第8章 I18N と L10N

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

より多くの文字をサポートするために、多くの言語をサポートする多数の文字集合とエンコーディング体系が使用されてきました (表11.2「符号化方式値とその使い方リスト」 を参照下さい)。

ユニコード 文字セットは実質的に人類が知り得る全ての文字を21ビットのコードポイント範囲 (16進表記で 0 から 10FFFF まで) で表記できます。

テキスト エンコーディング システム UTF-8 は、ASCII データー処理システムとほぼ互換な賢明な 8 ビット データー ストリームにユニコード コードポイントを当てはめます。これが UTF-8 を現代的な好ましい選択肢にします。UTF はユニコード変換フォーマット (Unicode Transformation Format) の意味です。 ASCII プレーンテキスト データーが UTF-8 データーに変換されるとき、最初の ASCII データーと全く同じ内容とサイズです。UTF-8 ロケールを採用することで失いものはありません。

UTF-8 ロカールの下の互換アプリケーションプログラムを使うと、必要なフォントとインプットメソッドが導入され有効化されていれば、いかなる外国語のテキストデーターの表示や編集ができます。例えば、"LANG=fr_FR.UTF-8" ロケールの下で、gedit(1) (GNOME デスクトップ用のテキストエディター) は、メニューをフランス語で表示しながら中国語の文字の表示や編集ができます。

	ヒント
	新標準の "en_US.UTF-8" ロケールと旧標準の "C"/"POSIX" ロケールは標準アメリカ英語のメッセージを使いますが、ソート順などでわずかに違います。古い "C" ロケールの挙動を保持しながら、ASCII 文字を扱うだけでなく、UTF-8 でエンコードされた全ての文字を優雅に扱いたい場合は、非標準の "C.UTF-8" ロケールを Debian で使います。

	注記
	一部のプログラムは I18N をサポートした後でより多くのメモリーを消費するようになります。それらのプログラムは、実行速度最適化のために内部的に UTF-32 (UCS4) で Unicode のサポートをコードされていて、選ばれたロケールに無関係にそれぞれの ASCII 文字データー毎に4バイトを消費するからです。ここでも、UTF-8 ロケールを使ったからといって何も失うわけではありません。

# dpkg-reconfigure locales

"/etc/default/locale" 中に設定されたシステム全体のデフォルトロケール値は GUI アプリケーション用の GUI 設定によりオーバーライドされるかもしれません。

	注記
	実際に使われる符号化方式は "/usr/share/i18n/SUPPORTED" を確認することで識別できます。だから、"en_US" は"ISO-8859-1" 符号化方式を使います。

locales-all パッケージには、全てのロケールデーター用に事前にコンパイルしたロケールデーターが同梱されています。"/etc/default/locale" を作成しないので、locales パッケージもまだインストール必要があるかもしれません。

	ヒント
	いくつかの Debian 派生のディストリビューションの locales パッケージには、事前にコンパイルしたロケールデーターが同梱されています。そのようなシステム環境を Debian 上で再現するには locales と locales-all パッケージの両方をインストールする必要があります。

クロスプラットフォームのデーター交換 (「リムーバブルストレージデバイス」を参照下さい) のために、特定の符号化方式 (エンコーディング) でファイルシステムをマウントする必要があるかもしれません。例えば、vfat ファイルシステムに関して mount(8) はオプション無しの場合 CP437 とみなします。ファイル名に UTF-8 とか CP932 を使うためには明示的にマウントオプションを提供する必要があります。

	注記
	GNOME のような現代的なデスクトップ環境の下では、デスクトップアイコンを右クリックし "Drive" タブをクリックし "Setting" を開くようにクリックし "Mount options:" に"utf8" を入力すれば、ホットプラグできる USB フラッシュドライブを自動マウントする時のマウントオプションを設定できます。次回このUSB フラッシュドライブをマウントする際には UTF-8 でのマウントが有効です。

	注記
	もしシステムをアップグレードしたり旧式非 UTF-8 システムからディスクを移動したりする場合には、非 ASCII 文字のファイル名は ISO-8859-1 とか eucJP 等の今は非推奨の歴史的符号化方式で符号化をしているかもしれません。テキスト変換ツールの助力を得て、ファイル名を UTF-8 に変換します。「テキストデーター変換ツール」を参照下さい。

