Capítulo 8. I18N y L10N

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

Para admitir más caracteres, se han utilizado muchos conjuntos de caracteres y sistemas de codificación para admitir muchos idiomas (consulte Tabla 11.2, “Relación de valores de codificación y su uso”).

EL conjunto de caracteres Unicode puede representar prácticamente todos los caracteres conocidos por humanos con un rango de punto de código de 21 bits (es decir, 0 a 10FFFF en notación hexadecimal).

El sistema de codificación de texto UTF-8 ajusta los puntos de código Unicode en un flujo de datos sensible de 8 bits, en su mayoría compatible con el sistema de procesamiento de datos ASCII. Esto hace que UTF-8 sea la opción preferida moderna. UTF representa el Formato de Transformación Unicode. Cuando los datos de texto sin formato ASCII se convierten en uno UTF-8, tienen exactamente el mismo contenido y tamaño que el original ASCII. Así que no pierde nada utilizando la configuración regional UTF-8.

En la local UTF-8 con el programa de aplicación compatible, puede mostrar y editar cualquier dato de texto en un idioma extranjero siempre que las fuentes y los métodos de entrada requeridos estén instalados y habilitados. Por ejemplo, en la configuración local "LANG=fr_FR.UTF-8", gedit(1) (editor de texto para el escritorio GNOME) puede mostrar y editar datos de texto de caracteres chinos mientras presenta menús en francés.

Sugerencia

Tanto la nueva configuración "en_US.UTF-8" como la antigua configuración local estándar "C"/"POSIX" utilizan el mensaje en inglés estadounidense estándar, tienen diferencias sutiles en el orden de clasificación, etc. Si desea manejar no solo los caracteres ASCII, sino también todos los caracteres codificados en UTF-8 con elegancia mientras mantiene el antiguo funcionamiento local "C", use la configuración local no estándar "C.UTF-8" en Debian.

	Nota
	Algunos programas utilizan más memoria después de configurarlos con l18N. Esto es debido a que se han escrito 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.

# dpkg-reconfigure locales

El valor de la configuración regional predeterminada para todo el sistema establecido en "/etc/default/locale" se puede anular por la configuración GUI para aplicaciones GUI.

	Nota
	El sistema de codificación tradicional real puede identificarse mediante "/usr/share/i18n/SUPPORTED". Así, el "LANG=en_US" es "LANG=en_US.ISO-8859-1".

El paquete locales-all viene con datos de configuración regional precompilados para todos los datos de la configuración regional. Dado que no crea "/etc/default/locale", es posible que también necesite instalar el paquete locales.

	Sugerencia
	El paquete locales de algunas distribuciones derivadas de Debian viene con los datos de la configuración regional precompilados para todas las configuraciones regionales. Necesitas instalar ambos paquetes locales y locales-all en Debian para emular dicho entorno de sistema.

Para el intercambio de datos entre plataformas (ver Sección 10.1.7, “Dispositivos de almacenamiento extraíbles”), 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 dar al montar una opción explícita para utilizar UTF-8 o CP932 para los nombres de archivos.

	Nota
	When auto-mounting a hot-pluggable USB flash drive under modern desktop environment such as GNOME, you may provide such mount option by right clicking the icon on the desktop, click "Drive" tab, click to expand "Setting", and entering "utf8" to "Mount options:". The next time this USB flash drive is mounted, mount with UTF-8 is enabled.

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 se pueden codificar 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. Ver 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 GNU gettext(1) se usan como respaldo para la mayoría de las actividades relacionadas con la traducción.

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_programadesde «/usr/share/man/it/», ejecute lo siguiente.

LANG=it_IT.UTF-8 man programname

GNU gettext puede acomodar una lista prioritaria de idiomas en la traducción con la variable del entorno $LANGUAGE. Por ejemplo:

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

Para más información, consulta info gettext y lee la sección "La variable LANGUAGE".

El formato de fecha de la ls(1) se ve afectado por la configuración regional (ver Sección 9.3.4, “Personalización de la visualización de la fecha y hora”).

El formato de la fecha de fecha(1) se ve afectado por la configuración regional. Por ejemplo:

 $ 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

La puntuación numérica es diferente en las diferentes configuraciones regionales. Por ejemplo, en la configuración regional en Inglés, mil punto uno se muestra como "1,000.1", mientras que en la configuración regional en alemán, se muestra como "1.000, 1". Puedes ver la diferencia en los programas de hojas de cálculo.

Cada detalle de la variable del entorno "$LANG" se puede anular configurando las variables "$LC_*". Estas variables del entorno se pueden volver a anular configurando la variable $LC_ALL". Ver la página man locale(7) para obtener más detalles. A menos que tengas una razón de peso para crear configuraciones complejas, mantente alejado de ellas y simplemente usa la variable "$LANG" para establecer una configuración regional UTF-8.

# dpkg-reconfigure keyboard-configuration

For the Linux console and the X Window system, this updates configuration parameters in "/etc/default/keyboard". Many non-ASCII characters including accented characters used by many European languages can be made available with dead key, AltGr key, and compose key.

	Nota
	Si ibus está activo, la configuración de su teclado X clásico por setxkbmap se puede anular por ibus incluso en un entorno de escritorio clásico basado en X. Puede deshabilitar ibus instalado usando im-config para establecer el método de entrada en "None". Para más información, ver Wiki de Debian en el teclado.

Unlike the X Window protocol, the Wayland core protocol doesn't even support the input of accented characters. Popular Wayland Compositors, such as Mutter for GNOME or KWin for KDE, implement extension protocols such as the text-input-unstable-v3 for the text input (see "current Wayland protocols and their support status").

The text-input-unstable-v3 protocol works well with Input methods for Wayland (see "Wayland input method project post-mortem").

The list of IBus and its plugin packages are the following.

The Fcitx (version 5) input method framework is popular with Chinese users and compatible with "ibus".

The list of "fcitx5" and its plugin packages are the following.

# dpkg-reconfigure console-setup

For the Linux console and the X Window system, this updates configuration parameters in "/etc/default/console-setup". This also configures the Linux console font. Many non-ASCII characters including accented characters used by many European languages can be made available with dead key, AltGr key, and compose key.

Existen diferentes componentes para configura la consola de caracteres y las funcionalidades del sistema ncurses(3) system features.

Si la entrada terminfo de xterm no funciona con una xterm que no es de Debian, cambie el tipo de terminal cambiando «$TERM» de «xterm» a una versión con funcionalidades limitadas como «xterm-r6» al autenticarse en el sistema Debian de forma remota. Para mayor información ver «/usr/share/doc/libncurses5/FAQ». «dumb» es el mínimo común denominador para «$TERM».

Under the East Asian locale, the box drawing, Greek, and Cyrillic characters may be displayed wider than your desired width to cause the unaligned terminal output (see Unicode Standard Annex #11, 4.2 Ambiguous Characters).

Puede solucionar este problema: