Chapitre 8. I18N et L10N

Table des matières

8.1. L’entrée clavier
8.1.1. Prise en charge de la méthode d’entrée avec iBus
8.1.2. Un exemple pour le japonais
8.1.3. Désactiver la méthode d’entrée
8.2. L’affichage de sortie
8.3. Les paramètres linguistiques (« locale »)
8.3.1. Bases du codage
8.3.2. Justification de l’utilisation d’UTF-8 dans les paramètres linguistiques
8.3.3. Reconfiguration des paramètres linguistiques
8.3.4. Valeur de la variable d’environnement « $LANG »
8.3.5. Paramètre linguistique spécifique sous X Window
8.3.6. Coder les noms de fichiers
8.3.7. Messages et documentation traduits
8.3.8. Effet des paramètres linguistiques

Le multilinguisme (M17N) ou la gestion de la langue natale (« Native Language Support ») d’un logiciel applicatif est réalisé en deux étapes :

[Astuce] Astuce

Il y a 17, 18, ou 10 lettres entre « m » et « n », « i » et « n » ou « l » et « n » dans « multilingualization », « internationalization » et « localization » ce qui correspond à M17N, I18N, et L10N.

Des logiciels modernes, tels que GNOME et KDE, gèrent le multilinguisme. Ils sont internationalisés en les faisant gérer les données UTF-8 et localisés en leur donnant les messages traduits par l’intermédiaire de l’infrastructure gettext(1). Les messages traduits peuvent être offerts sous forme de paquets de localisation séparés. Ils sont simplement sélectionnés en donnant la valeur du paramètres linguistique approprié à des variables d’environnement pertinentes.

La représentation la plus simple d’un texte de données est l’ASCII qui suffit à l’anglais et utilise moins de 127 caractères (qui peuvent être représentés avec 7 bits). De manière à pouvoir prendre en compte bien plus de caractères pour l’internationalisation, de nombreux systèmes de codage des caractères ont été inventés. Le système moderne et préféré est UTF-8 qui peut prendre en charge tous les caractères connus des êtres humains (consultez Section 8.3.1, « Bases du codage »).

Consultez Introduction à i18n pour davantage d’informations.

La prise en charge du matériel international est activée par des données de configuration du matériel localisées.

The Debian system can be configured to work with many international keyboard arrangements using the keyboard-configuration and console-setup packages.

# dpkg-reconfigure keyboard-configuration
# dpkg-reconfigure console-setup

This configures the keyboard for the Linux console and the X Window updates configuration parameters in "/etc/default/keyboard" and "/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.

For Asian languages, you need more complicated input method support such as IBus discussed next.

J’ai trouvé très utile la méthode d’entrée du japonais lancée depuis un environnement anglais (« en_US.UTF-8 »). Voici comment j’ai procédé avec iBus pour GNOME3 :

  1. Installez le paquet d’outil d’entrée du japonais ibus-anthy avec ses paquets recommandés comme im-config.

  2. Exécutez « im-config » depuis l’interpréteur de commandes de l’utilisateur et sélectionnez « ibus » comme méthode de saisie.

  3. Sélectionnez "Settings" → "Keyboard" → "Input Sources" → click "+" dans "Input Sources" → "Japanese" → "Japanese (anthy)" et cliquez "Add".

  4. Sélectionnez « Japonais » et cliquez sur « Ajouter » pour activer le support de la disposition de clavier japonnais sans conversion de caractère. (Vous pouvez choisir autant de sources d’entrée que souhaité.)

  5. Reconnectez-vous au compte utilisateur.

  6. Vérifiez le paramétrage par « im-config ».

  7. Spécifiez la source d’entrée par un clic-droit sur l’icône de barre d’outils de l’interface graphique.

  8. Choisissez parmi les sources d’entrée installées avec SUPER+ESPACE. (en général, SUPER désigne la touche Windows)

Veuillez noter ce qui suit :

  • im-config(8) se comporte différemment selon que la commande est exécutée depuis le compte de l’administrateur ou non.

  • im-config(8) active la meilleure méthode de saisie sur le système par défaut sans intervention de l’utilisateur.

  • L’entrée du menu de l’interface graphique pour im-config(8) est désactivée par défaut pour éviter de l’encombrer.

La console Linux ne peut afficher qu’un nombre restreint de caractères. (Vous devrez avoir un programme de terminal particulier tel que jfbterm(1) pour afficher les langues non européennes sur des consoles autres que la console X).

Le système X Window peut afficher tous les caractères UTF-8 dès que les données de polices de caractères existent. (Le codage des données de police d’origine est pris en charge par le système X Window de manière transparente pour l’utilisateur).

Ce qui suit met l’accent sur les paramètres linguistiques pour les applications tournant sous l’environnement X Window lancé par gdm3(1).

La variable d’environnement « LANG=xx_YY.ZZZZ » définit les paramètres linguistiques avec le code de langue « xx », le code de pays « yy » et le codage « ZZZZ » (consultez Section 1.5.2, « La variable « $LANG » »).

Le système Debian actuel définit normalement les paramètres linguistiques avec « LANG=xx_YY.UTF-8 ». Cela utilise le codage UTF-8 avec le jeu de caractèresUnicode. Ce système de codage UTF-8 est un système de code multi-octets qui utilise intelligemment les éléments du code. Les données ASCII, qui sont uniquement constituées de code sur 7 bits, sont toujours des données UTF-8 valables qui ne comportent qu’un octet par caractère.

Le système Debian précédent définissait habituellement les paramètres linguistiques avec « LANG=C » ou « LANG=xx_YY » (sans « .UTF-8 »).

  • Le jeu de caractères ASCII est utilisé avec « LANG=C » ou « LANG=POSIX ».

  • Le système de codage traditionnel sous UNIX est utilisé avec « LANG=xx_YY ».

Le système de codage traditionnel actuel utilisé pour « LANG=xx_YY » peut être identifié en vérifiant « /usr/share/i18n/SUPPORTED ». Par exemple, « en_US » utilise le codage « ISO-8859-1 » et « fr_FR@euro » utilise le codage « ISO-8859-15.

[Astuce] Astuce

Pour la signification des valeurs de codage, consultez Tableau 11.2, « Liste de valeurs de codage et leur utilisation ».

Unicode character set can represent practically all characters known to human with code point range from 0 to 10FFFF in hexadecimal notation. Its storage requires at least 21 bits.

Text encoding system UTF-8 fits Unicode code points into a sensible 8 bit data stream compatible with the ASCII data processing system. UTF stands for Unicode Transformation Format.

Je recommande l’utilisation de paramètres linguistiques UTF-8 pour votre bureau, par exemple « LANG=fr_FR.UTF-8 ». La première partie du paramètre linguistique (« locale ») détermine comment les messages seront présentés par les applications. Par exemple, gedit(1) (éditeur de texte pour le Bureau GNOME ) avec le paramètre de langue « LANG=fr_FR.UTF-8 » peut afficher et éditer des données textuelles avec des caractères chinois tout en présentant les menus en français, dans la mesure où les polices et les méthodes d’entrée sont installées.

Je recommande aussi de ne définir que la variable d’environnement « $LANG », je ne vois pas beaucoup d’avantages à définir une combinaison compliquée de variables « LC_* » (consultez locale(1)) avec les paramètres linguistiques UTF-8.

Even plain English text may contain non-ASCII characters, e.g. slightly curly left and right quotation marks are not available in ASCII.

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

Lorsque le texte brut ASCII est converti en UTF-8, il a exactement le même contenu et la même taille que le texte original en ASCII. Il n’y a donc rien à perdre en mettant en œuvre des paramètres régionaux UTF-8.

Certains programmes utilisent davantage de mémoire lors de l’utilisation de I18N. Cela parce qu’ils sont codés avec l’utilisation interne d’UTF-32(UCS4) pour la prise en compte d’Unicode afin d’optimiser la vitesse, ils utilisent 4 octets pour chaque caractère ASCII indépendamment de la « locale » sélectionnée. De nouveau, il n’y a rien à perdre en mettant en œuvre des paramètres linguistiques UTF-8.

Les anciens systèmes de codage propriétaires non UTF-8 tendent à avoir une différence mineure mais ennuyeuse pour certains caractères tels que les caractères graphiques pour de nombreux pays. La mise en œuvre du système UTF-8 sur les systèmes d’exploitation modernes a pratiquement résolu ces problèmes de codage conflictuels.

In order for the system to access a particular locale, the locale data must be compiled from the locale database. (The Debian system does not come with all available locales pre-compiled unless you installed the locales-all package.) The full list of supported locales available for compiling is available in "/usr/share/i18n/SUPPORTED". This lists all the proper locale names. The following lists all the available UTF-8 locales already compiled to the binary form.

$ locale -a | grep utf8

L’exécution de la commande suivante va reconfigurer le paquet locales :

# dpkg-reconfigure locales

Ce processus se déroule en trois étapes :

La liste des paramètres linguistiques disponibles devra comporter « fr_FR.UTF-8 » et toutes les langues intéressantes avec « UTF-8 ».

Pour l’anglais des USA, le paramètre linguistique recommandé est « en_US.UTF-8 ». Pour les autres langues, assurez-vous de bien choisir une valeur avec « UTF-8 » (NdT : prendre « de_FR.UTF-8 » pour la langue française en France) . Les caractères internationaux sont tous pris en charge par l’un quelconque de ces paramétrages.

[Note] Note

Bien que le paramètre linguistique « C » utilise des messages en anglais, il ne prend en compte que les caractères ASCII.

Vous pouvez choisir vos paramètres linguistiques spécifiques sous X Window indépendamment de leur valeur par défaut valable pour l’ensemble du système en utilisant une personnalisation de PAM (consultez Section 4.5, « PAM et NSS ») comme suit :.

Cet environnement devrait vous apporter la meilleure expérience d’environnement de bureau stable. Vous avez accès à un terminal en mode caractères fonctionnel avec des messages lisibles même lorsque le système X Window ne fonctionne pas. Cela devient essentiel pour des langues qui utilisent des caractères non romains tels que le chinois, le japonais et le coréen.

[Note] Note

Il peut exister une autre manière comme l’amélioration du paquet de gestion de session de X mais veuillez lire ce qui suit qui est la méthode générique et basique pour définir les paramètres linguistiques. Pour gdm3(1), je sais que l’on peut sélectionner la « locale » de la session X par l’intermédiaire de son memu.

La ligne suivante définit l’emplacement du fichier de l’environnement de langue dans le fichier de configuration de PAM, tels que « /etc/pam.d/gdm3 » :

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

Modifiez-la avec ce qui suit :

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

Pour le japonais, créez un fichier « /etc/default/locale-x » avec les permissions « -rw-r--r-- 1 root root » et contenant ce qui suit :

LANG="ja_JP.UTF-8"

Conservez le fichier « /etc/default/locale » suivant par défaut pour les autres programmes :

LANG="en_US.UTF-8"

C’est la technique la plus générique pour personnaliser les paramètres linguistiques et faire que la fenêtre du menu de sélection de gdm3(1) lui-même soit affichée dans la bonne langue.

Pour ce cas, vous pouvez aussi simplement modifier les paramètres linguistiques en utilisant le fichier « ~/.xsessionrc ».

Pour les échanges de données entre plateformes (consultez Section 10.1.7, « Périphériques d’enregistrement amovibles »), il vous faudra peut-être monter certains systèmes de fichiers ayant un codage particulier. Par exemple, , la commande mount(8) pour un système de fichiers vfat suppose que l’on utilise CP437 si on l’utilise sans option. Vous devrez fournir les options explicites à mount pour utiliser des noms de fichiers codés en UTF-8 ou en CP932.

[Note] Note

Lors du montage automatique d’un clé USB pouvant être branchée à chaud sur un environnement de bureau moderne comme GNOME, vous pouvez indiquer ces options de montage avec un clic-droit sur l’icône du bureau. Cliquez l’onglet « Drive », cliquez « Paramètres » pour l’étendre et entrez « utf8 » dans « Options de montage ». La prochaine fois que vous monterez cette clé mémoire, le montage avec UTF-8 sera activé.

[Note] Note

Si vous êtes en train de mettre à jour le système ou de déplacer des disques depuis un ancien système qui n’était pas UTF-8, les noms de fichiers avec des caractères non ASCII peuvent être codés avec des codages historiques et obsolètes tels que ISO-8859-1 ou eucJP. Veuillez consulter l’aide des outils de conversion de texte pour les convertir en UTF-8. Consultez Section 11.1, « Outils de conversion de données textuelles ».

Samba utilise Unicode pour les clients les plus récents (Windows NT, 200x, XP) mais utilise par défaut CP850 pour des clients plus anciens (DOS et Windows 9x/Me). Cette valeur par défaut pour les anciens clients peut être modifiée en utilisant « dos charset » dans le fichier « /etc/samba/smb.conf », par exemple, avecCP932 pour le japonais.

Il existe des traductions de nombreux messages et documents affichés par le système Debian, comme les messages d’erreur, la sortie standard des programmes,les menus et les pages de manuel. La GNU gettext(1) command tool chain est utilisé comme outil de base pour la plupart des activités de traduction.

Under "Tasks" → "Localization" aptitude(8) provides an extensive list of useful binary packages which add localized messages to applications and provide translated documentation.

Vous pouvez, par exemple, obtenir les messages traduits pour une page de manuel en installant le paquet manpages-<LANG>. Pour lire la page de manuel de <nom_programme> en italien depuis « /usr/share/man/it/ », lancez le programme de la manière suivante :

LANG=it_IT.UTF-8 man <nom_programme>

L’ordre de tri des caractères avec sort(1) est affecté par le choix de la langue des paramètres linguistiques. Les paramètres linguistiques espagnol et anglais effectuent le tri de manière différente.

Le format de date de ls(1) est affecté par les paramètres linguistiques. Les formats de date de « LANG=C ls -l » et « LANG=en_US.UTF-8 » sont différents (consultez Section 9.2.5, « Affichage personnalisé de la date et de l’heure »).

La ponctuation des nombres est différente selon les paramètres linguistiques.Par exemple, avec les paramètres linguistiques anglais, Mille un est affiché sous la forme « 1,000.1 » alors qu’avec les paramètres linguistiques allemands ce sera « 1.000,1 ». Vous pouvez voir cette différence dans un programme de feuille de calculs.