Unix类系统中的本地化

在Unix类系统中，本地化环境的支持取决于三个方面：

1、内核对各语言的codepage支持。

2、C标准库和perl等基础库对各语言的locale支持。

3、软件本身的NLS功能。

具体说一下这三方面各自包含哪些内容。

首先是内核的codepage支持。codepage即代码页，是一张说明了如何对特定语言进行编码的表。codepage和字符编码是一一对应的 关系，如cp936对应简体中文GBK，cp950对应繁体中文Big5。因此，内核的codepage是上层本地化支持的基础。

然后是C标准库和perl等基础库的locale支持，即对特定语言的字符编码支持。只有C标准库和perl等基础库中有了对应字符编码的支持，才能通过setlocale函数正确编码特定语言。

最后是软件本身的NLS（或i18n和l10n）功能，NLS表示National Language Support或Native Language Support。以简体中文为例，可以把NLS粗略理解为我们常说的“汉化版”或“中文版”，也就是通过翻译，把软件源语言转换为目标语言的过程。NLS 可以根据系统的locale设置智能匹配显示语言，如果目标语言还没有对应的翻译，那么就以源语言显示。

虽然本地化支持取决于这三方面的综合作用，但是个人认为其中最重要的就是C标准库和perl等基础库的locale支持。因此，我打算具体说一下C 标准库和perl等基础库中的locale支持。平常使用系统过程中，locale支持是比较底层的部分，也是确保具有NLS的软件正确显示目标语言的基 础。这里我将以Linux的locale为例进行说明，因为Linux的locale支持相对最全面。FreeBSD虽然也有相对完整的locale支 持，但是类别并没有Linux那么覆盖全面，而OpenBSD干脆只提供非常有限的locale支持。

Linux的locale包含14个LC_*变量和一个LANG变量。这些变量的含义分别如下：

LANG：其他LC_*变量的默认值。

LC_ADDRESS：地址书写格式，例如国家/地区名称写在最前还是最后

LC_ALL：强制覆盖其他LC_*变量指定的数值。如果设置了此变量，其他LC_*变量的设置都将无效。

LC_COLLATE：字符串（如文件名）的排序方式。

LC_CTYPE：字符的分类方式。决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。

LC_IDENTIFICATION：包含关于locale信息的元数据。

LC_MEASUREMENT：度量衡单位。

LC_MESSAGES：系统信息（如提示信息、错误信息、状态信息、标题、标签、按钮和菜单等）采用的语言。

LC_MONETARY：使用的货币名称、单位、符号。

LC_NAME：姓名的书写方式。

LC_NUMERIC：数字的书写方式。例如，有些国家使用逗号（,）作为千位分隔符，而有的国家使用点（.）作为千位分隔符。

LC_PAPER：默认纸张大小。

LC_RESPONSE：决定本地语言的应答方式（如“是”或“否”）。

LC_TELEPHONE：电话号码的书写方式。

LC_TIME：时间和日期的显示格式。

在这15个环境变量中，其优先级如下：LC_ALL>LC_*>LANG。也就是说，LC_ALL是优先级最高的变量，而LANG是在其他LC_*变量未设置的情况下系统locale所采用的默认值。

这里举几个例子加以说明：

1、如果设置LC_ALL＝zh_CN.UTF-8，那么不管LC_*和LANG设置成什么值，它们都会强制服从LC_ALL的设置，成为 zh_CN.UTF-8。

2、假如设置LANG＝zh_CN.UTF-8，而其他的LC_*=en_US.UTF- 8，并且没有设置LC_ALL的话，那么系统的locale设置服从LC_*=en_US.UTF-8。

3、假如设置LANG＝zh_CN.UTF- 8，而其他的LC_*和LC_ALL均未设置的话，系统会将LC_*设置成默认值，也就是LANG的值 zh_CN.UTF-8 。

4、假如设置LANG＝zh_CN.UTF-8，LC_CTYPE=en_US.UTF-8，其他的LC_*和LC_ALL均未设置的话，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。

5、假如什么也不做的话，也就是LC_ALL，LANG和LC_*均不指定特定值的话，系统将采用 POSIX作为lcoale，也就是C locale。

通过设置不同的变量组合，即可让系统适应不同的本地化环境。locale的变量值由三部分组成：语言_地域.字符集。有时候也会根据使用习惯而引入一个修正值，变量值变为：语言_地域.字符集@修正值。例如，zh_CN.UTF-8表示以中华人民共和国的简体中文，采用UTF-8字符集来对字符进行编码。而de_DE.UTF-8@euro表示以德国的德文，采用UTF-8字符集并以符合欧洲书写习惯的方式来对字符进行编码。

这里我再说一下字符集和字符编码的区别。字符集，顾名思义，就是各种字符的集合，而字符编码则是对字符集进行编码的一套机制。例如，GB2312、GB18030、UTF-8等是字符集，而ANSI和Unicode则是字符编码。

那么有时候看到的乱码和方框又是怎么回事呢？

乱码经常出现在Linux和Windows进行文件互通的时候。而乱码的原因也分为两种情况：一种是系统存在正确的字符集和字符编码，但是在对目标 文字进行编码时采用了错误的字符集或字符编码。还有一种是系统中没有正确的字符集和字符编码，因此尝试使用默认字符集和字符编码对目标文字进行编码，导致 了乱码。归根结底，其实都是因为采取的字符集和字符编码不正确。这种问题的解决方案有两种，一种是转换原文字的字符集和字符编码，与系统的字符集和字符编 码保持一致。或者，修改系统的字符集和字符编码，和原文字保持一致。

而方框的形成原因是，系统存在正确的字符集和字符编码，对目标文字进行编码时也采用了正确的字符集或字符编码，但是系统默认字体的字体库中没有对应的文字，因此就采用了方框来代替。解决方案很简单，更换字体即可。

对于主流的Linux发行版和FreeBSD，一般都集成了完整的locale和NLS支持，因此用户很轻松就可以切换本地化环境，本质就是更改系统的locale环境变量。

另外，某些软件和桌面环境具有单独的语言包。如果要使用本地化环境，除了修改locale之外，还要安装对应的语言包。

而对于Ubuntu这样的发行版，它的语言包要做得更完善一点。Ubuntu的语言包不仅包含了软件的显示语言，还包含了本地化语言环境对应的字体、输入法等一系列软件包，非常方便。

差不多就是这样了，文章结构有点混乱，但是应该基本交代清楚了。