L18N測試

領測軟件測試網 I18N 即internationalization，軟件國際化。一個過程，通過修改代碼實現代碼的文化獨立性，即代碼不依賴于任何特定文化的信息(cultural specific information)。 L10N 即localization，軟件本地化。一個過程，為每一種支持的人類語言來定制軟件。 Code Page 即所謂代碼頁，它是一個字符和數值進行映射的表。什么是”I18N"?

　　I18N就是Internationalization(該單詞的首字母I與尾字母N中間隔著18個字符)。它是一個代碼修改的過程，目的是實現代碼完全獨立于任何特定的文化信息。這類信息保存在外部文件里，在程序運行的時候被裝入。有些人可能想，只要把程序中所有特定文化有關的字符串(hard-coded strings)都抽取出來放在外部的文件中，就已為國際化做好準備了。其實，除了這個，還有一些事情需要考慮，主要包括：

將字符串、圖標、圖片從程序中抽取出來，以文本的形式表示
選擇編碼頁(code page)，如果需要并定義編碼頁轉換
修改所有的文本處理函數，以適應代碼頁的引入
修改所有與格式化輸出有關的函數（如日期、時間、貨幣、數值等）的實現邏輯
修改整理/排除函數的實現邏輯

什么是編碼頁(code page)?

　　正如我們所知，計算機只懂得數值。因此，當我們想要它處理文本時，就把一門語言中每個字符都賦以特定的值。簡單地說來，這種字符與數值的對照表就叫編碼頁。在這種情況下，你可能常會聽到諸如字符集(charset)，字符表(charmap)，編碼(encoding)，編碼字符集(coded character set)等術語。雖然彼此間還有一些細微的差異，為理解的目的你可以認為它們都是指每種語言的字符、數值映射表。ASCII編碼頁就是一個很著名的例子，它把英文字母表和一些控制字符映射到一些特定的數值上去。

還有哪些編碼頁？圍繞著編碼頁有哪些問題?

　　ASCII編碼映射了127個字符，因此7位(bit)二進制數足夠用來表示127個字符。程序則典型地在8位的緩沖區內處理文本。這在處理其它的語言的編碼頁是會出問題。例如日語這種語言，有成千讓萬個字符，8位二制只能表示256個不同的字符，不可能唯一地表示每一個日語字符。因此，人們用幾個字節來表示一個日語字符�，F在，我們又遇到另一個問題。緩沖區的字節數不等于緩沖區中的字符數。每一個簡單地字符串操作，都需要將字節組裝成字符。
　　認識到這種復雜性，開發人員利用一種叫寬字符(wide-character)的技術來處理外語字符串。寬字符基本上是16位或32位的數據類型。容量夠大，能滿足亞洲語言的需求。處理字符串不再使用8位的緩沖區(char *)，而是使用16位的緩沖(unsigned short *)。因此每次移動指針，你都可以保證跳過了一個字符(而不是原先那可能是半個)。
　　不同的開發商使用不同的編碼頁，給這帶來了混亂。也就是說，同一個日語字符，在一個機器上可能用0x95和0x5c兩個字節表示，而在另外的機器的上則可能是0xc9和0xbd。這樣一事每次交換數據都要進行一次轉換(稱為碼表轉換(charmap conversion)或碼集轉換(codeset conversion))。

什么是Unicode?它是如何解決這個問題的？

　　每一種語言的不同的編碼頁，增加了那些需要支持不同語言的軟件的復雜度。因而人們制定了一個世界標準，叫做unicode(http://www.unicode.org).Unicode為每個字符提供了唯一的特定數值，不論在什么平臺上、不論在什么軟件中，也不論什么語言。也就是說，它世界上使用的所有字符都列出來，并給每一個字符一個唯一特定數值。

什么是UTF－8？它與UNICODE是一回事嗎？

　　Unicode的最初目標，是用1個16位的編碼來為超過65000字符提供映射。但這還不夠，它不能覆蓋全部歷史上的文字，也不能解決傳輸的問題(implantation head-ache's)，尤其在那些基于網絡的應用中。已有的軟件必須做大量的工作來程序16位的數據。
　　因此，Unicode用一些基本的保留字符制定了三套編碼方式。它們分別是UTF-8,UTF-16和UTF-32。正如名字所示，在UTF－8中，字符是以8位序列來編碼的，用一個或幾個字節來表示一個字符。這種方式的最大好處，是UTF－8保留了ASCII字符的編碼做為它的一部分，例如，在UTF－8和ASCII中，“A”的編碼都是0x41.
　　UTF－16和UTF－32分別是Unicode的16位和32位編碼方式�？紤]到最初的目的，通常說的Unicode就是指UTF-16。在討論Unicode時，搞清楚哪種編碼方式非常重要。Unicdoe相關的技術介紹參見http://www.unicode.org/unicode/standard/principles.html.

通常說的”特定文化信息(cultural specific information)”包含哪些內容？

　　

特定文化有關的字符串(hard-coded strings),程序中不能包含與特定文化有關的任何字符串，這類串都要放在外部文件中，從而能譯成多種語言。
字符分類(character classification) 如何對字符進行分類呢？例如，英文中可以將字符分為大寫字符和小寫字符，如果你是個C程序員，則可以用isupper()和islower()來檢查。當面臨多種語言時，需要考慮更多分類方法，有時候大小寫分類法在某些語言中沒有任何意義。
數值和貨幣格式 貨幣符號，以及將數值中數位分組的方式，每個國家各不相同。
日期和時間格式 年、月、日哪個寫在最前面？
整理/排序 如果比較字符”A”和“B”,你可以實際比較它們的ASCII值來決定它們的順序。但是，在不同的編碼頁可能并不如此。因此必須用特殊的規則來決定字符順序。

文章來源于領測軟件測試網 http://www.kjueaiud.com/