locale

wonder3

locale 是一組 C 程式語言處理自然語言(文字)的程式介面， 也可以簡單的說，locale 就是一組地區性語言的資訊。由國家語言和各地習俗影響所決定的慣例，或代表一個地理區域的定義所組成，這些慣例包含文字、日期、數字、貨幣格式和排序等等。這代表著 locale 可讓程式的輸出可以直接反應地方區域性的文化。C 語言的 locale 定義，分為下列各大類：

• 
  LC_ALL 指定所有的 Locale
  
• 
  LC_CTYPE 字元定義 (包含字元分類與轉換規則)
  
• 
  LANG 語言顯示
  
• 
  LC_MESSAGES 訊息顯示
  
• 
  LC_TIME 時間格式
  
• 
  LC_NUMERIC 數字格式
  
• 
  LC_MONETARY 貨幣格式
  
• 
  LC_COLLATE 字母順序與特殊字元比較
  

其中與一般使用者息息相關的，是字元定義 (LC_CTYPE) 與語言顯示 (LANG)。LC_CTYPE 直接關係到某些字元或內碼在目前的 locale 下是否可列印？要如何轉換字碼？對應到哪一個字？.... 等等。LANG 則關係到軟體的訊息輸出是不是符合地域性，例如 ：我們需要的是中文。而一個真正完整支援 locale 系統， 是當使用者在 shell prompt 下，直接設好環境變數後，則馬上就能切換到那個語言了。當 LC_MESSAGES、LC_TIME、LC_NUMERIC、 LC_MONETARY 等沒有設定的時候，會直接取用 LANG 的環境設定值。
設定 Locale 的字元定義為台灣地區的 Big5 繁體中文碼定義， 有了正確的 locale 的定義後，使得任何地區的語文，只要在加入適當的 locale data 之後，C Library 就能正確地處理軟體顯示訊息， 而我們使用的中文當然也不例外，而目前常用的中文 locale data 就是 zh_TW.Big5，代表的就是中文語系(zh)台灣地區(TW) 使用Big5編碼系統(Big5)。
Note: locale 命名規則：語言_地區名.字元編碼名稱
當一個程式啟動時，系統會預設給它一個初始 locale，稱為 POSIX 或 C locale。在此 locale 下，程式的表現會與傳統的 C 語言中一樣， 使用英文做訊息輸出，只能處理英文等 ASCII 碼等等。如果該程式有支援 I18N，也就是說它有按照 I18N 的標準來寫，則它在啟動後就會馬上呼叫系統函式來改變它的 locale， 如此它就搖身一變，變成可以處理該 locale 所代表的地區語文了。
zh_TW.Big5 是目前台灣內廣泛使用的 locale， zh 是華語(Chinese)，1998 年 ISO639 裡面以兩個英文字母來代表語言編碼， 這個縮寫據筆者所知沒有任何含義，而 TW 代表的就是台灣(Taiwan) 地區的縮寫，最後的 Big5 則是編碼方式。
locale 設定檔在編譯後， 則是儲存在 /usr/share/locale/ 目錄下， 以 zh_TW.Big5 locale 為例，該目錄中就包含了 LC_COLLATE、LC_CTYPE、 LC_TIME。
而 LC_MESSAGES 則是儲存在 /usr/local/share/locale/zh_TW/LC_MESSAGES/ 或是 /usr/X11R6/share/locale/zh_TW.Big5/ 底下。由於 LC_MESSAGES 類別掌管的是程式訊息輸出所用的語言，而且不同程式間的訊息都不會一樣，因此它不能像其他類別一樣，只提供單一一個資料檔即可。相反的，在這裏所採取的方式是由各應用程式自行提供它們的訊息資料檔， 並統一放在各 locale 的 LC_MESSAGES 的目錄下。例如 mutt 程式，其訊息的部分除了英文以外，可能還同時提供了繁體中文、簡體中文、 日文、法文等翻譯，因此，在以上這些語文所代表的 locale 中， 其底下的 LC_MESSAGES 目錄中都會有一份屬於 mutt 程式的訊息資料檔。 換句話說，在 I18N 架構下，程式訊息部分是與程式分離的， 如此才能分別對各 locale 做 ``區域化'' (即翻譯成各地區的語言)。 如此，當 mutt 在執行時，系統會根據目前它的 LC_MESSAGES locale 設定去找找看有沒有它的訊息資料檔存在，有的話就以該語言做訊息輸出， 否則的話則以 C locale 的方式 (即英文) 來輸出訊息。
以上所有的 locale 類別中，除了 LANG 之外，最重要的就是 LC_CTYPE 了。此類別掌管的是該 locale 中所有字元的處理方式。 一個應用程式若要能被 ``區域化'' 成某地區的語文，首要工作就是要能處理該地區的文字。例如每個字的內碼如何編碼？ 是單一 byte 還是由多個 bytes 組成的？怎樣的編碼才是合法可用的？ 這個字是不是可以印？是不是數字？若給定任意的文字字串，要如何能區分出一個個字等等。因此，此類別牽涉的層面相當廣，除了程式本身的文字處理能力以外，甚至到 X Window 中的文字顯示 (即 XOM: X Output Method)、文字輸入 (即 XIM: X Input Method) 等等， 都與它有關。因此，當要開始使用一個支援 I18N 的程式之前， 一定要先設好 LC_CTYPE 這個 locale 類別。
必須指定 zh_TW.Big5 這個 locale 環境變數給 Shell，Shell 才能正確的處理中文訊息，一般而言只要指定 locale 的字元定義 LC_CTYPE 為 zh_TW.Big5 即可讓 Shell 正確的處理中文，若要讓 Shell 的輸出訊息也顯示中文，則可將 locale 訊息顯示 LANG 也設定為中文的 locale data。
至於要設定 stty pass8 的原因是，台灣地區所通行的 Big5 編碼， 及大陸地區所使用的 GB 編碼，其開頭的位元幾乎都是大於 128 的數值， 也就是所謂 non-ASCII 碼的範圍(ASCII 是指小於 128 的編碼)。 中文問題就在這裡，許多程式由於各式各樣的原因， 並未考慮到輸入的資料可能是 non-ASCII 碼的問題， 程式往往假設了她所要處理的資料都是 ASCII 碼 (因為大部分軟體為外國人發展的)，更糟糕的是， 當程式遇到 non-ASCII 碼時，常常假設她不存在， 而將它的第八個位元截去，這是所謂的 8-bit 輸入中文時，每每將第八位元砍掉，所以中文都變成亂碼。因此必須指定 stty pass8， 警告 Shell 不要將輸入的第八個位元截掉，這樣才能正確顯示中文。
ENABLE_STARTUP_LOCALE 則是 a.out 遺物，他會強制 ld.so 載入程式前， 先呼叫 setlocale()，在 3.x 前就把這個 ugly hack 拿掉了。
關於字元的分類與編碼，一個 locale 所包含的合法字元與其編碼方式， 稱之為字集(character set)。以 zh_TW.Big5 locale 為例， 其實它內部包含了兩個 sub-character set，一個是 ASCII 用來表示一編的英文、數字、電腦慣用符號 等等，另一個就是以 Big5 編碼方式的，俗稱的全形字，包括了中文字、 全形英文、數字、以及符號等。前者每個字元的長度是一個 byte，而後者每個字元的長度則是兩個 byte。
在 locale 的設定中，以 LC_CTYPE 最為重要， LC_CTYPE 包含了字元內碼資訊， 直接影響部份 C 函式隊字元的處理結果，包括：

