在Linux 中通过locale 来设置程序运行的不同语言环境，locale 由ANSI C 提供支持。locale 的命名规则为< 语言>_< 地区>.< 字符集编码> ，如zh_CN.UTF-8 ，zh 代表中文，CN 代表大陆地区，UTF-8 表示字符集。在locale 环境中，有一组变量，代表国际化环境中的不同设置：

1.    LC_COLLATE
定义该环境的排序和比较规则

2.    LC_CTYPE
用于字符分类和字符串处理，控制所有字符的处理方式，包括字符编码，字符是单字节还是多字节，如何打印等。是最重要的一个环境变量。

3.    LC_MONETARY
货币格式

4.    LC_NUMERIC
非货币的数字显示格式

5.    LC_TIME
时间和日期格式

6.    LC_MESSAGES
提示信息的语言。另外还有一个LANGUAGE 参数，它与LC_MESSAGES 相似，但如果该参数一旦设置，则LC_MESSAGES 参数就会失效。LANGUAGE 参数可同时设置多种语言信息，如LANGUANE="zh_CN.GB18030:zh_CN.GB2312:zh_CN" 。

7.    LANG
LC_* 的默认值，是最低级别的设置，如果LC_* 没有设置，则使用该值。类似于 LC_ALL 。

8.    LC_ALL
它是一个宏，如果该值设置了，则该值会覆盖所有LC_* 的设置值。注意，LANG 的值不受该宏影响。

一个例子：

设置前，使用默认locale

：




debian:~# locale




LANG="POSIX"




LC_CTYPE="POSIX"




LC_NUMERIC="POSIX"




LC_TIME="POSIX"




LC_COLLATE="POSIX"




LC_MONETARY="POSIX"




LC_MESSAGES="POSIX"




LC_PAPER="POSIX"




LC_NAME="POSIX"




LC_ADDRESS="POSIX"




LC_TELEPHONE="POSIX"




LC_MEASUREMENT="POSIX"




LC_IDENTIFICATION="POSIX"




LC_ALL=

 

设置后，使用zh_CN.GDK

中文locale

：

debian:~# export LC_ALL=zh_CN.GBK






debian:~# locale




LANG=zh_CN.UTF-8




LC_CTYPE="zh_CN.GBK"




LC_NUMERIC="zh_CN.GBK"




LC_TIME="zh_CN.GBK"




LC_COLLATE="zh_CN.GBK"




LC_MONETARY="zh_CN.GBK"




LC_MESSAGES="zh_CN.GBK"




LC_PAPER="zh_CN.GBK"




LC_NAME="zh_CN.GBK"




LC_ADDRESS="zh_CN.GBK"




LC_TELEPHONE="zh_CN.GBK"




LC_MEASUREMENT="zh_CN.GBK"




LC_IDENTIFICATION="zh_CN.GBK"




LC_ALL=zh_CN.GBK

"C" 是系统默认的locale ，"POSIX" 是"C" 的别名。所以当我们新安装完一个系统时，默认的locale 就是C 或POSIX 。

在Debian 中安装locales 的方法如下：

· 通过apt-get install locales 命令安装locales 包
·  安装完成locales 包后，系统会自动进行locale 配置，你只要选择所需的locale ，可以多选。最后指定一个系统默认的locale 。这样系统就会帮你自动生成相应的locale 和配置好系统的locale 。

·  增加新的locale 也很简单，用dpkp-reconfigure locales 重新配置locale 即可。

· 我们也可手动增加locale ，只要把新的locale 增加到/etc/locale.gen 文件中，再运行locale-gen 命令即可生成新的locale 。再通过设置 上面介绍的LC_* 变量就可设置系统的locale 了。下是一个locale.gen 文件的样例。

· 





# This file lists locales that you wish to have built. You can find a list




· 





# of valid supported locales at /usr/share/i18n/SUPPORTED. Other




· 





# combinations are possible, but may not be well tested. If you change




· 





# this file, you need to rerun locale-gen.




· 





#




·



zh_CN.GBK GBK




·



zh_CN.UTF-8 UTF-8





From: http://www.linuxsky.org/doc/desktop/200704/20.html




ocale


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？  





Tags: locale 设定 原因 解释  





一、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。  





在下文本人会偶尔把字符集比喻成密码本，个人觉得对于一些东西比较容易理解，假如你不习惯的话，把全文copy到任何文本编辑器，用字符集替换密码本即可。  





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，也就是说你用一个错误的密码本去翻译发给你的电报，当然内


容那叫一个乱；至于有些时候浏览的网页能显示一部分汉字，但有很多的地方是方框，能够显示汉字说明浏览器已经正确的判断出了网页的编码，并在字体库里面找


到了相应的文字，但是并不是每个字体库都包含某个字符集全部的字体的缘故，有些时候会显示不完全，找一个比较全的支持较多字符集的字体就可以了。  





既然我能够浏览中文网页，那为什么我还要设定locale呢？  





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，但问题是虽然你能浏览中文网页，但是在整个操作系统里面


流动的还是英文字符。所以，就像你能听懂英语，也能听懂中文。 最根本的问题是：你不可以写中文。  





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，你想用那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。  





为了让你的Linux能够输入中文，就需要把


系统的locale设定成中文的(严格说来是locale中的语言类别LC_CTYPE


)，例如zh_CN.GB2312、zh_CN.GB18030或者zh_CN.UTF-8。很多人都不明白这些古里古怪的表达方式。这个外星表达式规定


了什么东西呢？这个问题稍后详述，现在只需要知道，这是locale的表达方式就可以了。  





二、到底什么是locale？ locale这个单词中文翻译成地区或者地域，其实这个单词包含的意义要宽泛很多。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


