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)紙張尺寸大小(LC_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。
?
?
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
?
?
?
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。
?
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(shuō)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(gè)locale作為英文_美國(guó)locale類的默認(rèn)值,其實(shí)它和en_US.ISO-8859-1/ISO-8859-1沒(méi)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(gè)locale作為中文_中國(guó)locale類的默認(rèn)值,其實(shí)它和zh_CN.GB18030/GB18030沒(méi)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(jiǎn)寫(xiě)成en_US或者zh_CN的形式,只是為了表達(dá)簡(jiǎn)單而已沒(méi)有特別的意義。
?
Gentoo在locale定義的時(shí)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(gè)localedef 再補(bǔ)充一些locale,就會(huì)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(gè)locale,但是為了讓它們生效,必須告訴Linux系統(tǒng)使用那(幾)個(gè)locale。這就需要對(duì)locale的內(nèi)部機(jī)制有一點(diǎn)點(diǎn)的了解。在前面我已經(jīng)提到過(guò),locale把按照所涉及到的文化傳統(tǒng)的各個(gè)方面分成12個(gè)大類,這12個(gè)大類分別是:
1、語(yǔ)言符號(hào)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(shí)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(cuò)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(shū)寫(xiě)方式(LC_NAME)
8、地址書(shū)寫(xiě)方式(LC_ADDRESS)
9、電話號(hào)碼書(shū)寫(xiě)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(duì)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(xiě)字母,小寫(xiě)字母,大小寫(xiě)轉(zhuǎn)換,標(biāo)點(diǎn)符號(hào)、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(xiàng)就是定義了漢字(Class “hanzi”)這一個(gè)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"; /
% <U3400>..<U4DBF>;/
<U4E00>..<U9FA5>;/
<UF92C>;<UF979>;<UF995>;<UF9E7>;<UF9F1>;<UFA0C>;<UFA0D>;<UFA0E>;/
<UFA0F>;<UFA11>;<UFA13>;<UFA14>;<UFA18>;<UFA1F>;<UFA20>;<UFA21>;/
<UFA23>;<UFA24>;<UFA27>;<UFA28>;<UFA29>
END LC_CTYPE
?
在en_US的locale定義中,并沒(méi)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(diǎn)就是這些分類是彼此獨(dú)立的,也就是說(shuō)LC_CTYPE,LC_COLLATE和 LC_MESSAGES等等分類彼此之間是獨(dú)立的,可以根據(jù)用戶的需要設(shè)定成不同的值。這一點(diǎn)對(duì)很多用戶是有利的,甚至是必須的。例如,我就需要一個(gè)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(xiàng)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(gè)LC_*。除了這12個(gè)變量可以設(shè)定以外,為了簡(jiǎn)便起見(jiàn),還有兩個(gè)變量:LC_ALL和LANG。它們之間有一個(gè)優(yōu)先級(jí)的關(guān)系:
LC_ALL>LC_*>LANG
可以這么說(shuō),LC_ALL是最上級(jí)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(huì)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(méi)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(huì)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(huì)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(gè)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(gè)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(wú)用功。
2、如果你只想要一個(gè)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(gè)LC_*一一設(shè)定成你需要的值,打造一個(gè)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(guó)的度量衡使用ISO-8859-15字符集)
羅馬的地址書(shū)寫(xiě)方式,美國(guó)的紙張?jiān)O(shè)定……。估計(jì)沒(méi)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。