來表達字元。

en_GB.ISO-8859-1=英文_大不列顛.ISO-8859-1字元集

• 我說英文，身處大不列顛，使用ISO-8859-1字元集來表達字元。

de_DE.UTF-8@euro＝德語_德國.UTF-8字元集@按照歐洲習慣加以修正

• 我說德語，身處德國，使用UTF-8字元集，習慣了歐洲風格。

注意不是de_DE@euro.UTF-8，所以完全的locale表達方式是 [語言[_地域][.字元集] [@修正值]

生成的 locale 放在/usr/lib/locale/目錄中，並且每個 locale 都對應一個資料夾，也就是說建立了 de_DE@euro.UTF-8 locale之後，就生成/usr/lib/locale/de_DE@euro.UTF-8/目錄，裡面是具體的每個 locale 的內容。

locale的五臟六腑

為了讓 locale 生效，必須告訴 Linux 系統使用哪個 locale。這就需要對 locale 的內部機制有一點點的了解。在前面我已經提到過，locale 把按照所涉及到的文化傳統的各個方面分成12個大類，這12個大類分別是：

• LC_CTYPE:語言符號及其分類
• LC_COLLATE：比較和排序習慣
• LC_NUMERIC：數位
• LC_TIME:時間顯示格式
• LC_MONETARY:貨幣單位
• LC_MESSAGES:資訊，主要是提示資訊、錯誤資訊、狀態資訊、標題、標籤、按鈕和選單等
• LC_NAME:姓名書寫方式
• LC_ADDRESS:地址書寫方式
• LC_TELEPHONE:電話號碼書寫方式
• LC_MEASUREMENT:度量衡表達方式
• LC_PAPER:預設紙張尺寸大小
• LC_IDENTIFICATION:對locale自身包含資訊的概述

其中，與中文輸入關係最密切的就是 LC_CTYPE， LC_CTYPE 規定了系統內有效的字元以及這些字元的分類，諸如什麼是大寫字母，小寫字母，大小寫轉換，標點符號、可列印字元和其他的字元屬性等方面。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，當然也是用Unicode描述的，這就讓中文字元在Linux系統中成為合法的有效字元，而且不論它們是用什麼字元集編碼的。

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，可以根據使用者的需要設定成不同的值。這一點對很多使用者是有利的，甚至是必須的。例如，我就需要一個能夠輸入中文的英文環境，所以我可以把LC_CTYPE設定成zh_CN.GB18030，而其他所有的項都是en_US.UTF-8。

怎樣設定locale？

設定locale就是設定12大類的locale分類屬性，即 12個LC_*。除了這12個變數可以設定以外，為了簡便起見，還有兩個變數：LC_ALL和LANG。它們之間有一個優先順序的關係：

LC_ALL > LC_* > LANG

可以這麼說，LC_ALL 是最上級設定或者強制設定，而 LANG 是預設設定值。

• 如果你設定了LC_ALL＝zh_CN.UTF-8，那麼不管 LC_* 和 LANG 設定成什麼值，它們都會被強制服從LC_ALL的設定，成為 zh_CN.UTF-8。
• 假如你設定了LANG＝zh_CN.UTF-8，而其他的LC_*=en_US.UTF-8，並且沒有設定LC_ALL的話，那麼系統的locale設定以LC_*=en_US.UTF-8。
• 假如你設定了LANG＝zh_CN.UTF-8，而其他的LC_*，和LC_ALL均未設定的話，系統會將LC_*設定成預設值，也就是LANG的值 zh_CN.UTF-8。
• 假如你設定了LANG＝zh_CN.UTF-8，而其他的LC_CTYPE=en_US.UTF-8，其他的LC_*，和LC_ALL均未設定的話，那麼系統的locale設定將是：LC_CTYPE=en_US.UTF-8，其餘的 LC_COLLATE，LC_MESSAGES等等均會採用預設值，也就是LANG的值，也就是LC_COLLATE＝LC_MESSAGES＝……＝ LC_PAPER＝LANG＝zh_CN.UTF-8。

locale 中每項具體值的設定可以使用命令export

例如：
export LC_CTYPE="zh_CN.UTF-8"

也可以直接修改檔案：
debian系列：/etc/default/locale
RedHat系列：/etc/sysconfig/i18n

關於locale的相關命令

1、檢視當前系統語言環境

locale

2、可用區域的名稱

locale -a

3、可用字元對映的名稱

locale -m

4、安裝locale

sudo locale-gen en_US.UTF-8
即可安裝 en_US.UTF-8 locale檔案,並在 /var/lib/locales/supported.d 下產生相應的locale檔案

也可以使用 /usr/share/locales 目錄下的 install-language-pack 和 remove-language-pack 工具來安裝和移除語言套件。

sudo ./install-language-pack en_US

NOTE:

LANG 和 LANGUAGE 的區別：

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