Capítulo 8. I18N y L10N

Keyboard                               Application
   |                                                 ^
   |                                                  |
   +-> núcleo Linux -> Método de entrada -> Gtk, Qt, o X

Configurar la entrada multilenguaje en el sistema Debian se simplifica por la utilización de la familia de paquetes IBus con el paquete im-config. La relación de paquetes IBus es la siguiente.

El método kinput2 y otras configuración regional clásicas asiáticas para los métodos de entrada todavía existen pero no son recomendables en un entorno X moderno UTF-8. Las cadenas de herramientas SCIM y uim son una aproximación un poco antiguas para la internacionalización de los métodos de entrada para un entorno X moderno UTF-8 .

La variable de entorno «LANG=xx_YY.ZZZZ» asigna a la configuración regional el código del lenguaje «xx», código del país «yy», y la codificación «ZZZZ» (consulte Sección 1.5.2, “La variable «$LANG»”).

La última versión estable del sistemas Debian asigna habitualmente la configuración regional como LANG=xx_YY.UTF-8». Así se usa la codificación UTF-8 con el juego de caracteres Unicode. Este sistema de codificación UTF-8 es un sistema que utiliza un sistema de codificación de varios bytes y utiliza los puntos del código de forma inteligente. Los datos ASCII, que consisten unicamente en 7 bits por código, son siempre datos UTF-8 correctos y consisten únicamente en un byte por carácter.

El sistema Debian anterior usaba la asignación de la configuración regional como «LANG=C» o «LANG=xx_YY» (sin «.UTF-8»).

Los sistemas de codificación tradicionales reales que se utilizan ahora como «LANG=xx_YY» pueden ser identificados comprobando «/usr/share/i18n/SUPPORTED». Por ejemplo, «en_US» utiliza la codificación «ISO-8859-1» y «fr_FR@euro» utiliza la codificación «ISO-8859-15».

	Sugerencia
	Para el significado de los valores de los códigos, consulte Tabla 11.2, “Relación de valores de codificación y su uso”.

EL conjunto de caracteres Unicode puede representar virtualmente todos los caracteres conocidos por el hombre con códigos que tienen el rango en notación hexadecimal desde 0 hasta 10FFFF. Su almacenamiento necesita al menos 21 bits.

El sistema de codificación de texto UTF-8 encaja en el código Unicode con una representación adecuada de flujos de 8 bits que la hace compatible con los sistemas de procesamiento de datos ASCII. UTF significa Formato de Transformación Unicode (Unicode Transformation Format).

Recomendaría la utilización de la configuración regional UTF-8 para el escritorio, p. ej. «LANG=en_US.UTF-8». La primera parte de la configuración regional determina el lenguaje en que las aplicaciones presentan los mensajes. Por ejemplo, gedit(1) (editor de texto del escritorio GNOME) con «LANG=fr_FR.UTF-8» la configuración regional puede mostrar y editar información en formato texto con caracteres chinos mientras visualiza los mensajes en francés, como lo determinan los métodos de entrada y tipos de letra instalados.

También recomendaria configurar la localización configurando unicamente la variable de entorno «$LANG». La configuración de la combinación de las variables «LC_*» (consulte locale(1)) en la configuración regional UTF-8 no aporta demasiadas ventajas.

Incluso texto plano en inglés puede contener caracteres que no perteneces a ASCII, p. ej. las comillas ligeramente inclinadas a izquierda y derecha no están incluidas en ASCII.

“comillas dobles de este texto” no son las  «comillas dobles ASCII«
‘comillas simples de este texto’ no son las 'comillas simples ASCII'

Cuando la información en formato de texto plano ASCII se convierte a UTF-8, tiene exactamente el mismo contenido y tamaño que el original ASCII. Así que no se pierde nada por configurar la configuración regional con UTF-8.

Algunos programas utilizan más memoria después de configurarlos con l18N. Esto es debido que han sido escritos para utilizar UTF-32(UCS4) internamente para utilizar Unicode con el fin de optimizar la velocidad y utilizan 4 bytes por cada carácter ASCII con independencia de la configuración regional seleccionada. Nuevamente, no se pierde nada por utilizar como configuración regional UTF-8.

Los sistemas de codificación no UTF-8 especificos de un producto tienden a tener menores pero molestas diferencias en algunos caracteres como los caracteres gráficos para muchos paises. La implantación del sistema UTF-8 de los modernos sistemas operativos generalmente solucionan estos conflictos de codificación.

$ locale -a | grep utf8

# dpkg-reconfigure locales

La relación de configuraciónes regionales disponibles debería incluir «en_US.UTF-8» y todos los lenguajes que encuentre interesantes con «UTF-8».

La preferencia para la configuración regional por defecto es «en_US.UTF-8» para el inglés US. Para otras lenguas, por favor, aseguresé de elegir una configuración regional con «UTF-8». Cualquiera de estas configuraciones puede gestionar cualquier carácter internacional.

