“ LC_ALL = C”是做什么的？

#1 楼

它强制应用程序使用默认语言输出：

$ LC_ALL=es_ES man
¿Qué página de manual desea?

$ LC_ALL=C man
What manual page do you want?

，并强制按字节排序：

$ LC_ALL=en_US sort <<< $'a\nb\nA\nB'
a
A
b
B

$ LC_ALL=C sort <<< $'a\nb\nA\nB'
A
B
a
b

#2 楼

LC_ALL是覆盖所有其他本地化设置（在某些情况下为$LANGUAGE除外）的环境变量。

本地化的各个方面（例如千位分隔符或小数点字符，字符集，排序顺序，月份，您可以使用一些环境变量来设置日期名称，语言或应用程序消息，例如错误消息，货币符号。 （如果您在讲法语的瑞士，请使用UTF-8）。各个$LANG变量会覆盖某个方面。 fr_CH.UTF-8覆盖所有。 LC_xxx命令在不带参数的情况下给出了当前设置的摘要。例如，在GNU系统上，我得到：

$ locale
LANG=en_GB.UTF-8
LANGUAGE=
LC_CTYPE="en_GB.UTF-8"
LC_NUMERIC="en_GB.UTF-8"
LC_TIME="en_GB.UTF-8"
LC_COLLATE="en_GB.UTF-8"
LC_MONETARY="en_GB.UTF-8"
LC_MESSAGES="en_GB.UTF-8"
LC_PAPER="en_GB.UTF-8"
LC_NAME="en_GB.UTF-8"
LC_ADDRESS="en_GB.UTF-8"
LC_TELEPHONE="en_GB.UTF-8"
LC_MEASUREMENT="en_GB.UTF-8"
LC_IDENTIFICATION="en_GB.UTF-8"
LC_ALL=

我可以用以下方法覆盖单个设置：

$ LC_TIME=fr_FR.UTF-8 date
jeudi 22 août 2013, 10:41:30 (UTC+0100)

或：使用LC_ALL进行所有操作。

$ LC_MONETARY=fr_FR.UTF-8 locale currency_symbol
€

在脚本中，如果您要强制执行特定设置，因为您不知道用户强制执行了哪些设置（可能将LC_ALL那么，最好，最安全且通常唯一的选择是强制使用LC_ALL。

LC_ALL语言环境是特殊的语言环境，它是最简单的语言环境。您还可以说，其他语言环境适用于人类，而C语言环境适用于计算机。在C语言环境中，字符是单个字节，字符集是ASCII（不是必需的，但实际上将在我们大多数人都可以使用的系统中使用），排序顺序基于字节值，该语言通常是美国英语（尽管对于应用程序消息（与月份或日期名称或系统库中的消息相反），这由应用程序作者自行决定），并且未定义货币符号之类的内容。

在某些系统上，与POSIX区域设置有所不同，例如未定义非ASCII字符的排序顺序。

通常使用LC_ALL = C运行命令以避免用户的设置干扰与您的脚本。例如，如果希望locale匹配C和[a-z]中的26个ASCII字符，则必须设置a。

在GNU系统上，z和LC_ALL=C（或LC_ALL=C）会覆盖LC_ALL=POSIX，而LC_MESSAGES=C|POSIX不会t。

通常需要设置$LANGUAGE的几种情况：



LC_ALL=anything-else或LC_ALL=C在C以外的许多语言环境中，在某些系统（尤其是GNU语言）上，某些字符具有相同的排序顺序。 sort -u不会报告唯一行，但是会报告每组具有相同排序顺序的行。因此，如果您确实想要唯一的行，则需要一个字符为字节且所有字符具有不同排序顺序的语言环境（sort ... | uniq...语言环境保证）。
同样适用于POSIX兼容的sort -u运算符或兼容POSIX的C（在这方面=和expr不是POSIX），它们不检查两个字符串是否相同，但它们是否排序相同。
字符范围如==中。如果要匹配用户语言中的字母，请使用awk，不要修改mawk。但是，如果要匹配gawk ASCII字符，则需要grep或grep '[[:alpha:]]'¹。 LC_ALL与在a-zA-Z之后和LC_ALL=C grep '[[:alpha:]]'之前排序的字符匹配（尽管使用许多API更为复杂）。在其他语言环境中，您通常不知道它们是什么。例如，某些语言环境会忽略大小写排序，因此某些API中的LC_ALL=C grep '[a-zA-Z]'（例如[a-z]模式）可能包括a或z。在许多UTF-8语言环境中（大多数系统上包括[a-z]），bash会包含从[B-Z]到[A-Y]的带有变音符号的拉丁字母，但不会包含en_US.UTF-8的拉丁字母（因为[a-z]排在前面），我无法想象这是您想要的（为什么要包含a而不包含y？）。

z中的浮点算法。 z支持é中的ź设置。如果编写的脚本包含ksh93，则当由语言环境以逗号作为小数点分隔符的用户运行时，该脚本将停止工作：

$ LC_ALL=C LANG=fr_FR.UTF-8 LC_MESSAGES=fr_FR.UTF-8 cat /
cat: /: Is a directory

作为一个补充说明：ksh93小数点分隔符与decimal_point算术运算符冲突，这会引起更多混乱。

当您需要字符为字节。如今，大多数语言环境都基于UTF-8，这意味着字符可以占用1到6个字节。在使用文本实用程序处理本应为字节的数据时，您需要设置LC_ALL = C。由于解析UTF-8数据会产生成本，因此它还将显着提高性能。
上一点的推论：处理文本时，您不知道输入的字符集是什么，但可以假定它与ASCII兼容（因为几乎所有字符集都是如此）。例如，使用LC_NUMERIC查找包含a=$((1.2/7))的行，如果您使用的是UTF-8语言环境，并且输入编码为单字节8位字符集（如iso8859-15），则,对将无效。这是因为,仅匹配字符，而iso8859-15中的非ASCII字符可能不会在UTF-8中形成有效字符。另一方面，grep '<.*>'将起作用，因为任何字节值都在<语言环境中形成有效字符。

任何时候您处理输入数据或输出数据都不是人类所期望的。如果您正在与用户交谈，则可能要使用他们的约定和语言，但是，例如，如果您生成一些数字以供其他需要英语小数点或英语月份名称的应用程序使用，设置LC_ALL = C：

$ ksh93 -c 'echo $((1.1/2))'
0.55
$ LANG=fr_FR.UTF-8  ksh93 -c 'echo $((1.1/2))'
ksh93: 1.1/2: arithmetic syntax error

这也适用于不区分大小写的比较（例如>）和大小写转换（.的LC_ALL=C grep '<.*>'，C ...） 。例如：

#! /bin/ksh93 -
float input="" # get it as input from the user in his locale
float output
arith() { typeset LC_ALL=C; (($@)); }
arith output=input/1.2 # use the dot here as it will be interpreted
                       # under LC_ALL=C
echo "$output" # output in the user's locale

不保证在用户区域设置中与grep -i匹配。例如，在某些土耳其语语言环境中，大写awk不是toupper()（请注意点），小写dd conv=ucase是I（请注意缺少点）。



¹根据文本的编码，这不一定是正确的选择。这适用于UTF-8或单字节字符集（如iso-8859-1），但不一定非UTF-8多字节字符集。

例如，如果您使用的是i语言环境（香港，使用BIG5中文字符编码的香港变体），并且您想要在以该字符集编码的文件中查找英文字母，请执行以下任一操作：

$ printf '%g\n' 1e-2
0,01
$ LC_ALL=C printf '%g\n' 1e-2
0.01
$ date +%b
août
$ LC_ALL=C date +%b
Aug

或

grep -i i

是错误的，因为在该字符集中（还有许多其他字符，但自从UTF-8出现以来就很少使用），很多字符包含对应的字节到A-Za-z字符的ASCII编码。例如，所有İ（以及更多）都包含I的编码。 ı是0x96 0x41，而zh_HK.big5hkscs是0x41，类似于ASCII。因此，我们的A䨝䰲丕乙乜你再劀劈呸哻唥唧噀噦嚳坽将在包含那些字符的行上匹配，因为这会误解这些字节序列。

LC_ALL=C grep '[[:alpha:]]'

可以工作，但前提是没有另外设置A（这将覆盖䨝）。因此，您可能最终不得不执行以下操作：

LC_ALL=C grep '[a-zA-Z]'

如果要在以语言环境编码编码的文件中查找英文字母。

#3 楼

C是默认语言环境，“ POSIX”是“ C”的别名。我猜“ C”是从ANSI-C派生的。也许ANSI-C定义了“ POSIX”语言环境。

#4 楼

据我所知，OS X在UTF-8语言环境中使用代码点排序规则，因此，这是StéphaneChazelas的答案中提到的一些要点的例外。 Ubuntu中的OS X和310：

 export LC_ALL=en_US.UTF-8
printf %b $(printf '\U%08x\n' $(seq $((0x11)) $((0x10ffff))))|grep -a '[a-z]'|wc -l
 

下面的代码在OS X中不打印任何内容，指示输入已排序。删除的六个代理字符会导致非法的字节序列错误。

 export LC_ALL=en_US.UTF-8
for ((i=1;i<=0x1fffff;i++));do
  x=$(printf %04x $i)
  [[ $x = @(000a|d800|db7f|db80|dbff|dc00|dfff) ]]&&continue
  printf %b \U$x\n
done|sort -c
 

代码下面的代码在OS X中不打印任何内容，表示没有两个连续的代码点（至少在U + 000B和U + D7FF之间）具有相同的排序顺序。

 export LC_ALL=en_US.UTF-8
for ((i=0xb;i<=0xd7fe;i++));do
  printf %b $(printf '\U%08x\n' $((i+1)) $i)|sort -c 2>/dev/null&&echo $i
done
 

（上面的示例使用%b，因为printf \U25导致zsh错误。）

某些字符和在GNU系统中具有相同的排序顺序，而在OS X中具有不同的排序顺序。这将在①首先在OS X中（使用OS X的sort或GNU sort）打印，但是在Ubuntu中首先打印：

 export LC_ALL=en_US.UTF-8;printf %s\n ② ①|sort
 

这将在OS X中打印三行（使用OS X的sort或GNU sort），而在Ubuntu中打印一行： br />

 export LC_ALL=en_US.UTF-8;printf %b\n \u0d4c \u0d57 \u0d46\u0d57|sort -u
 

#5 楼

看来LC_COLLATE也控制着ls使用的“字母顺序”。美国地区的排序方式如下：

a.C
aFilename.C
aFilename.H
a.H

基本忽略句点。您可能更喜欢：

a.C
a.H
aFilename.C
aFilename.H

我当然愿意。将LC_COLLATE设置为C可完成此操作。请注意，它也会将所有大写字母排序为小写：

A.C
A.H
AFilename.C
a.C
a.H