• 
  ctype.h: isalnum(), isalpha(), iscntrl(), isdigit(), isgraph(), islower(), isprint(), ispunct(), isspace(), isupper(), isxdigit(), tolower(), toupper().
  
• 
  wctype.h: iswalnum(), iswalpha(), iswcntrl(), iswdigit(), iswgraph(), iswlower(), iswprint(), iswpunct(), iswspace(), iswupper(), iswxdigit(), towlower(), towupper().
  
• 
  stdlib.h: mblen(), mbtowc(), mbstowcs(), wctomb(), wcstombs().
  

zh_TW.Big5 LC_CTYPE locale 的設定檔在 /usr/src/share/mklocale/zh_TW.Big5.src， 在 LC_CTYPE 的設定檔中，它將所有的字元分類成以下幾種：
UPPER: 拼音字的大寫字。
LOWER: 拼音字的小寫字。
ALPHA: 所有的拼音字母。
DIGIT: 阿拉伯數字。
SPACE: 空隔字元，如空白 (space)、換行、tab ...字元等。
XDIGIT: 代表十六進位數字的字元。
BLANK: 空白字元，通常只包括空白 (space) 與 tab 兩個。
CNTRL: 電腦的控制字元。
PUNCT: 標點符號。
GRAPH: 所有有筆畫的字元，不包括空白與空格。
PRINT: 所有可以印出的字元，包括空白 (blank) 字元。
TOUPPER: 小寫拼音字母轉大寫拼音字母的對應表。
TOLOWER: 大寫拼音字母轉小寫拼音字母的對應表。


本文来自ChinaUnix博客，如果查看原文请点：http://blog.chinaunix.net/u/22769/showart_197063.html