關于locale的設定,為什么要設定locale
關于locale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中文系統的兼容和通信。從 實際經驗上看來，locale的設定與看中文關系不大，但是與寫中文，及window分區的掛載方式有很密切的關系。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。那么，為什么要設定 locale呢？什么時候會用到locale呢？

Tags: locale 設定 原因 解釋

一、為什么要設定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系，即便你把locale設置成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，只要你的系統里面有相應的字符集（這個都不一定需要）和合適的字體（如simsun），瀏覽器就可以把網頁翻譯 成中文給你看。具體的過程是網絡把網頁傳送到你的機器上之后，瀏覽器會判斷相應的編碼的字符集，根據網頁采用的字符集，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 有時候網頁顯示亂碼或者都是方框是怎么回事呢？個人認為，顯示亂碼是因為設定的字符集不對(或者沒有相應的字符集)，例如網頁是用UTF-8編碼的，你非 要用GB2312去看，而系統根據GB2312去找字體，然后在屏幕上顯示，當然是一堆的亂碼，也就是說你用一個錯誤的密碼本去翻譯發給你的電報，當然內 容那叫一個亂；至于有些時候瀏覽的網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正確的判斷出了網頁的編碼，并在字體庫里面找 到了相應的文字，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頁，那為什么我還要設定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頁，但是在整個操作系統里面 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，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，因為新浪的網頁是用GB2312寫的。

為了讓你的Linux能夠輸入中 文，就需要把系統的locale設定成中文的(嚴格說來是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方式。這個外星表達式規定 了什么東西呢？這個問題稍后詳述，現在只需要知道，這是locale的表達方式就可以了。

二、到底什么是locale？
locale這個單詞中文翻譯成地區或者地域，其實這個單詞包含的意義要寬泛很多。Locale是根據計算機用戶所使用的語言，所在國家或者地區，以及當地的文化傳統所定義的一個軟件運行時的語言環境。

這 個用戶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，通常包括用戶所使用的語言符號及其分類(LC_CTYPE)，數字 (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)，信息主要是 提示信息,錯誤信息, 狀態信息, 標題, 標簽, 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)，度量衡表達方式(LC_MEASUREMENT)，默認紙張尺寸大小(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、比較和縮進習慣，而de_DE用的是德國的標準習慣。

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內的編碼方式，也就是通常所說的內碼，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，或者說是在網絡傳輸，計算機內部通信的時候，對于不同字符的表達方式，Unicode是一個靜態的概念，字符集是 一個動態的概念，是每一個字符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字節表示，三個字 節，還是四個字節表示，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用一個字節表示常用的拉丁字母，用兩個字節表 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，用四個字節表示其他的古靈精怪的字符。而GB2312字符集就是用兩個字節表示所有的字符。 需要提到一點的是Unicode除了用編號索引全部字符以外，本身是用四個字節存儲全部字符，這一點在談到掛載windows分區的時候是非常重要的一個 概念。所以說你也可以把Unicode看作是一種字符集（我不知道它和UTF-32的關系，反正UTF-32就是用四個字節表示所有的字符的），但是這樣 表述符號是非常浪費資源的，因為在計算機世界絕大部分時候用到的是一個字節就可以搞定的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2312字符集來表達字符。
zh_CN.GB2312＝中文_中華人民共和國＋國標2312字符集。

2、我說中文，身處中華人民共和國，使用國標18030字符集來表達字符。
zh_CN.GB18030＝中文_中華人民共和國＋國標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Big5字符集來表達字符。
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，習慣了歐洲風格。
de_DE.UTF-8@euro＝德語_德國.UTF-8字符集@按照歐洲習慣加以修正

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都對應一個文件夾，也就是說創建了 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。 其實根據上面的說明現在應該很明確了。

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類的默認值，其實它和en_US.ISO-8859-1/ISO-8859-1沒有任何區別。

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類的默認值，其實它和zh_CN.GB18030/GB18030沒有任何區別。

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。

關于默認locale，默認locale可以簡寫成en_US或者zh_CN的形式，只是為了表達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中設定zh_CN.UTF-8/UTF-8的結果是一樣一樣的。


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系統使用那(幾)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：
1、語言符號及其分類(LC_CTYPE)
2、數字(LC_NUMERIC)
3、比較和排序習慣(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, 狀態信息, 標題, 標簽, 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、度量衡表達方式(LC_MEASUREMENT)
11、默認紙張尺寸大小(LC_PAPER)
12、對locale自身包含信息的概述(LC_IDENTIFICATION)。

其 中，與中文輸入關系最密切的就是 LC_CTYPE， LC_CTYPE 規定了系統內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，大小寫轉換，標點符號、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，當然也是用Unicode描述的，這就讓中文字符在Linux系統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，可以根據用戶的需要設定成不同的值。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。


七、怎樣設定locale呢？

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

所以，locale是這樣設定的：
1、如果你需要一個純中文的系統的話，設定LC_ALL= zh_CN.XXXX，或者LANG= zh_CN.XXXX都可以，當然你可以兩個都設定，但正如上面所講，LC_ALL的值將覆蓋所有其他的locale設定，不要作無用功。
2、 如果你只想要一個可以輸入中文的環境，而保持菜單、標題，系統信息等等為英文界面，那么只需要設定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_*一一設定成你需要的值，打造一個古靈精怪的系統：
LC_CTYPE＝zh_CN.GBK/GBK(使用中文編碼內碼GBK字符集)；
LC_NUMERIC=en_GB.ISO-8859-1(使用大不列顛的數字系統)
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，系統將采用POSIX作為lcoale，也就是C locale。

總結

以上是生活随笔為你收集整理的locale到底是个什么玩意的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。