国际化与本地化处理：locale、LC_ 变量与 ICU 实践

locale 名字的结构：language_TERRITORY.codeset@modifier，如 zh_CN.UTF-8 / en_US.UTF-8
  sr_RS.UTF-8@latin（@modifier 变体）；C / POSIX（仅 ASCII，无本地化）

locale ; locale charmap  # 全部变量当前值 / 当前字符集（locale -a 列出已安装）
LC_ALL=de_DE.UTF-8 date       # 临时覆盖（只影响本条命令）
LC_TIME=fr_FR.UTF-8 date ; LANG=en_US.UTF-8 sort names.txt

字符集（charset）：字符到码点的映射（Unicode 是字符集）
编码（encoding）：码点到字节的映射（UTF-8/UTF-16）；"UTF-8" 既是编码也是字符集标识

echo $LANG ; locale charmap     # 例：zh_CN.UTF-8 / UTF-8
file -i document.txt            # 猜编码（不一定准）
iconv -f GBK -t UTF-8 in.txt -o out.txt
iconv -f UTF-8 -t GB18030 in.txt -o out.txt   # 或 -t UTF-8 -c 丢弃非法字符

GBK 文件被当 UTF-8 读 → 乱码（"锟斤拷"是 UTF-8 解读 GBK 的产物）
UTF-8 文件被当 Latin-1 读 → 每个中文变两三个怪字符（如 测试）
BOM：UTF-8 BOM（EF BB BF）会让解析器读错首字段（脚本首行 #!/bin/sh 前有 BOM → No such file）

sed -i '1s/^\xEF\xBB\xBF//' file.txt   # 去 BOM；dos2unix 同时处理 BOM 与换行

Unicode 码点序（byte order）：A < B < ... < Z < a < b < ...（大写在前）
locale 感知序（如 en_US）：a < A < b < B（字母优先）；ä 与 a、é 与 e 相近（重音不改主序）

德语（de_DE）：ä 排在 a 之后（字典序）；电话簿序（de_DE@phonebook）把 ä 当 ae
瑞典语（sv_SE）：å ä ö 排 z 之后（独立字母）；丹麦语（da_DK）：æ ø å 排 z 后
捷克语：ch 是独立字母排在 h 之后；西班牙语（传统）：ch 与 ll 曾是独立字母

Primary    忽略大小写与重音（a = A = á）
Secondary  区分重音，忽略大小写（a < á，A = a）
Tertiary   区分大小写（a < A）；Quaternary 区分标点/变体（默认关闭）
→ 排序用 Primary/Secondary，查找常用 Primary

import unicodedata, locale
s = "café"
print(len(unicodedata.normalize("NFC", s)), len(unicodedata.normalize("NFD", s)))  # 4 vs 5
locale.setlocale(locale.LC_COLLATE, "de_DE.UTF-8")
print(sorted(["Apfel", "Äpfel", "Zebra"], key=locale.strxfrm))   # locale 感知比较键

strxfrm / collation key：把字符串转成"按字节比较即等价于按 locale 比较"的键
→ 排序时算一次键，之后 O(1) 比较（性能关键）

en_US：December 31, 2026 / 12/31/2026 / 12:30 PM
de_DE：31. Dezember 2026 / 31.12.2026 / 12:30
zh_CN：2026年12月31日 / 2026/12/31 / 12:30
fr_FR：31 décembre 2026 / 31/12/2026 / 12:30

LC_TIME=de_DE.UTF-8 date '+%A %d. %B %Y'   # Sonntag 31. Dezember 2026
LC_TIME=ja_JP.UTF-8 date '+%Y年%m月%d日'   # 2026年12月31日

import locale
from datetime import datetime
locale.setlocale(locale.LC_TIME, "de_DE.UTF-8")
print(datetime(2026, 12, 31, 12, 30).strftime("%A, %d. %B %Y"))   # Donnerstag, 31. Dezember 2026

en_US：1,234,567.89（逗号千分位，点做小数点）
de_DE：1.234.567,89（点做千分位，逗号做小数点）
fr_FR：1 234 567,89（窄空格做千分位，逗号做小数点）

import locale
locale.setlocale(locale.LC_NUMERIC, "de_DE.UTF-8")
print(locale.atof("1.234,56"))                              # 1234.56
print(locale.format_string("%.2f", 1234.56, grouping=True))  # 1.234,56

en_US：$1,234.56（符号在前）；de_DE：1.234,56 €（符号在后，空格分隔）
ja_JP：￥1,235（无小数）；zh_CN：¥1,234.56
货币三要素：1) 符号/代码（¥ 是 CNY 还是 JPY？必须用 ISO 4217 明确）
2) 小数位数（JPY 0 位、USD 2 位、BHD 3 位）
3) 符号位置与负号表示（会计负数可能用括号）
→ 存金额永远用"最小货币单位整数"或 Decimal，绝不用 float

英语：one / other（1 book / 2 books）；中文：other（只有一类，无复数变化）
俄语：one / few / many / other（1 книга / 2 книги / 5 книг）
阿拉伯语：zero/one/two/few/many/other（六类全用）；日语：other（同中文）

from babel import Locale
loc = Locale.parse("ru_RU")
print(loc.plural_form(1), loc.plural_form(2), loc.plural_form(5))   # one few many

反模式：if (n == 1) msg = "1 item" else msg = f"{n} items"
  → 只对英语成立，俄语/阿拉伯语直接崩；正确：用 ICU MessageFormat

中文：{count, plural, =0 {没有文件} one {# 个文件} other {# 个文件}}
俄语：{count, plural, one {# файл} few {# файла} many {# файлов} other {# файла}}

LTR：中文/英文/德文…；RTL：阿拉伯语/希伯来语/波斯语/乌尔都语
→ HTML 用 dir="rtl" 或 CSS direction: rtl
→ 布局要"逻辑属性"化：margin-inline-start 而非 margin-left

CLDR：数据（"de_DE 的月份名是 Januar, Februar..."）
ICU：代码库（读 CLDR 数据，提供格式化/解析/排序 API）
→ 几乎所有现代运行时都用它们：Java java.text/java.time 基于 CLDR
  Node 的 Intl（ECMA-402）基于 ICU；Python 的 Babel 用 CLDR；Go x/text 用 CLDR

const n = 1234567.89;
new Intl.NumberFormat('de-DE').format(n);   // "1.234.567,89"
new Intl.NumberFormat('en-US').format(n);   // "1,234,567.89"
new Intl.DateTimeFormat('de-DE', { dateStyle: 'long' }).format(new Date());
new Intl.RelativeTimeFormat('zh-CN').format(-1, 'day');  // "1天前"
new Intl.PluralRules('ru-RU').select(5);                 // "many"
['Äpfel', 'Apfel', 'Zebra'].sort(new Intl.Collator('de-DE').compare);   // 感知排序

const seg = new Intl.Segmenter('zh-CN', { granularity: 'word' });
[...seg.segment('我爱自然语言处理')].map(s => s.segment);   // ["我","爱","自然语言","处理"]

{
  "cart.items": "{count, plural, one {# 件商品} other {# 件商品}}",
  "user.greeting": "你好，{name}",
  "error.network": "网络连接失败，请稍后重试"
}

键命名：按"模块.语义"（cart.items），不要用英文原文做键
  错误："Add to cart"（改文案就全断）；正确："cart.addButton"
禁止字符串拼接：t('hello') + name + t('welcome')  → 语序因语言而异
必须整句 + 占位符：t('greeting', { name })

占位符用 {name} 而非 %s（%s 无法重排语序）；复数/性别用 ICU MessageFormat
HTML 转义：翻译文本可能含 < > & → 按上下文转义
  文本节点转义 HTML；属性值转义引号；URL 参数做 URL 编码

协商：Accept-Language 头 / navigator.languages → 匹配最合适的 locale
  zh-CN,zh;q=0.9,en;q=0.8（q 是权重）；回退链：zh-Hant-TW → zh-Hant → zh → en

curl -H 'Accept-Language: zh-CN,zh;q=0.9,en;q=0.8' -I https://example.com

文本膨胀：德语/俄语比英语长 30~40%（按钮/标签要留白），别固定宽度装文字
不要在图片里烧文字（无法翻译）→ 用叠加文字层
排序/筛选/搜索都要 locale 感知（数据库排序规则）

1. 用 float 存金额 → 精度丢失（用整数最小单位/Decimal）
2. 手撸 replace(',', '') 解析数字 → 欧式数字直接错
3. if (n == 1) 做复数 → 非英语全崩
4. 字符串拼接组装句子 → 语序/格变化全错
5. 硬编码 MM/DD 或 12 小时制 → 展示错；固定宽度按钮 → 德语溢出/截断
6. 忽略 RTL → 阿拉伯语布局错乱；忘归一化 → 看着一样的字符串不相等
7. 用 C locale 排序中文 → 顺序莫名其妙；把文字烧进图片 → 无法翻译
8. 时区当 locale 用 → "本地时间"含义错；只测中英 → 俄语阿拉伯语翻车

伪本地化：把英文替换成 "Ĥéļļó Ŵóŕļď"（加长+重音）
  → 一次暴露"硬编码文本""宽度不够""字符串拼接"
加长测试：文案统一加长 40%，看布局是否崩
RTL 镜像测试：dir=rtl 下检查布局；复数矩阵测试：0/1/2/5/11/100
字符集测试：emoji、CJK、组合字符、超长单词；时区/日历测试：跨时区、跨 DST、非公历

# 找出"没走 i18n 的硬编码文案"（启发式）
grep -rnE '"[^"]*[A-Za-z]{3,} [A-Za-z]{3,}' src/ | grep -v i18n
# 检查各语言资源键是否齐全：i18next-parser / vue-i18n-extract / babel 提取