	Nota
	Aunque la configuración regional a «C» utiliza mensajes en inglés US, solo gestiona los caracteres de ASCII.

Puede elegir una configuración regional especifica solo para entornos X independientemente de la configuración completa de su sistema de la configuración regional utiizando la personalización mediante PAM (consulte Sección 4.5, “PAM y NSS”) de la forma que se describe a continuación.

Este entorno puede ofrecerle la mejor estabilidad y experiencia de usuario. Tiene acceso a las características de caracteres en el terminal con mensajes comprensible incluso cuando el Sistema de Ventanas X no funcione. Esto es fundamental para los lenguajes que utilizan caracteres no romanos como el japonés, el chino y el coreano.

	Nota
	Puede existir otra manera de configurar la configuración regional como una mejora del paquete de gestión de sesiones X pero lea lo siguiente como el método genérico y básico. Para gdm3(1), se que puede seleccionar la configuración regional de la sesión X por medio de su menú.

La siguiente línea define la ubicación del archivo del entorno del lenguaje en el archivo de configuración PAM, como «/etc/pam.d/gdm3».

auth    required        pam_env.so read_env=1 envfile=/etc/default/locale

Cambie esto por lo siguiente.

auth    required        pam_env.so read_env=1 envfile=/etc/default/locale-x

Para el japonés cree un archivo «/etc/default/locale-x» con los permisos «-rw-r--r-- 1 root root» que contiene lo siguiente.

LANG=«ja_JP.UTF-8«

Mantenga el archivo por defecto «/etc/default/locale» para otros programas como sigue.

LANG=«en_US.UTF-8«

Esta es la técnica más genérica para personalizar la configuración regional y hacer del diálogo de selección de menú de gdm3(1) ser configurado regionalmente el mismo.

Para este caso de forma alternativa puede simplemente cambiar la configuración regional en el archivo «~/.xsessionrc».

Para el intercambio de datos entre plataformas (consulte Sección 10.1.7, “Dispositivos de almacenamiento extraibles”), puede necesitar montar un sistema de archivos con una codificación adecuada. Por ejemplo, mount(8) para el sistemas de archivos vfat da por sentado CP437 si se utiliza sin opciones. Necesitará proporcionar al montar una opción explícita para utilizar UTF-8 o CP932 para los nombres de archivos.

Nota

Cuanto el automontaje o la conexión en caliente de de llaveros de memoria USB en los entornos de escritorio modernos como GNOME, puede introducir ese opción de montaje pulsando el botón derecho del ratón en el icono del escritorio, pulse en la pestaña «Unidad«, pulse para expandir «Configurar« e introduzca «utf8« en las «Opciones de montaje:«. La proxima vez que el llavero de memory se monte, UTF-8 estará activado.

Nota

Si esta actualizando su sistema o modificando los discos duros desde un sistema antiguo que no soporta UTF-8, los nombres de los archivos con caracteres que no son ASCII pueden ser códificados con la histórica y obsoleta ISO-8859-1 o eucJP. Por favor busque ayuda entre las herramientas de conversión de texto para convertirlas a UTF-8. Consulte Sección 11.1, “Herramientas para la conversión de información en formato texto”.

Samba, por defecto, utiliza Unicode para los clientes nuevos (Windows NT, 200x, XP) pero utiliza CP850 para los viejos (DOS and Windows 9x/Me). El valor por defecto de los clientes viejos se puede cambiar modificando la entrada«dos charset» en el archivo «/etc/samba/smb.conf», p. ej. a CP932 para el japonés.

Existen traducciones para muchos de los mensajes de texto y documentos que el sistema Debian muestra, como los mensajes de error, salida estándar de los programas, menús y páginas de manual. El conjunto de herramientas de la orden GNU gettext(1) se utiliza como motor para la mayoría de las actividades relacionadas con las traducciones.

En «Tareas« → «Configuración regional« aptitude(8) tiene una relación muy completa de paquetes binarios útiles los cuales proporcionan mensajes según la configuración regional de las aplicaciones y documentación traducida.

Por ejemplo, puede tener los mensajes según su configuración regional instalando el paquete manpages-<LANG>. Para leer la página de man en italiano de <nombre_del_programa>desde «/usr/share/man/it/», ejecute lo siguiente.

LANG=it_IT.UTF-8 man <nombre_del_programa>

El formato de la fecha de ls(1) cambia de acuerdo a la configuración regional. El formato de la fecha parav«LANG=C ls -l» y «LANG=en_US.UTF-8» son diferentes (consulte Sección 9.2.5, “Personalización de la visualización de la fecha y hora”).

La puntuación de los números es diferente según la configuración regional. Por ejemplo, en la configuración regional en inglés, mil uno es 1,000.1» mientras que con la configuración regional alemán, se visualizaría como «1.000,1». Puede comprobar esta diferencia en una hoja de cálculo.