Capítulo 8. I18N e L10N

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

A fim de suportar mais caracteres, foram utilizados muitos conjuntos de caracteres e sistemas de codificação para suportar muitas línguas (ver Tabela 11.2, “Lista de valores de codificação e a utilização deles”).

O conjunto de caracteres Unicode pode representar praticamente todos os caracteres conhecidos pelo ser humano com uma gama de pontos de código de 21 bits (ou seja, de 0 a 10FFFF em notação hexadecimal).

O sistema de codificação de texto UTF-8 adapta os pontos de código Unicode a um fluxo de dados de 8 bits sensato, compatível sobretudo com o sistema de processamento de dados ASCII. Este facto torna o UTF-8 a escolha mais moderna e preferida. UTF significa Unicode Transformation Format (Formato de Transformação Unicode). Quando os dados de texto simples ASCII são convertidos para UTF-8, têm exatamente o mesmo conteúdo e tamanho que o ASCII original. Por isso, não perde nada ao implementar a configuração regional UTF-8.

Sob a configurações regionais UTF-8 com programa de aplicação compatível, pode apresentar e editar dados de texto em qualquer língua estrangeira desde que as fontes e os métodos de introdução necessários estejam instalados e ativados. Por exemplo, sob a configuração regional "LANG=fr_FR.UTF-8", o gedit(1) (editor de texto para o ambiente de trabalho GNOME) pode mostrar e editar dados de texto em caracteres chineses enquanto apresenta menus em francês.

Dica

Tanto a nova configuração regional padrão "en_US.UTF-8" como a antiga configuração regional padrão "C"/"POSIX" utilizam a mensagem padrão do Inglês dos EUA, têm diferenças subtis na ordem de ordenação, etc. Se quiser lidar não só com caracteres ASCII mas também com todos os caracteres codificados em UTF-8 graciosamente enquanto mantém o antigo comportamento local "C", use em Debian a configuração regional não-padrão "C.UTF-8".

	Nota
	Alguns programas consomem mais memória após suportarem I18N. Isto é porque estão codificados para usar UTF-32(UCS4) internamente para suportar Unicode para optimização de velocidade e consomem 4 bytes por cada caractere ASCII independentemente do locale selcionado. Mais uma vez, não perde nada ao implantar o locale UTF-8.

# dpkg-reconfigure locales

O valor da configuração regional por defeito do sistema definido em "/etc/default/locale" pode ser substituído pela configuração GUI para aplicações GUI.

	Nota
	O sistema de codificação tradicional atual pode ser identificado por "/usr/share/i18n/SUPPORTED". Assim, "LANG=pt_US" é "LANG=pt_US.ISO-8859-1".

O pacote locales-all vem com dados de regionais pré-compilados para todos os dados de região. Uma vez que não cria o ficheiro "/etc/default/locale", poderá ter de instalar também o pacote locales.

	Dica
	O pacote locales de algumas distribuições derivadas de Debian vêm com dados da configuração de região pré-compilados para todos os dados regionais. Você precisa de instalar ambos os pacotes locales e locales-all em Debian para emular esse ambiente de sistema.

Para troca de dados entre plataformas (veja Seção 10.1.7, “Aparelho de armazenamento amovível”), pode precisar de montar algum sistema de ficheiros com codificações particulares. por exemplo, o mount(8) para sistema de ficheiros vfat assume CP437 se usado sem opção. Precisa de fornecer uma opção explícita de montagem para usar UTF-8 ou CP932 para os nomes dos ficheiros.

	Nota
	Quando se monta automaticamente uma Memória flash USB sob ambientes de trabalho modernos como o GNOME, pode fornecer tal opção de montagem ao clicar com o botão direito no ícone no ambiente de trabalho, clique no separador "Drive", clique para expandir "Definições" e insira "utf8" nas "Opções de montagem:". Não próxima vez que esta memória flash USB for montada, está activa a montagem com UTF-8.

	Nota
	Se está a atualizar o sistema ou a mover os discos de um sistema antigo não-UTF-8, os nomes de ficheiros com caracteres não-ASCII podem ser codificados com as codificações históricas e obsoletas como a ISO-8859-1 ou eucJP. por favor procure a ajuda de ferramentas de conversão de texto para convertê-los para UTF-8. Veja Seção 11.1, “Ferramentas de conversão de dados em texto”.

O Samba usa Unicode para os clientes mais recentes (Windows NT, 200x, XP) mas usa CP850 para os clientes mais antigos (DOS e Windows 9x/Me) por predefinição. Esta predefinição para os clientes mais antigos pode ser alterada a usar "dos charset" no ficheiro "/etc/samba/smb.conf" por exemplo para CP932 para Japonês.

Existem traduções para muitas das mensagens de texto e documentos que são mostrados no sistema Debian, tais como as mensagens de erro, as saídas normais dos programas, os menus e os manuais. A cadeia de ferramentas de comandos gettext(1) do GNU é usada como a ferramenta backend para a maioria das atividades de tradução.

Sob "Tarefas" → "Localização" o aptitude(8) disponibiliza uma lista extensa de pacotes binários úteis que adicionam mensagens localizadas às aplicações e fornecem documentação traduzida.

Por exemplo, pode obter as mensagens localizadas para os manuais ao instalar o pacote manpages-LANG. Para ler o manual em linguagem Italiana para o nome_do_programa a partir de "/usr/share/man/it/", execute o seguinte.

LANG=it_IT.UTF-8 man programname

O GNU gettext pode acomodar uma lista prioritária de idiomas de tradução com a variável de ambiente $LANGUAGE. Por exemplo:

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

Para mais informações, consulte info gettext e leia a secção "A variável LANGUAGE".

O formato de data de ls(1) é afetado pela configuração regional (ver Seção 9.3.4, “Amostragem personalizada de hora e data”).

O formato de data de date(1) é afetado pela configuração regional. Por exemplo:

 $ 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

As pontuações numéricas são diferentes consoante as configurações locais. Por exemplo, na configuração regional Inglês, mil virgula um é mostrado como "1,000.1" enquanto na configuração regional Alemão é mostrado como 1.000,1". Pode ver esta diferença num programa de folha de cálculo.

Cada caraterística pormenorizada da variável de ambiente "$LANG" pode ser substituída pela definição das variáveis "$LC_*". Estas variáveis de ambiente podem ser substituídas novamente pela definição da variável "$LC_ALL". Veja a página de manual do locale(7) para mais detalhes. A não ser que tenha uma razão forte para criar configurações complicadas, por favor mantenha-se afastado delas e use apenas a variável "$LANG" definida para uma das configurações regionais UTF-8.

# dpkg-reconfigure keyboard-configuration

Para a consola Linux e o sistema X Window, isto atualiza os parâmetros de configuração em "/etc/default/keyboard". Muitos caracteres não-ASCII incluindo caracteres acentuados usados por muitas línguas Europeias podem ser disponibilizados com a tecla dead, a tecla AltGr, e a tecla compose.

	Nota
	Se o ibus estiver ativo, a sua configuração clássica do teclado X através do setxkbmap pode ser sobreposta pelo ibus mesmo sob o ambiente de trabalho clássico baseado no X. Pode desativar o ibus instalado utilizando o im-config para definir o método de entrada para "None". Para mais, veja Debian Wiki sobre teclado.

Ao contrário do protocolo X Window, o protocolo núcleo do Wayland nem sequer suporta a entrada de caracteres acentuados. Compositores Populares do Wayland, como o Mutter para GNOME ou KWin para KDE, implementam protocolos de extensão como o text-input-unstable-v3 para a entrada de texto (veja "Protocolos Wayland atuais e o seu estado de suporte").

O protocolo text-input-unstable-v3 funciona bem com métodos de entrada para Wayland (veja "Análise retrospetiva de projeto de método de entrada de Wayland").

A lista do IBus e dos seus pacotes plugin é a seguinte.

A estrutura de método de entrada Fcitx (versão 5) é popular com os utilizadores Chineses e compatível com "ibus".

A lista do "fcitx5" e dos seus pacotes plugin é a seguinte.

Em localizações ao leste da Asia, o desenhar de caixa, os caracteres Gregos e Cirílicos podem aparecer mais largos que o desejado e causarem o desalinhamento do resultado do terminal (veja Standard Unicode Annex #11, 4.2 Caracteres Ambíguos).

Pode contornar este problema: