Kapitel 8. I18N och L10N

“double quoted text” is not "double quoted ASCII"
‘single quoted text’ is not 'single quoted ASCII'

För att kunna stödja fler tecken har många teckenuppsättningar och kodningssystem använts för att stödja många språk (se Tabell 11.2, ”Lista över kodningsvärden och deras användning”).

Unicodes teckenuppsättning kan representera praktiskt taget alla tecken som människan känner till med 21 bitars kodpunktsintervall (dvs. 0 till 10FFFF i hexadecimal notation).

Textkodningssystemet UTF-8 passar Unicode-kodpunkter i en förnuftig 8-bitars dataström som är mestadels kompatibel med ASCII-databehandlingssystemet. Detta gör UTF-8 till det moderna förstahandsvalet. UTF står för Unicode Transformation Format. När ASCII-data i klartext konverteras till UTF-8 har de exakt samma innehåll och storlek som den ursprungliga ASCII-datan. Så du förlorar ingenting genom att distribuera UTF-8 locale.

Under UTF-8-läge med det kompatibla programmet kan du visa och redigera textdata på alla främmande språk så länge som nödvändiga teckensnitt och inmatningsmetoder är installerade och aktiverade. Till exempel under "LANG=fr_FR.UTF-8" locale kan gedit(1) (textredigerare för GNOME-skrivbordet) visa och redigera textdata med kinesiska tecken samtidigt som menyerna visas på franska.

	Tips
	Både den nya standarden ”en_US.UTF-8” och den gamla standarden ”C”/”POSIX” använder standardmeddelanden på amerikansk engelska, men det finns små skillnader i sorteringsordning etc. Om du vill hantera inte bara ASCII-tecken utan också alla UTF-8-kodade tecken på ett smidigt sätt och samtidigt behålla det gamla ”C”-beteendet, använd den icke-standardiserade ”C.UTF-8”-lokaliseringen på Debian.

	Notera
	Vissa program förbrukar mer minne efter stöd för I18N. Detta beror på att de är kodade för att använda UTF-32 (UCS4) internt för att stödja Unicode för hastighetsoptimering och förbrukar 4 byte per varje ASCII-teckeninformation oberoende av vald locale. Återigen, du förlorar ingenting genom att distribuera UTF-8 locale.

# dpkg-reconfigure locales

Det systemomfattande standardvärdet för locale som anges i "/etc/default/locale" kan åsidosättas av GUI-konfigurationen för GUI-applikationer.

	Notera
	Det faktiska traditionella kodningssystemet kan identifieras med "/usr/share/i18n/SUPPORTED". Således är "LANG=en_US" "LANG=en_US.ISO-8859-1".

Paketet locales-all levereras med förkompilerade locale-data för alla locale-data. Eftersom det inte skapar "/etc/default/locale", kan du fortfarande behöva installera locales-paketet också.

	Tips
	Paketet locales i vissa Debian-distributioner kommer med förkompilerade locale-data för alla locale-data. Du måste installera både locales- och locales-all-paketen på Debian för att emulera en sådan systemmiljö.

För datautbyte mellan plattformar (se Avsnitt 10.1.7, ”Flyttbar lagringsenhet”) kan du behöva montera vissa filsystem med särskilda kodningar. Exempelvis förutsätter mount(8) för vfat-filsystem CP437 om det används utan alternativ. Du måste ange ett explicit mount-alternativ för att använda UTF-8 eller CP932 för filnamn.

	Notera
	When auto-mounting a hot-pluggable USB flash drive under modern desktop environment such as GNOME, you may provide such mount option by right clicking the icon on the desktop, click "Drive" tab, click to expand "Setting", and entering "utf8" to "Mount options:". The next time this USB flash drive is mounted, mount with UTF-8 is enabled.

	Notera
	Om du uppgraderar systemet eller flyttar hårddiskar från ett äldre system som inte har UTF-8 kan filnamn med icke-ASCII-tecken vara kodade i historiska och föråldrade kodningar som ISO-8859-1 eller eucJP. Ta hjälp av textkonverteringsverktyg för att konvertera dem till UTF-8. Se Avsnitt 11.1, ”Verktyg för konvertering av textdata”.

Samba använder Unicode för nyare klienter (Windows NT, 200x, XP) men använder CP850 som standard för äldre klienter (DOS och Windows 9x/Me). Denna standard för äldre klienter kan ändras med hjälp av "dos charset" i filen "/etc/samba/smb.conf", t.ex. till CP932 för japanska.

Översättningar finns för många av de textmeddelanden och dokument som visas i Debian-systemet, såsom felmeddelanden, standardprogramutdata, menyer och manualer. GNU gettext(1) command tool chain används som backend-verktyg för de flesta översättningsaktiviteter.

Under "Tasks" → "Localization" tillhandahåller aptitude(8) en omfattande lista över användbara binära paket som lägger till lokaliserade meddelanden i program och tillhandahåller översatt dokumentation.

Du kan t.ex. få det lokaliserade meddelandet för manpage genom att installera paketet manpages-LANG. Om du vill läsa den italienskspråkiga manpagesidan för programnamn från "/usr/share/man/it/", gör du så här.

LANG=it_IT.UTF-8 man programname

GNU gettext kan hantera en prioriterad lista över översättningsspråk med miljövariabeln $LANGUAGE. Till exempel:

 $ export LANGUAGE="pt:pt_BR:es:it:fr"

För mer information, se info gettext och läs avsnittet "Variabeln LANGUAGE".

Datumformatet i ls(1) påverkas av språkvalet (se Avsnitt 9.3.4, ”Anpassad visning av tid och datum”).

Datumformatet i date(1) påverkas av språkvalet. Ett exempel:

 $ unset LC_ALL
 $ LANG=en_US.UTF-8 date
Thu Dec 24 08:30:00 PM JST 2023
 $ LANG=en_GB.UTF-8 date
Thu 24 Dec 20:30:10 JST 2023
 $ LANG=es_ES.UTF-8 date
jue 24 dic 2023 20:30:20 JST
 $ LC_TIME=en_DK.UTF-8 date
2023-12-24T20:30:30 JST

Interpunktionerna för siffror är olika i olika länder. Till exempel, på engelska visas ett tusen komma ett som "1,000.1" medan det på tyska visas som "1.000,1". Du kan se den här skillnaden i kalkylbladsprogram.

Varje detaljfunktion i miljövariabeln "$LANG" kan åsidosättas genom att ställa in variablerna "$LC_*". Dessa miljövariabler kan åsidosättas igen genom att ställa in variabeln "$LC_ALL". Se locale(7) manpage för mer information. Om du inte har starka skäl att skapa komplicerade konfigurationer bör du undvika dem och endast använda variabeln "$LANG" som är inställd på en av UTF-8-domänerna.

# dpkg-reconfigure keyboard-configuration

For the Linux console and the X Window system, this updates configuration parameters in "/etc/default/keyboard". Many non-ASCII characters including accented characters used by many European languages can be made available with dead key, AltGr key, and compose key.

	Notera
	Om ibus är aktivt kan din klassiska X-tangentbordskonfiguration med setxkbmap åsidosättas av ibus även i en klassisk X-baserad skrivbordsmiljö. Du kan inaktivera installerad ibus genom att använda im-config för att ställa in inmatningsmetod till "None". För mer information, se Debian Wiki om tangentbord.

Unlike the X Window protocol, the Wayland core protocol doesn't even support the input of accented characters. Popular Wayland Compositors, such as Mutter for GNOME or KWin for KDE, implement extension protocols such as the text-input-unstable-v3 for the text input (see "current Wayland protocols and their support status").

The text-input-unstable-v3 protocol works well with Input methods for Wayland (see "Wayland input method project post-mortem").

The list of IBus and its plugin packages are the following.

The Fcitx (version 5) input method framework is popular with Chinese users and compatible with "ibus".

The list of "fcitx5" and its plugin packages are the following.

# dpkg-reconfigure console-setup

For the Linux console and the X Window system, this updates configuration parameters in "/etc/default/console-setup". This also configures the Linux console font. Many non-ASCII characters including accented characters used by many European languages can be made available with dead key, AltGr key, and compose key.

Det finns flera komponenter för att konfigurera teckenkonsol- och ncurses(3)-systemfunktioner.

Om terminfo-posten för xterm inte fungerar med en xterm som inte är från Debian, ändra din terminaltyp, "$TERM", från "xterm" till en av de funktionsbegränsade versionerna som "xterm-r6" när du loggar in på ett Debiansystem på distans. Se "/usr/share/doc/libncurses5/FAQ" för mer information. "dumb" är den minsta gemensamma nämnaren för "$TERM".

Under the East Asian locale, the box drawing, Greek, and Cyrillic characters may be displayed wider than your desired width to cause the unaligned terminal output (see Unicode Standard Annex #11, 4.2 Ambiguous Characters).

Du kan komma runt detta problem: