環境変数によるロケールの管理
ロケールの選択は、環境変数の設定によって行う。各種の環境変数によってさまざまな設定が行える。LC_MESSAGESは、言語と、メッセージのエンコーディングを指定する。また、GUIコンポーネントがGNUのgettextまたはその類のものを使って翻訳結果を取得する場合は、そのラベルに対するエンコーディングもLC_MESSAGESによって決まる。なお、わずかではあるが、ほかの方法で翻訳結果を取得するプログラムや、LC_MESSAGESの影響を受けないプログラムも存在する。
LC_CTYPEは文字クラスを定義する。文字クラスとは、さまざまなプログラム、特に正規表現のマッチャが用いる名前付きの文字セットである。grepなど、[:alnum:]のような文字クラスを使用するプログラムでは、ロケールによってクラスのメンバーシップが変わる。書き込みシステムが大文字と小文字を区別する場合、LC_CTYPEによって両者の関係が決まる。
ソート順序の制御はLC_COLLATEによって行う。同一の書き込みシステムであっても、ソート順序は変えることができる。ASCII順序では、A B C … a b c….というように、大文字のグループが小文字のグループよりも順序が前になる。フランス語の順序では、a A b B c C….というように、各小文字のすぐ後に同じアルファベットの大文字が位置する。A a B b C c….のように、各大文字のすぐ後に同じアルファベットの小文字が位置するロケールもある。
ソート順序は、ソート処理だけでなく、正規表現における文字範囲にも影響する。ASCII順序では、[A-Z]という表現に含まれるのは、アルファベットの大文字26文字である。この正規表現がAで始まりZで終わるアルファベットを表しているからだ。ASCII順序では、アルファベットの大文字がAからZまで連続して1つのブロックを形成している。しかし、フランス語のロケールでは、Aで始まりZで終わるアルファベットの集合には、小文字のaを除くすべてのアルファベットが含まれる。
日付および時刻の書式はLC_TIMEによって制御される。アメリカ英語では、dateコマンドの結果が次のように表示される。
Fri Apr 14 20:33:28 PDT 2006
カタロニア語では、次のように、言葉は違うが書式は同じだ。
dv abr 14 20:33:49 PDT 2006
しかし、日本語では、最初が年、その後に月、日、曜日が続き、最後に時刻が表示される。
2006年 4月 14日 金曜日 20:34:42 PDT
数値の書式を決定するのはLC_NUMERICである。アメリカ英語では、ピリオドが小数点、コンマが整数部の3桁ごとの区切りになる。
652,314,159.278
ドイツ語では、区切り方は同じだが、ピリオドとコンマの意味が逆になる。
652.314.159,278
ヒンディー語では、ピリオドおよびコンマの働きはアメリカ英語と同じだが、百の位以下が3桁の区切りになるのに対し、それより上の整数部は2桁ずつ区切られる点が異なる。
65,23,14,159.278
通貨の書式はLC_MONETARYによって制御される。この環境変数は、金額の書式に加え、通貨単位の記号や、負の値の表記法なども決まる。
そのほかに次のような環境変数がある。
- LC_PAPER：用紙サイズ
- LC_NAME：個人名の書式
- LC_ADDRESS：住所の書式
- LC_TELEPHONE：電話番号の書式
- LC_MEASUREMENT：測定法の単位
環境変数の階層
ほとんどの場合、これらの環境変数のすべてに同じ値を設定することになるが、別の値を設定することに意味がある場合もある。たとえば、インターフェイス言語は英語だが、フランス語のデータをソートしたい場合は、LC_MESSAGESをen_USに、LC_COLLATEをfr_FRにするとよい。
すべてに同じ値を用いる場合は、すべての環境変数を個別に設定する必要はない。この場合はLC_ALLまたはLANGを設定するだけでよい。プログラムは、こうした環境変数を参照して使用すべきロケールを判断する。その手順は次のとおりだ。
- 環境変数LC_ALLが定義済かつnullでない場合、LC_ALLの値が使用される。
- コンポーネント特有の適切な環境変数 ― たとえば、LC_COLLATE ― が設定済かつnullでない場合、その値が使用される。
- 環境変数LANGが定義済かつnullでない場合、LANGの値が使用される。
- 環境変数LANGが未設定またはnullの場合、実装に依存したデフォルトのロケールが使用される。
ただし、目的別に異なるロケールを使用する場合はLC_ALLの設定を解除する必要があることにご注意いただきたい。
もう1つ、LANGUAGEという環境変数があるが、この変数を使用するのは、多くのプログラム向けにメッセージの翻訳結果を提供する仕組み、GNU gettextだけである。ほかの変数とは異なり、この環境変数では複数のロケールをコロンで区切って指定できる。これらのロケールは、メッセージカタログが見つかるものが現れるまで順に試される。たとえば、sv_SE:nn_NO:de_DEという指定は、ユーザはスウェーデン語を使いたいのだが、スウェーデン語が利用できない場合はノルウェー語を、ノルウェー語も利用できない場合はドイツ語を用いることを示す。LANGUAGEが定義されている場合、その値は、LC_ALL、LC_MESSAGES、LANGの設定値よりも優先される。
ロケール名
ロケール名は次の形式で表現される。
language(_territory)(.encoding)(@modifier)
必須になるのは言語（language）コードだけで、たとえば、英語を表す言語コードはenfr_FRはフランスにおけるフランス語、fr_CAはカナダにおけるフランス語、en_CAはカナダにおける英語、といった具合である。エンコーディング（encoding）の指定も可能である。英語の場合、ASCIIがデフォルトのエンコーディングになっているが、en_US.UTF-8と指定すればUTF-8エンコーディングによるアメリカ英語になる。通常、言語コードはISO-639-1に定義された2文字のコードの一覧から選択し、国/地域コードはISO-3166-1に定義された2文字のコードから選択する。
修飾子（modifier）としてもっともよく見かけるのはeuroである。この修飾子は、EUにユーロが導入される前にロケール定義が作られた国のロケールでユーロ通貨を用いる場合に使用される。たとえば、es_ES@euroは現在のスペインのロケールであり、es_ESは同じくスペインのユーロ導入前のロケールである。
こうした名前付け規則に従わない特別なロケールもいくつか存在する。Cロケールとしてもよく知られているPOSIXロケールは、伝統的なUNIX環境を設定するもので、ASCIIエンコーディング、POSIX文字クラス、アメリカ英語の日時、数、通貨の書式を用いる。sortやgrepのようなプログラムの使用時にうまく動作しない場合は、いつもと異なるソート順序や文字クラスを指定したロケールを使っていることが原因かもしれない。ロケールをPOSIXにすれば、適切な設定になるはずである。
現在のロケールを調べるには、localeコマンドを引数を与えずに実行する。LANGUAGEを除き、関連する環境変数の値がすべて表示される。また、locale charmapとすると現在のエンコーディング名が表示される。利用可能なロケールを調べるには、locale -aを実行する。利用可能なエンコーディングを調べるには、locale -mとすればよい。
ロケールのインストール
必要なロケールがコンピュータにインストールされていないこともある。その場合は、自分でインストールすることができる。ロケール定義は、locale(5)manページに記された特別な書式に従うASCII形式のプレーンテキストファイルとして保存される。独自のロケール定義を書く方法の説明はほかの記事に譲るが、ディストリビューションのglibcディレクトリ内のlocaledata/localesを探せば多数のロケール定義ファイルが見つかるだろう。ロケール定義ファイルの名前はロケール名と同じで、南アフリカ共和国のズールー語であればzu_ZAとなる。
ロケールファイルのインストールには、localedefを使用する。ズールー語をインストールする場合のコマンドは次のとおり。
localedef -i zu_ZA -f ../charmaps/UTF-8 zu_ZA
最後の引数はロケール名である。ロケール定義ファイル名は、-iフラグの後に指定する。-fフラグの後には適切な文字セット定義ファイル、多くの場合はUTF-8、を指定する。
2文字のコードでは多数の言語を表現しきれないため、ISO-639-2では3文字のコードも使用されている。同様に、ISO-3166-2に定義された国コードにも3文字のコードが現れている。
もう1つの進展として、Unicode Consortiumが後援するCommon Locale Data Repository（CLDR）プロジェクトがある。オペレーティングシステムおよび開発者ごとに別々の書式でローカライズ情報の編集や保存を行うのは非効率的だとして、このCLDRプロジェクトでは、既にJavaなどのプログラムで使用されているロケール情報を格納するためのXMLベースの新しいクロスプラットフォームな仕組みを開発中である。
