在计算机领域,区域设置是一组参数,用于描述软件在处理和呈现信息时采用的语言与文化惯例。它可以决定数字和货币格式、日期和时间格式、排序规则、字符分类以及界面消息所用的语言。操作系统、应用程序或某项操作都可以使用特定的区域设置。区域设置代表一组惯例,而不是用户的实际所在地、国籍或全部个人偏好。
范围与用途
支持区域设置的软件能够按照不同受众熟悉的惯例处理信息,而不必为每类受众单独维护一套实现。例如,同一个数值按照美国英语的常见惯例可以显示为 1,234.56,按照德语的常见惯例则可以显示为 1.234,56。
通常受区域设置影响的行为包括:
| 领域 | 随区域设置而变化的行为示例 |
|---|---|
| 数字 | 小数分隔符、分组分隔符、每组位数、数字字形和百分比格式 |
| 货币 | 货币符号的位置、空格、负值表示模式和默认货币 |
| 日期和时间 | 字段顺序、月份名称、小时制、历法和一周的起始日 |
| 文本处理 | 大小写转换、字符分类以及词或句子的边界 |
| 排序和搜索 | 字母顺序、重音符号的处理以及字母变体之间的区别 |
| 消息 | 翻译后的界面文本及语法复数形式的选择 |
| 度量 | 首选计量制和本地化的单位名称 |
并非所有区域设置系统都涵盖全部领域。有些环境只提供少量格式设置和字符处理类别,另一些则提供丰富的文化数据。
区域设置与**国际化和本地化**密切相关:前者指在设计软件时使其能够支持不同语言和惯例,后者指针对特定受众对软件进行适配。区域设置为这些过程提供所需的标识符和规则,但本身并不能提供一个完整翻译的应用程序。
区域设置标识符
区域设置标识符用于标识一组偏好,其具体语法取决于平台或标准。
语言标签与 Unicode 区域设置标识符
现代系统通常采用基于 **BCP 47 语言标签**的标识符。这类标签可以标识语言、文字体系、地区以及其他变体。例如:
en-US:美国使用的英语。en-GB:英国使用的英语。pt-BR:巴西使用的葡萄牙语。sr-Latn-RS:塞尔维亚使用的、以拉丁字母书写的塞尔维亚语。zh-Hant-TW:台湾使用的、以繁体字书写的中文。
语言标签不一定是完整的区域设置规范。像 en 这样的标签只标识语言,并未明确选择地区。软件可以根据默认值或补充数据推断其他偏好。
Unicode统一码的区域设置标识符以语言标签的惯例为基础,并且可以包含用于指定特定偏好的扩展。例如,en-US-u-hc-h23 要求采用小时编号为 0 至 23 的 24 小时制。扩展还可以标识历法、数字系统或排序类型等偏好。
这些标识符将一些经常被误认为可以互换的概念区分开来。一种语言可以用于多个地区,而一个地区也可以有使用多种语言和文字体系的用户。
POSIX 风格的区域设置名称
在许多 Unix操作系统和 Linux 系统上,区域设置名称通常采用如下形式:
language_TERRITORY.codeset@modifier
例如 en_US.UTF-8。在这种命名惯例中,UTF-8 标识的是一种字符编码,而不是语言或文化惯例。
这些名称取决于具体实现,不能与 BCP 47 标签互换使用。某个名称是否可用,可能取决于系统中安装或生成了哪些区域设置定义。因此,系统可能在概念上识别某种语言,却不接受某个特定的区域设置名称。
区域设置数据与处理
区域设置标识符是用于查找数据和算法的键,而不是对所需行为的完整描述。支持区域设置的软件通常会结合使用以下几个组成部分:
- 区域设置数据,例如月份名称、数字符号和日期模式。
- 处理算法,例如格式化、文本分段和比较。
- 资源选择,用于选择翻译后的消息或其他本地化内容。
- 应用程序偏好,可覆盖部分默认设置。
由 Unicode 联盟维护的 通用区域数据存储库(CLDR)提供了广泛使用的语言和地区数据。Unicode 国际化组件(ICU)则提供程序库,利用 Unicode 标准和 CLDR 数据实现依赖区域设置的服务。
区域设置数据有不同版本,也可能发生变化。更新可能修订译名、地区惯例或格式模式。因此,即使两个实现使用相同的区域设置标识符,只要采用的数据版本、默认值或支持的选项不同,也可能产生不同的输出。
格式化与解析
格式化是将内部值转换为适合受众阅读的呈现形式,解析则尝试进行反向转换。
例如,根据所采用的惯例,字符串 1,234 既可能表示一千二百三十四,也可能表示一个小数。如果没有指定日期字段的顺序,日期 03/04/2025 同样存在歧义。
能够依据区域设置进行格式化,并不一定意味着解析也同样灵活或没有歧义。有些程序库提供丰富的日期格式化功能,但解析功能有限。格式化后的字符串还可能丢失信息,例如秒的小数部分或数字的精度,因此格式化和解析未必是严格互逆的操作。
文本定序与大小写转换
