Início / unix / Perguntas / 688760
Accepted
Dmitry Grigoryev
Asked: 2022-02-01 12:22:14 +0800 CST

Como encontrar um nome de localidade para uma determinada codificação de caracteres?

  • 772

A página man para setlocaleparece dizer que o código do idioma e o nome da codificação de caracteres são suficientes para definir a localidade apropriada:

Um nome de localidade geralmente tem o formato language[_territory][.codeset][@modifier], em que language é um código de idioma ISO 639, território é um código de país ISO 3166 e codeset é um conjunto de caracteres ou identificador de codificação como ISO- 8859-1 ou UTF-8.

No entanto, um teste rápido mostra que apenas a parte "modificadora" de um nome de localidade é opcional:

void tryLocale(const char * locid)
{
    char * result = std::setlocale(LC_CTYPE, locid);
    std::cout << locid << " = " << (result ? result : "fail") << std::endl;
}

int main()
{
    tryLocale("de");           // de = fail
    tryLocale("de_DE");        // de_DE = fail
    tryLocale("de_DE.CP1252"); // de_DE.CP1252 = de_DE.CP1252
    tryLocale("de.CP1252");    // de.CP1252 = fail
    tryLocale(".CP1252");      // .CP1252 = fail
}

Meu problema é que eu só sei o nome da codificação desejada (por exemplo ISO-8859-1, ) e posso criar o código do idioma (por exemplo, en). Não tenho ideia de como encontrar um nome de país apropriado (por exemplo US, ), e não estou interessado em um país de qualquer maneira: só quero que funções como tolowerno meu aplicativo usem a página de código correta.

character-encoding locale

1 respostas

  1. Best Answer

    Acho que você vai ter que passar por eles. Em zsh:

    for l (${(f)"$(locale -a)"}) 
  [[ $(LC_ALL=$l locale charmap) = ISO-8859-1 ]] && print -r -- $l

    Ou o mesmo usando seu $langinfoarray associativo especial no zsh/langinfomódulo:

    zmodload zsh/langinfo
for LC_ALL (${(f)"$(locale -a)"})
  [[ $langinfo[CODESET] = ISO-8859-1 ]] && print -r -- $LC_ALL

    Listaria todas as localidades disponíveis que usam ISO-8859-1 como charmap.

    Mas observe que a categoria em que LC_CTYPEo charmap / codeset é especificado também abrange a classificação de caracteres: o que é uma letra minúscula, o que é pontuação etc. tolower()o próximo, mesmo se o mesmo conjunto de códigos for usado.

    Por exemplo, veja como as letras minúsculas Iestão ınas localidades turcas do GNU, independentemente de qual charmap está sendo usado (UTF-8, ISO-8859-9...), enquanto ina maioria das outras localidades que também usam UTF-8.

    Você pode dar uma olhada nas definições de origem de localidade, por exemplo com:

    (cd /usr/share/i18n/locales && pcregrep -Me '(?ms)^LC_CTYPE.*?^END' -- *)

    Em um sistema GNU para ver as diferenças entre localidades para a LC_CTYPEcategoria. Você não encontrará o charmap lá, as localidades para combinações desses arquivos e os charmaps são gerados usando localedef -i thosefiles -f charmap, embora apenas algumas combinações façam sentido, veja /usr/share/i18n/SUPPORTEDa lista.

    Por exemplo, a en_GBlocalidade em seu sistema pode ter sido gerada com localedef -i locales/en_GB -f charmaps/ISO-8859-1.gze en_GB.UTF-8aquela com localedef -i locales/en_GB -f charmaps/UTF-8.gz.

    Então aqui, talvez você precise encontrar uma localidade que use ISO-8859-1como charmap, mas também com regras de transliteração e classificações de caracteres que façam sentido na Grã-Bretanha continental para o inglês britânico ou para falantes de alemão na Itália / Alemanha etc, como por exemplo que satisfaçam:

    [[ $(locale language)  = 'British English' &&
   $(locale territory) = 'United Kingdom' &&
   $(locale charmap)   = ISO-8859-1 ]]

    O que deve restringir um pouco a escolha.

    Observe que languagee territorysão extensões GNU não padrão, o que explica por que você não as encontrará nos arquivos $langinfo. A documentação da GNU libc ( info libc langinfo) menciona apenas:

    O arquivo 'langinfo.h' define muito mais símbolos, mas nenhum deles é oficial. Usá-los não é portátil e o formato dos valores de retorno pode mudar. Portanto, recomendamos (sic) que você não os use.

    /usr/include/langinfo.hno meu sistema tem:

      _NL_IDENTIFICATION_LANGUAGE,
  _NL_IDENTIFICATION_TERRITORY,

    Veja também locale -k LC_IDENTIFICATION, locale -k LC_CTYPEpara a lista de palavras-chave suportadas para uma determinada categoria de localidade em sistemas GNU ( locale -kc LC_ALLcostumava funcionar, mas aparentemente não funciona mais hoje em dia).

    • 5

relate perguntas