Samba は新規クライアント (Windows NT、200x、XP) には Unicode を使いますが、旧式クライアント (DOS、Windows 9x/Me) には CP850 をデフォールトで使います。この旧式クライアントへのデフォールトは "/etc/samba/smb.conf" ファイル中の "dos charset" を使って例えば日本語なら CP932 等と変更できます。

Debian システム中で表示されるエラーメッセージや標準のプログラムの出力やメニューやマニュアルページ等のテキストメッセージや文書の多くに翻訳があります。ほとんどの翻訳行為のバックエンドツールとして GNU gettext(1) コマンドツールチェインが使われています。

"Tasks" → "Localization" の下の aptitude(8) リストは地域化されたメッセージをアプリケーションに追加したり翻訳された文書を提供する有用なバイナリーパッケージの徹底的なリストを提供します。

例えば、manpages-LANG パッケージをインストールするとマンページで地域化したメッセージに使えるようになります。programname に関するイタリア語のマンページを "/usr/share/man/it/" から読むには、次を実行します。

LANG=it_IT.UTF-8 man programname

GNU gettext は $LANGUAGE 環境変数を使って翻訳言語の優先順位をつけるようにできます。例えば:

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

詳しくは、info gettext を参照して "The LANGUAGE variable" セクションを読んで下さい。

ls(1) の日付形式はロケールに影響されます。literal>" の日付形式は違います (「時間と日付のカスタム化表示」を参照下さい)。

date(1) の日付形式はロケールに影響されます。例えば以下です:

 $ 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

数字の区切り方はロケール毎に異なります。例えば、英語のロケールでは一千点一は "1,000.1" と表示されますが、ドイツ語のロケールでは "1.000,1" と表示されます。スプレッドシートプログラムでこの違いを目にするしれません。

"$LANG" 環境変数の各詳細機能は、"$LC_*" 変数の設定でオーバーライドされます。これらの環境変数は更に "$LC_ALL" 変数の設定でオーバーライドされます。詳細は locale(7) マンページを参照下さい。複雑な設定をするよほどの理由がない限り、これらは使わずただ "$LANG" 変数だけを UTF-8 ロカールの 1 つに設定して使いましょう。

# dpkg-reconfigure keyboard-configuration

Linux コンソールや X Window システムでは、これは "/etc/default/keyboard" 内の設定パラメーターを更新します。多くの欧州言語で用いられるアクセント付き文字を含めた多くの非 ASCII 文字は デッドキーや AltGr キーやコンポーズキーを用い提供されます。

	注記
	もし ibus がアクティブな場合、たとえ古典的 X 上のデスクトップ環境下でも、あなたの setxkbmap による古典的 X キーボード設定は ibus によってオーバーライドされるかもしれません。im-config を使ってインプットメソッドを "None" と設定すると、インストールされた ibus は無効化できます。詳細は、キーボードに関する Debian Wiki を参照下さい。

X Window プロトコルと違い、Wayland のコアのプロトコルはアクセント付き文字すらサポートしません。 GNOME 用の Mutter とか KDE 用の KWin 等の人気のある Wayland コンポジターはテキスト入力用の text-input-unstable-v3 のような拡張プロトコルを実装しています ("current Wayland protocols and their support status"を参照下さい)。

Waylandでは、text-input-unstable-v3 プロトコルがインプット メソッドと相性よく機能します ("Wayland input method project post-mortem" を参照下さい)。.

IBus とそのプラグイン パッケージのリストは以下の通りです。

Fcitx (version 5) インプトメソッド フレームワークは中国人ユーザーに人気があり "ibus" と互換性があります。

"fcitx5"とそのプラグイン パッケージのリストは以下の通りです。

東アジアのロケールでは、箱描画文字やギリシャ文字やキリル文字はあなたが望むよりも広い幅で表示されて、ターミナル出力が揃わなくなるかもしれません (Unicode標準附属書 #11, 4.2 不明瞭文字 参照)。

この問題は回避可能です: