Linux程序员必读：中文化与GB18030标准

转载自    沸腾的石头     http://www.boilstone.com/bbs/viewthread.php?tid=197

（Leon 感谢Xteam中国软件有限公司推荐此文　2001年07月31日 14:58）

Linux的中文化是Linux真正在中国获得应用首先需要解决的问题。从Xteam推出世界上第一个中文Linux开始，中文化走过了本地化（Localization，L10N）到国际化(Internationalization，I18N)的发展路程，现在已经推出了可以流畅处理中文的Linux产品。

本地化，即L10N要解决的问题是如何将系统中的其它语言的信息转变为本地的文字。对于Linux而言，就是要让应用程序的界面、提示信息变成中文。国际化，即I18N解决的问题则是如何透明地处理各种语言文字，在不需要对应用程序做改动的前提下，能够显示、输入、处理各种语言。目前，I18N是解决世界上各种语言的处理的最好方式。

在Linux上实现I18N，所要做的工作是：

引用:

* 使Linux核心支持I18N。
* 使glibc支持I18N。glibc是Linux系统中最底层的支持软件，通过glibc中提供的locale机制，应用程序能够实现I18N。
* 使XWindow支持I18N。Xwindow是Linux下最常用的图形界面系统，它采用了Xlocale机制为应用程序提供I18N支持。
* 使其它应用程序如Java、Mozilla支持I18N。Java、Mozilla等跨平台应用提供自己的I18N支持。

目前，除了Linux核心仍然不能进行各种语言文字的显示和输入，其它的部分能够比较好的支持I18N。

除了I18N，另一个影响Linux中文信息处理的关键是中文信息编码。在中国，中文信息编码由政府负责制定并监督实施。这是为了保证对于所有的系统中文的编码都是一致的，能够互相进行操作。从计算机的应用开始，我国已经颁布了多种中文信息编码标准，常用的是GB2312-1980，GB12345，GB13000（GBK），以及最新标准GB18030。值得一提的是，最新的GB18030标准将要作为强制标准实行，所有不支持GB18030标准的软件将不能作为产品出售。

从GB2312-1980编码开始，汉字都是采用双字节编码。为了与系统中基本的ASCII字符集区分开，所有汉字编码的每个字节的第一位都是1。例如：“啊”字的编码为0xB0A1。GB2312的汉字编码规则为：第一个字节的值在0xB0到0xF7之间，第二个字节的值在0xA0到0xFE之间。GB12345和GB13000是对GB2312-1980的扩充，所有已经包含在GB2312中的汉字编码不变，另外增加更多的码位。其编码规则大致为：第一个字节的值在0x81到0xFE之间，第二个字节的值在0x40到0xFE之间。由于GB13000是对GB2312的扩展，所以也被成为GBK。

GB18030也是对GB2312的扩展，其编码长度由2个字节变为1~4个字节。其中包括：

引用:

* 单字节，其值从0到0x7F。
* 双字节，第一个字节的值从0x81到0xFE，第二个字节的值从0x40到0xFE（不包括0x7F）。
* 四字节，第一个字节的值从0x81到0xFE，第二个字节的值从0x30到0x39，第三个字节的值从0x81到0xFE，第四个字节的值从0x30到0x39。

可以看出，GB18030的容量非常大，共有码位160万左右。另外，它与GB13000标准是兼容的。因此，所有基于GB13000设计的软件都能够不经修改运行在支持GB18030的系统平台上。

在Linux系统中，由于GB18030标准的复杂性，实现GB18030标准有一定的困难。但是，幸运的是，在广大Linux开发者的共同努力下，现在的Linux系统已经基本实现了GB18030标准：

引用:

* 在glibc中，已经有了GB18030的locale以及处理程序，应用程序可以正确识别并处理GB18030编码。
* 对于Xwindow，目前还没有Xfree86组织正式发布的GB18030支持。但是国内厂家已经积极的参加了其中的工作。例如，在最新的XteamLinux4.0中，不但包括了支持GB18030的Xwindow系统，常用的KDE和GNOME系统目前也已经支持GB18030。在KDE中甚至可以直接将GB18030的文件打印出来。另外，XteamLinux4.0中还包括了最新的支持GB18030的中文输入法。
* 其它应用程序方面，由于Java的代码相对封闭，对于GB18030的支持还不清楚。但是由于Java内部采用Unicode作为编码，支持GB18030应该不成问题。Mozilla的GB18030支持采用了自己的专有方式：将GB18030分为2字节和4字节两种编码，分别加以支持。但是它的这种支持方式还需要一些额外的程序配合。目前，XteamLinux4.0中的Mozilla已经能够正确处理GB18030编码，例如自动显示一个GB18030编码的网页。

关于GB18030的实现其实包含了许多的细节，更多详细的内容可以参考GB18030标准文本。