Cap. 8. I18N și L10N

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

Pentru a oferi suport pentru mai multe caractere, au fost utilizate numeroase seturi de caractere și sisteme de codificare pentru a oferi suport pentru mai multe limbi (a se vedea Tabel 11.2, „Lista valorilor de codificare și utilizarea acestora”).

Setul de caractere Unicode poate reprezenta practic toate caracterele cunoscute de om cu un interval de coduri de 21 de biți (adică de la 0 la 10FFFF în notație hexazecimală).

Sistemul de codificare a textului UTF-8 încadrează punctele de cod Unicode într-un flux de date sensibil de 8 biți, compatibil în mare parte cu sistemul de procesare a datelor ASCII. Acest lucru face ca UTF-8 să fie alegerea preferată în prezent. UTF înseamnă Unicode Transformation Format (Format de transformare Unicode). Când datele text simplu ASCII sunt convertite în UTF-8, acestea au exact același conținut și aceeași dimensiune ca și cele ASCII originale. Așadar, nu pierdeți nimic prin implementarea parametrului lingvistic de codificare a textului UTF-8.

În cadrul configurației lingvistice UTF-8 compatibilă cu programul aplicației, puteți afișa și edita orice date text în limbi străine, atâta timp cât fonturile și metodele de introducere necesare sunt instalate și activate. De exemplu, în cadrul configurației regionale „LANG=fr_FR.UTF-8”, gedit(1) (editor de text pentru mediul grafic de birou GNOME) poate afișa și edita date text cu caractere chinezești, prezentând în același timp meniurile în limba franceză.

Indicație

Atât noul standard „en_US.UTF-8” cât și vechiul standard „C”/„POSIX” utilizează mesajul standard în limba engleză americană, dar prezintă diferențe subtile în ceea ce privește ordinea de sortare etc. Dacă doriți să gestionați nu numai caracterele ASCII, ci și toate caracterele codificate UTF-8, păstrând în același timp comportamentul local vechi „C”, utilizați configurația regională non-standard „C.UTF-8” în Debian.

	Notă
	Unele programe consumă mai multă memorie după ce acceptă I18N. Acest lucru se datorează faptului că sunt codificate pentru a utiliza UTF-32(UCS4) intern pentru a accepta Unicode în scopul optimizării vitezei și consumă 4 octeți pentru fiecare caracter ASCII, indiferent de configurația regională selectată. Din nou, nu pierdeți nimic prin implementarea configurației regionale UTF-8.

# dpkg-reconfigure locales

Valoarea implicită a configurației lingvistice la nivel de sistem, definită în „/etc/default/locale”, poate fi suprascrisă de configurația grafică pentru aplicațiile cu interfață grafică.

	Notă
	Sistemul tradițional de codificare actual poate fi identificat prin „/usr/share/i18n/SUPPORTED”. Astfel, „LANG=en_US” este „LANG=en_US.ISO-8859-1”.

Pachetul locales-all vine cu date de configurație regională precompilate pentru toate datele de configurație regională. Deoarece nu creează „/etc/default/locale”, este posibil să fie necesar să instalați și pachetul locales.

	Indicație
	Pachetul locales al unor distribuții derivate din Debian vine cu date de configurație regională precompilate pentru toate datele locale. Trebuie să instalați atât pachetul locales, cât și pachetul locales-all pe Debian pentru a emula un astfel de mediu de sistem.

Pentru schimburile de date între platforme (a se vedea Secțiune 10.1.7, „Dispozitive de stocare amovibile (detașabile)”), poate fi necesar să montați unele sisteme de fișiere cu codificări speciale. De exemplu, mount(8) pentru sistemul de fișiere vfat presupune CP437 dacă este utilizat fără opțiune. Trebuie să furnizați o opțiune de montare explicită pentru a utiliza UTF-8 sau CP932 pentru numele fișierelor.

Notă

Când se montează automat o unitate flash USB conectabilă la cald într-un mediu grafic de birou modern, cum ar fi GNOME, puteți furniza această opțiune de montare făcând clic dreapta pe pictograma de pe birou, făcând clic pe fila «Unitate», făcând clic pentru a extinde «Configurări» și introducând „utf8” în «Opțiuni de montare:». Data viitoare când acest stick de memorie va fi montat, montarea cu UTF-8 va fi activată.

Notă

Dacă actualizați sistemul sau mutați unitățile de disc de pe un sistem mai vechi care nu utilizează UTF-8, numele fișierelor cu caractere non-ASCII pot fi codificate în codificări istorice și învechite, cum ar fi ISO-8859-1 sau eucJP. Vă rugăm să solicitați ajutorul instrumentelor de conversie a textului pentru a le converti în UTF-8. Consultați Secțiune 11.1, „Instrumente de conversie a datelor textuale”.

Samba utilizează Unicode pentru clienții mai noi (Windows NT, 200x, XP), dar utilizează CP850 pentru clienții mai vechi (DOS și Windows 9x/Me) ca valoare implicită. Această valoare implicită pentru clienții mai vechi poate fi modificată utilizând „dos charset” în fișierul „/etc/samba/smb.conf”, de exemplu, la CP932 pentru japoneză.

Există traduceri pentru multe dintre mesajele text și documentele afișate în sistemul Debian, cum ar fi mesajele de eroare, ieșirile standard ale programelor, meniurile și paginile de manual. Lanțul de instrumente GNU gettext(1) este utilizat ca instrument de bază pentru majoritatea activităților de traducere.

În secțiunea „Sarcini” → „Localizare” aptitude(8) oferă o listă extinsă de pachete binare utile care adaugă mesaje în limba maternă aplicațiilor și furnizează documentație tradusă.

De exemplu, puteți obține mesajul în limba maternă pentru pagina de manual instalând pachetul manpages-LANG. Pentru a citi pagina de manual în limba italiană pentru programname din „/usr/share/man/it/”, executați următoarea comandă.

LANG=it_IT.UTF-8 man programname

GNU gettext poate acomoda lista de priorități a limbilor de traducere cu variabila de mediu $LANGUAGE. De exemplu:

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

Pentru mai multe informații, consultați info gettext și citiți secțiunea „Variabila LANGUAGE”.

Formatul datei ls(1) este influențat de configurația regională (a se vedea Secțiune 9.3.4, „Afișare personalizată a orei și datei”).

Formatul datei date(1) este influențat de configurația regională. De exemplu:

 $ 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

Punctuația numerelor diferă în funcție de configurația regională. De exemplu, în configurația regională engleză, o mie și unu se afișează ca „1,000.1”, în timp ce în configurația regională germană se afișează ca „1.000,1”. Puteți observa această diferență în programul de foi de calcul.

Fiecare caracteristică detaliată a variabilei de mediu „$LANG” poate fi suprascrisă prin definirea variabilelor „$LC_*”. Aceste variabile de mediu pot fi suprascrise din nou prin definirea variabilei „$LC_ALL”. Consultați pagina de manual locale(7) pentru detalii. Dacă nu aveți un motiv întemeiat pentru a crea o configurație complicată, vă rugăm să le evitați și să utilizați numai variabila „$LANG” definită la una dintre configurările lingvistice UTF-8.

# 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.

	Notă
	Dacă ibus este activ, configurația clasică a tastaturii X prin setxkbmap poate fi suprascrisă de ibus chiar și în mediul de birou clasic bazat pe X. Puteți dezactiva ibus instalat utilizând im-config pentru a stabili metoda de introducere la „Niciuna”. Pentru mai multe informații, consultați Debian Wiki despre tastatură.

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.

Cadrul de introducere a textului Fcitx (versiunea 5) este popular în rândul utilizatorilor chinezi și este compatibil cu „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.

Există mai multe componente pentru configurarea consolei de caractere și a caracteristicilor sistemului ncurses(3).

Dacă intrarea terminfo pentru xterm nu funcționează cu un xterm non-Debian, schimbați tipul terminalului, „$TERM”, din „xterm” într-una dintre versiunile cu funcționalități limitate, cum ar fi „xterm -r6” atunci când vă conectați la un sistem Debian de la distanță. Consultați „/usr/share/doc/libncurses5/FAQ” pentru mai multe informații. „dumb” este cel mai mic numitor comun pentru „$TERM”.

În configurația regională Asia de Est, caracterele din caseta de desen, grecești și chirilice pot fi afișate mai late decât lățimea dorită, ceea ce poate cauza o aliniere incorectă a ieșirii din terminal (a se vedea Anexa standard Unicode nr. 11, 4.2 Caractere ambigue).

Puteți rezolva această problemă: