PB173 Linux
04 Internacionalizácia
Roman Lacko xlacko1@fi.muni.cz
2022-10-07
1
Obsah
1. Internacionalizácia
2. Lokalizácia
3. Zdroje
2
Internacionalizácia
Internacionalización: Los términos
Internacionalización (i18n)
• Soporte de varios idiomas y hábitos culturales.
• El locale.
• Aislamiento de textos traducibles.
• Infraestructura de traducción.
Localización (l10n)
• Textos para el lenguaje concreto.
• Datos para el programa internacionalizado.
3
Internacionalizácia: Pojmy
Internacionalizácia (i18n)
• Podpora rôznych jazykov a kultúrnych zvyklostí.
• To, čomu systém hovorí „locale“.
• Izolácia preložiteľných dát.
• Infraštruktúra pre preklad.
Lokalizácia (l10n)
• Popis dát pre konkrétny jazyk a kultúrne zvyklosti.
• Dáta pre internacionalizovaný program.
4
I18N: Prístupy
• Prispôsobenie aplikácie národnému prostrediu.
• Formát čísel, formát dátumu, …
man 7 locale
5
I18N: Premenné prostredia
LC_COLLATE Radenie reťazcov (strcoll())
LC_CTYPE Triedy znakov (isupper(), islower())
LC_MESSAGES Jazyk pre správy.
LC_NUMERIC Formát čísel (printf(), scanf())
LC_TIME Formát času a dátumu
6
I18N: Premenné prostredia
Priority
1. LC_ALL
2. LC_* pre konkrétnu doménu
3. LANG
7
I18N: Prostredie
Špecifikácia nastavenia pre LC_* premenné
LANG[_COUNTRY][.ENCODING][@MODIFIER]
LANG ISO 639-1 (sk, en, …)
COUNTRY ISO 3316 (SK, GB, US, …)
ENCODING (UTF-8, ISO-8859-2, …)
MODIFIER Špecifické vlastnosti (euro, …)
8
I18N: Aplikácia
#include <locale.h>
char *setlocale(int category, const char *locale);
• locale.h definuje makrá LC_*
• locale môže byť:
NULL Vráti aktuálnu hodnotu.
"" Nastaví (a vráti) hodnotu
podľa premenných prostredia.
man 3 uselocale Nastavenie pre jednotlivé vlákna.
man 3 nl_langinfo Zisťovanie vlastností locale.
9
I18N: Kódovanie
Znaková sada
• Zoznam kódových bodov.
• Mapovanie ℕ → Σ
Kódovanie
• Konkrétny spôsob uloženia kódových bodov.
• Mapovanie ℕ → [𝑏0, 𝑏1, …]
10
I18N: Kódovanie
ASCII
• Názov znakovej sady aj kódovania
• 128 znakov
• Rôzne rozšírenia na 256 znakov
• ISO-8859-2 (Latin-2, CP852)
Unicode
• Komplexný verzovaný štandard
• 149186 znakov (15.0)
• Niekoľko rôznych kódovaní (UTF-8, UTF-16)
Ako z textového súboru rozoznáme kódovanie?
11
I18N: UTF-8
Natívne kódovanie v Linux
• K. Thompson, R. Pike
• Variabilný počet bajtov na znak
• Kompatibilné s ASCII
7b 0xxx xxxx
11b 110x xxxx 10xx xxxx
16b 1110 xxxx 10xx xxxx 10xx xxxx
21b 1111 0xxx 10xx xxxx 10xx xxxx 10xx xxxx
Celkom 27
+ 211
+ 216
+ 221
= 2164864 znakov
12
I18N: Kódovanie v C
Byte Strings Reťazce bajtov.
Multi-Byte Strings Reťazce znakov vo variabilnom počte bajtov.
Wide Strings Znaky uložené vo viacbajtových poliach.
13
I18N: Kódovanie v C
"Řeřicha"
ISO-8859-2 d8 65 f8 69 63 68 61 00
UTF-8 c5 98 65 c5 99 69 63 68 61 00
UTF-16 feff 0158 0065 0159 0069 0063 0068 0061 0000
14
I18N: Kódovanie v C
Dĺžka znaku v Multi-Byte kódovaní
#include <stdlib.h>
int mblen(const char *s, size_t n);
size_t mbrlen(const char *s, size_t n, mbstate_t *ps);
Prevod medzi Multi-Byte a Wide
int mbtowc(wchar_t *pwc, const char *s, size_t n);
int wctomb(char *s, wchar_t wc);
Vstup a výstup pre Wide reťazce
#include <stdio.h>
int wprintf(const wchar_t *format, ...);
int wscanf(const wchar_t *format, ...);
15
I18N: Rozhranie iconv
Prevod reťazcov medzi kódovaniami.
Existuje aj ako program iconv(1).
#include <iconv.h>
iconv_t iconv_open(const char *to, const char *from);
void iconv_close(iconv_t cd);
size_t iconv(iconv_t cd, char **inbuf, size_t *inleft,
char **outbuf, size_t *outleft);
iconv() modifikuje argumenty!
16
I18N: Dátum a čas
17
I18N: Dátum a čas
UNIX epoch
• Počet sekúnd od 1970-01-01 00:00:00 UTC
• Nenesie informáciu o zóne
Koľko hodín je 1570399656?
$ TZ=":Europe/Prague" date "+%F %T" --date @1570399656
2019-10-07 00:07:36
$ TZ=":Asia/Thailand" date "+%F %T" --date @1570399656
2019-10-06 22:07:36
18
I18N: Dátum a čas
#include <time.h>
size_t strftime(char *s, size_t max, const char *format,
const struct tm *tm);
char *strptime(const char *s, const char *format,
struct tm *tm);
Formátovacie značky podobné sprintf()
%c, %x, %X Formát pre aktuálnu lokalizáciu.
nl_langinfo() s D_T_FMT, D_FMT resp. T_FMT
%F Ekvivalent %Y-%m-%d (ISO 8601).
%T Ekvivalent %H:%M:%S.
%z, %Z Časová zóna.
19
I18N: Dátum a čas
#include <time.h>
void tzset(void);
extern char *tzname[2];
extern long timezone;
extern int daylight;
Nastavenie zóny z premennej prostredia TZ
• std offset[dst[offset]][,start[/time],end[/time]]]
• :Continent/City, např. :Europe/Prague
20
Lokalizácia
Lokalizácia
21
L10N: Katalóg správ
Súbor, ktorý obsahuje preklad aplikácie.
• Rozdelenie práce medzi programátora a prekladateľa.
• Pridanie lokalizácie bez zásahu do kódu.
Portable Object (PO)
Textový súbor s prekladom.
Jednoduchšie na editáciu prekladateľom.
Machine Object (MO)
Binárna podoba PO pre aplikáciu.
Efektívnejší prístup k prekladu.
22
L10N: gettext()
Nastavenie zdroja prekladu
#include <libintl.h>
char *bindtextdomain(const char *domain, const char *dirname);
char *textdomain(const char *domain);
Preklad
char *gettext(const char *msgid);
char *ngettext(const char *msgid, const char *plural,
unsigned long n);
#define _(STR) gettext(STR)
23
Zdroje
Zdroje
• GetText manuál
• Unicode 15
24