[email protected]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。  





对于[email protected]的一点说明，@后边是修正项，也就是说你可


以看到两个德国的locale： /usr/share/i18n/locales/[email protected]


/usr/share/i18n/locales/de_DE


打开这两个locale定义，你就会知道它们的差别在于[email protected]使用的是欧洲的排序、比较和缩进习惯，而de_DE用的是德国的标准习


惯。  





上面我们说到了zh_CN.GB18030的前半部分，后半部分是什么呢？大部分Linux用户都知道是系统采用的字符集。  





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。


四、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：  





1、我说中文，身处中华人民共和国，使用国标2312字符集来表达字符。 zh_CN.GB2312＝中文_中华人民共和国＋国标2312字符集。  





2、我说中文，身处中华人民共和国，使用国标18030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。  





3、我说中文，身处中华人民共和国台湾省，使用国标Big5字符集来表达字符。 zh_TW.BIG5=中文_台湾.大五码字符集  





4、我说英文，身处大不列颠，使用ISO-8859-1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  





5、我说德语，身处德国，使用UTF-8字符集，习惯了欧洲风格。 [email protected]＝德语_德国.UTF-8字符集@按照欧洲习惯加以修正  





注意不是[email protected]

-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[email protected]

-8 locale之后，就生成/usr/lib/locale/[email protected]/目录，里面是具体的每个locale的内容。  





五、


怎样去自定义locale


在gentoo生成locale还是很容易的，首先要在USE里面加入userlocales支持，然后编辑locales.build文件，这个文件用


来指示glibc生成locale文件。 很多人不明白每一个条目是什么意思。 其实根据上面的说明现在应该很明确了。  





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，依次的说明是这样的：  





en_US/ISO-8859-1：生成名为en_US的locale，采用ISO-8859-1字符集，并且把这个locale作为英文_美国locale类的默认值，其实它和en_US.ISO-8859-1/ISO-8859-1没有任何区别。  





en_US.UTF-8/UTF-8：生成名为en_US.UTF-8的locale，采用UTF-8字符集。  





zh_CN/GB18030：生成名为zh_CN的locale，采用GB18030字符集，并且把这个locale作为中文_中国locale类的默认值，其实它和zh_CN.GB18030/GB18030没有任何区别。  





zh_CN.GBK/GBK：


生成名为zh_CN.GBK的locale，采用GBK字符集。


zh_CN.GB2312/GB2312：生成名为zh_CN.GB2312的locale，采用GB2312字符集。


zh_CN.UTF-8/UTF-8：生成名为zh_CN.UTF-8的locale，采用UTF-8字符集。  





关于默认locale，默认locale可以简写成en_US或者zh_CN的形式，只是为了表达简单而已没有特别的意义。  





Gentoo


在locale定义的时候掩盖了一些东西，也就是locale的生成工具：localedef。


在编译完glibc之后你可以用这个localedef 再补充一些locale，就会更加理解locale了。具体的可以看 localedef


的manpage。  





$localedef -f 字符集 -i locale定义文件 生成的locale的名称 例如 $localedef -f UTF-8 -i zh_CN zh_CN.UTF-8  





上面的定义方法和在locales.build中设定zh_CN.UTF-8/UTF-8的结果是一样一样的。  





六、locale的五脏六腑  





刚


刚生成了几个locale，但是为了让它们生效，必须告诉Linux系统使用那(几)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：


1、语言符号及其分类(LC_CTYPE) 2、数字(LC_NUMERIC) 3、比较和排序习惯(LC_COLLATE)


4、时间显示格式(LC_TIME) 5、货币单位(LC_MONETARY) 6、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) 7、姓名书写方式(LC_NAME) 8、地址书写方式(LC_ADDRESS)


9、电话号码书写方式(LC_TELEPHONE) 10、度量衡表达方式(LC_MEASUREMENT)


11、默认纸张尺寸大小(LC_PAPER) 12、对locale自身包含信息的概述(LC_IDENTIFICATION)。  





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。  





LC_CTYPE % This is a copy of the "i18n" LC_CTYPE with the following modifications: - Additional classes: hanzi  





copy "i18n"  





class "hanzi"; / % ..;/ ..;/ ;;;;;;;;/ ;;;;;;;;/ ;;;; END LC_CTYPE  





在en_US的locale定义中，并没有定义汉字，所以汉字不是有效字符。所以如果要输入中文必须使用支持中文的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。  





七、怎样设定locale呢？  





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。


1、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。


2、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。


3、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 。


4、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。  





所以，locale是这样设定的：


1、如果你需要一个纯中文的系统的话，设定LC_ALL= zh_CN.XXXX，或者LANG=


zh_CN.XXXX都可以，当然你可以两个都设定，但正如上面所讲，LC_ALL的值将覆盖所有其他的locale设定，不要作无用功。


2、如果你只想要一个可以输入中文的环境，而保持菜单、标题，系统信息等等为英文界面，那么只需要设定


LC_CTYPE＝zh_CN.XXXX，LANG=


en_US.XXXX就可以了。这样LC_CTYPE＝zh_CN.XXXX，而LC_COLLATE＝LC_MESSAGES＝……＝


LC_PAPER＝LANG＝en_US.XXXX。 3、假如你高兴的话，可以把12个LC_*一一设定成你需要的值，打造一个古灵精怪的系统：


LC_CTYPE＝zh_CN.GBK/GBK(使用中文编码内码GBK字符集)；


LC_NUMERIC=en_GB.ISO-8859-1(使用大不列颠的数字系统)


[email protected](德国的度量衡使用ISO-8859-15字符集)


罗马的地址书写方式，美国的纸张设定……。估计没人这么干吧。


4、假如你什么也不做的话，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。