**文本定序**是按照一组明确的比较规则对文本进行排序。它不同于仅按字符的 Unicode 数值对字符串排序。不同语言可能对带重音符号的字母采用不同的排序方式,也可能将特定的字母组合视为一个单位。
依赖区域设置的比较可以配置为考虑或忽略重音符号、字母大小写等差异。因此,在数据库中,所选的定序规则可能影响排序、搜索,以及两个值在唯一性约束下是否被视为相等。
大小写转换也可能取决于区域设置。例如,土耳其语区分字母 I 的带点形式和不带点形式,其规则与英语的大小写规则不同。因此,将文本转为小写并不是生成语言无关标识符的普遍可靠方法。
操作系统与编程接口
C 与 POSIX 区域设置
C编程语言和 可移植操作系统接口定义了区域设置类别,以便分别配置不同类型的行为。核心类别包括:
LC_CTYPE:字符分类和大小写转换,以及多字节字符处理的部分行为。LC_COLLATE:字符串定序。LC_NUMERIC:非货币数值的格式化。LC_MONETARY:货币格式化。LC_TIME:日期和时间格式化。
POSIX 还定义了 LC_MESSAGES,用于与消息有关的惯例。对于相关接口,LC_ALL 用于选定所有类别。
在 POSIX 环境中,环境变量 LC_ALL 若被设为非空值,就会覆盖各类别专用的环境变量,而这些类别变量又会覆盖 LANG。程序通常通过 setlocale(LC_ALL, "") 这样的调用来启用环境变量所选择的区域设置;仅仅定义环境变量,并不能保证每个程序都会使用它们。
标准的 C 区域设置提供了一套精简且行为可预测的基准。C 程序启动时使用这一设置,除非程序主动更改。在 POSIX 系统上,POSIX 是一个等效的区域设置名称。部分系统提供名为 C.UTF-8 的区域设置,但它是否存在以及具体行为如何,均取决于实现。
传统的 setlocale 用法会更改共享的区域设置状态。如果其他线程正在执行依赖区域设置的操作,此时更改这一状态就可能引发并发问题。某些接口提供线程专用的区域设置,或接受显式传入的区域设置对象,从而将行为的作用范围限制得更小。
显式区域设置 API
许多现代编程语言和程序库提供区域设置对象,或接受区域设置参数的格式化函数。这使同一个应用程序能够面向不同受众生成输出,而不必反复更改整个进程的默认设置。
在 JavaScript 中,Intl API 提供依赖区域设置的数字和日期格式化、文本定序、复数规则等服务。微软 Windows 提供基于区域设置名称的接口,其他平台则提供各自的区域设置对象和偏好系统。
显式选择区域设置对于服务器应用程序尤为重要,因为同时处理的请求可能来自偏好不同的用户。
区域设置的选择与回退
所请求的区域设置未必能够完全按指定内容提供。因此,软件会使用区域设置匹配和回退机制,选择受支持的资源或惯例。
对于翻译资源,应用程序可能先尝试某个地区专用的语言资源,再尝试通用的该语言资源,最后使用默认语言。文化数据的继承可能更为复杂:CLDR 定义了父级关系及其他机制,并不总是简单地删除标识符的最后一个组成部分。
Web 应用程序可能参考账户偏好、用户的选择、网页浏览器提供的设置,或 超文本传输协议中的 Accept-Language 请求头。这些输入表明的是语言偏好,并不一定能确定用户的货币、时区或首选日期格式。
同一位用户可能希望界面文本使用一种语言,数字采用另一种惯例,并使用某种特定历法。与要求使用一套不可拆分的地区配置的系统相比,支持独立偏好的系统能够更准确地表达这些选择。
概念区分与局限
区域设置不等于编码
UTF-8编码规定 Unicode 字符如何表示为字节。它不规定日期格式、小数分隔符、排序规则或消息语言。许多不同的区域设置可以使用同一种编码。
旧系统将编码与区域设置名称关联起来,反映的是历史上的实现选择,而不是说这两个概念本质相同。
区域设置不等于时区
区域设置影响日期或时间的显示方式;**时区**则决定某个时刻适用的民用时间偏移量和转换规则。使用 en-US 的人可能位于任何时区。要正确呈现日期和时间,可能需要同时考虑具体时刻、时区、历法、区域设置以及用户专用选项。
区域设置不是数据交换格式
本地化的呈现形式可能存在歧义,在不同环境中也可能不一致。因此,机器可读格式和网络协议通常规定使用独立于区域设置的表示形式。例如,无论用户的显示偏好如何,JSON 数字都使用句点作为小数分隔符。
混淆呈现格式与存储或交换格式,可能导致解析失败或数值发生改变。同样,当协议要求精确匹配标识符时,依赖区域设置的比较方式也可能不适用。
区域设置的默认值不能描述每一位用户
区域设置数据记录的是惯例和默认值,而不是某个人群中所有人都遵循的行为。偏好因人而异,也会随着专业、行政和社会情境的不同而变化。此外,区域设置本身并不提供翻译后的内容、合适的字体、键盘布局或完整的从右向左界面。这些都依赖额外的资源和应用程序行为。