选择FreeBSD的中文编码

如何选择FreeBSD的中文编码- -

如何选择FreeBSD的中文编码- -
Tag： freebsd    localization    zh    cn                                          

如果你完全不需要使用中文等多字节的亚洲文字，那么本文对你毫无用处。

中文的编码FreeBSD支持以下几种：
zh_CN.eucCN
zh_CN.GB2312
zh_CN.GBK
zh_CN.GB18030
zh_CN.UTF-8
其中带GB的都是国内的标准，UTF-8其实就是Unicode，是Unicode的一种编码方式（其他的有UTF-16，UTF-32）等，eucCN其实不是实际存在的编码种类，在FreeBSD中它就是GB2312（待证明）

其中GB2312／GBK／GB18030这几个编码是兼容的，只是字符集的大小不一样，GB2312最小，毕竟是80年的东西了，GB18030的字符集最大。

其实中文编码的选择涉及到以下几个方面：
1、界面语言编码
2、磁盘文件名称语言编码
3、网络传输的中文信息编码
4、于其他系统的兼容性
5、应用程序的兼容性
下面，将对以上的因素一一解剖

1、界面语言编码
上面所述的所有编码都可以正确的在X11下显示中文，区别的是支持的字符集大小的问题以及是否国际化的问题。如果你要你的系统符合国际标准，那么就选择 UTF-8，如果你要符合国家标准，那么就GBxxx。不过，对于想GTK这样的库来说，无论你如何选择，它内部字符串的编码都是UTF-8，这是GTK 的国际化策略所决定的

2、磁盘文件名称语言编码
如果单独讨论磁盘文件名称的编码是无意义的。它的意义在于文件名最终必须显示在界面中，不同编码的文件名显示出来的字符可能是一样的。因此，编码的选择必须保证文件系统中的所有文件名的编码都是统一的。
而由于文件名最终是通过界面显示给用户的，因此也建议磁盘文件名的编码与界面的编码一致。
现在问题就来了，ufs文件系统没有内置的文件名编码，字符串的编码是什么文件系统并不关心。由于FreeBSD用户存在多种终端，多种窗口管理器可以选择，因此希望这些软件使用统一的文件名编码是不现实的。
对于GTK的程序可以使用以下环境变量
G_FILENAME_ENCODING=@locale
来建议GTK的程序在遇到需要处理文件名的时候遵从指定的locale，但这也是非强制性的

3、网络传输的中文信息编码
毫无疑问，我们现在网络传输的中文文本绝大部分时候gb2312传输。当然对于某些网站也有使用UTF8传输。对于Web来说，编码是什么不算非常重要，因为浏览器对这些编码都有完整的支持。而对于FTP，X下的客户端以及控制台下的FTP程序对基本上没有编码这个概念了，都是以原始的数据显示到界面中来。因此GBxxx在此是比UTF-8有相对优势的，在现时的网络环境中，毕竟我们不能忽视网络对我们重要意义。但是如果有适合的工具，这种编码的转换是很容易的

4、于其他系统的兼容性
对其他系统的兼容性主要是针对windows。这里可以举几个例子说明这些问题。
a、windows下的rar文件打包后使用utf-8对其文件名编码，如果locale不设置为UTF8，不解压时看到的文件名为乱码
b、cd中的文件名如果含有中文文件使用双字节的unicode编码（非utf-8），locale为UTF8是怎么也显示不出中文。

5、应用程序的兼容性
X下的程序对以上编码的支持程度不尽你相同，
如
xmms／mplayer等程序由于使用gtk1，所以只支持gb2312和eucCN；
而openoffice.org 对文件名的编码只支持eucCN和UTF－8，即使设置了G_FILENAME_ENCODING=@locale，openoffice.org也不能在locale为GBK/GB2312/GB18030下把文件名保存为指定locale编码，而用了默认的utf-8,造成文件名编码的不一致； fcitx在GBK下不能在Firefox中输入中文；
永中office只能工作在GBK编码中等等。

根据笔者对这些编码的比较，现在来说使用zh_CN.eucCN的locale遇到的麻烦最少。

对于个别需要特定locale才能正确运行的程序，可以编写shell脚本的方法来实现，例如
#!/bin/sh
setenv LANG zh_CN.GBK
setenv MM_CHARSET GBK
eioffice
这是启动永中office的例子

查看编码可以使用
% locale
LANG=zh_CN.eucCN
LC_CTYPE="zh_CN.eucCN"
LC_COLLATE="zh_CN.eucCN"
LC_TIME="zh_CN.eucCN"
LC_NUMERIC="zh_CN.eucCN"
LC_MONETARY="zh_CN.eucCN"
LC_MESSAGES="zh_CN.eucCN"
LC_ALL=

所有的locale可用
% locale -a

locale的设置使用
setenv LANG zh_CN.eucCN
setenv MM_CHARSET eucCN
足已，无须显式指定LC_*

推荐的设置方法是在login.conf或者~/.login_conf中设置
并且在.xinitrc中加入

 

 

这个刚好前几天用Linux时看过一些资料。

ENU是扩展UNIX编码，好像是extend UNIX code，大概是这几个英文了，具体我忘了。

中文编码简介

现在(FreeBSD4.5)版本的系统中文locale为zh_CN.EUC(也就是GB2312编码),大约包含6000多汉字（不包括特殊字符）。编码范围为第一位b0-f7,第二位编码范围为a1-fe(第一位为cf时,第二位为a1-d3)。计算一下汉字个数为6762个汉字。当然还有其他的字符。包括控制键和其他字符大约7573个字符编码。

gbk编码是对gb2312编码的扩充，容纳的汉字更多，但仅仅是扩充，没有质的变化。保留了所有gb2312编码，在此基础上进行编码范围的扩充，容纳(包含特殊字符)共22014个字符编码。

gb18030编码是在gbk编码基础上的扩充，因为汉字更多，仅仅使用两位编码已经不能容纳要求的汉字，所以采用了2\4位混和的办法，可以支持更多的汉字编码。并且保留了原有的gbk 2字节编码兼容gb2312和gbk编码的文件。大概容纳55657个编码(包含特殊字符)

unicode编码，俗称万国码，致力于使用统一的编码准则表达各国的文字。为表达更多的文字，utf-8采用2/3混编的方式。目前容纳的汉字范围小于 gbk编码。并且以3字节的方式处理中文，带来了兼容性的问题，原有的gbk,gb2312,gb18030编码文件都不能正常的处理,还有很长的路要走。

目前，gbk编码和utf-8编码已经在FreeBSD平台测试性的实验成功。你可以访问中的FreeBSD世界版面获得更多的信息。如果你没有安装新的gblocale，只能使用zh_CN.EUC

所以我用GBK的。