Java 国际化
Java 国际化
背景知识
通讯的发达,使得世界各地交流越来越紧密。许多的软件产品也要面向世界上不同国家的用户。其中,语言障碍显然是产品在不同语种用户中进行推广的一个重要问题。
本文围绕国际化这一主题,先介绍国际标准的语言编码,然后讲解在 Java 应用中如何去实现国际化。
语言编码、国家/地区编码
做 web 开发的朋友可能多多少少接触过类似 zh-cn, en-us 这样的编码字样。
这些编码是用来表示指定的国家地区的语言类型的。那么,这些含有特殊含义的编码是如何产生的呢?
ISO-639 标准使用编码定义了国际上常见的语言,每一种语言由两个小写字母表示。
ISO-3166 标准使用编码定义了国家/地区,每个国家/地区由两个大写字母表示。
下表列举了一些常见国家、地区的语言编码:
国家/地区 | 语言编码 | 国家/地区 | 语言编码 |
---|---|---|---|
简体中文(中国) | zh-cn | 繁体中文(台湾地区) | zh-tw |
繁体中文(香港) | zh-hk | 英语(香港) | en-hk |
英语(美国) | en-us | 英语(英国) | en-gb |
英语(全球) | en-ww | 英语(加拿大) | en-ca |
英语(澳大利亚) | en-au | 英语(爱尔兰) | en-ie |
英语(芬兰) | en-fi | 芬兰语(芬兰) | fi-fi |
英语(丹麦) | en-dk | 丹麦语(丹麦) | da-dk |
英语(以色列) | en-il | 希伯来语(以色列) | he-il |
英语(南非) | en-za | 英语(印度) | en-in |
英语(挪威) | en-no | 英语(新加坡) | en-sg |
英语(新西兰) | en-nz | 英语(印度尼西亚) | en-id |
英语(菲律宾) | en-ph | 英语(泰国) | en-th |
英语(马来西亚) | en-my | 英语(阿拉伯) | en-xa |
韩文(韩国) | ko-kr | 日语(日本) | ja-jp |
荷兰语(荷兰) | nl-nl | 荷兰语(比利时) | nl-be |
葡萄牙语(葡萄牙) | pt-pt | 葡萄牙语(巴西) | pt-br |
法语(法国) | fr-fr | 法语(卢森堡) | fr-lu |
法语(瑞士) | fr-ch | 法语(比利时) | fr-be |
法语(加拿大) | fr-ca | 西班牙语(拉丁美洲) | es-la |
西班牙语(西班牙) | es-es | 西班牙语(阿根廷) | es-ar |
西班牙语(美国) | es-us | 西班牙语(墨西哥) | es-mx |
西班牙语(哥伦比亚) | es-co | 西班牙语(波多黎各) | es-pr |
德语(德国) | de-de | 德语(奥地利) | de-at |
德语(瑞士) | de-ch | 俄语(俄罗斯) | ru-ru |
意大利语(意大利) | it-it | 希腊语(希腊) | el-gr |
挪威语(挪威) | no-no | 匈牙利语(匈牙利) | hu-hu |
土耳其语(土耳其) | tr-tr | 捷克语(捷克共和国) | cs-cz |
斯洛文尼亚语 | sl-sl | 波兰语(波兰) | pl-pl |
瑞典语(瑞典) | sv-se |
注:由表中可以看出语言、国家/地区编码一般都是英文单词的缩写。
字符编码
在此处,引申一下字符编码的概念。
是不是有了语言、国家/地区编码,计算机就可以识别各种语言了?
答案是否。作为程序员,相信每个人都会遇到过这样的情况:期望打印中文,结果输出的却是乱码。
这种情况,往往是因为字符编码的问题。
计算机在设计之初,并没有考虑多个国家,多种不同语言的应用场景。当时定义一种ASCII
码,将字母、数字和其他符号编号用 7 比特的二进制数来表示。后来,计算机在世界开始普及,为了适应多种文字,出现了多种编码格式,例如中文汉字一般使用的编码格式为GB2312
、GBK
。
由此,又产生了一个问题,不同字符编码之间互相无法识别。于是,为了一统江湖,出现了 unicode
编码。它为每种语言的每个字符设定了统一并且唯一的二进制编码,以满足跨语言、跨平台的文本转换需求。
有人不禁要问,既然 Unicode
可以支持所有语言的字符,那还要其他字符编码做什么?
Unicode
有一个缺点:为了支持所有语言的字符,所以它需要用更多位数去表示,比如 ASCII
表示一个英文字符只需要一个字节,而 Unicode
则需要两个字节。很明显,如果字符数多,这样的效率会很低。
为了解决这个问题,有出现了一些中间格式的字符编码:如 UTF-8
、UTF-16
、UTF-32
等(中国的程序员一般使用UTF-8编码)。
Java 中实现国际化
国际化的实现原理很简单:
- 先定义好不同语种的模板;
- 选择语种;
- 加载指定语种的模板。
接下来,本文会按照步骤逐一讲解实现国际化的具体步骤
定义不同语种的模板
Java 中将多语言文本存储在格式为 properties
的资源文件中。
它必须遵照以下的命名规范:
1 | <资源名>_<语言代码>_<国家/地区编码>.properties |
其中,语言编码和国家/地区编码都是可选的。
注:<资源名>.properties
命名的国际化资源文件是默认的资源文件,即某个国际化类型在系统中找不到对应的资源文件,就采用这个默认的资源文件。
定义 properties 文件
在src/main/resources/locales
路径下定义名为 content 的不同语种资源文件:
content_en_US.properties
1 | helloWorld = HelloWorld! |
content_zh_CN.properties
1 | helloWorld = \u4e16\u754c\uff0c\u4f60\u597d\uff01 |
可以看到:几个资源文件中,定义的 Key 完全一致,只是 Value 是对应语言的字符串。
虽然属性值各不相同,但属性名却是相同的,这样应用程序就可以通过 Locale 对象和属性名精确调用到某个具体的属性值了。
Unicode 转换工具
上一节中,我们定义的中文资源文件中的属性值都是以\u 开头的四位 16 进制数。其实,这表示的是一个 Unicode 编码。
1 | helloWorld = \u4e16\u754c\uff0c\u4f60\u597d\uff01 |
本文的字符编码中提到了,为了达到跨编码也正常显示的目的,有必要将非 ASCII
字符转为 Unicode
编码。上面的中文资源文件就是中文转为 Unicode
的结果。
怎么将非 ASCII
字符转为 Unicode
编码呢?
JDK 在 bin 目录下为我们提供了一个转换工具:native2ascii。
它可以将中文字符的资源文件转换为 Unicode
代码格式的文件,命令格式如下:
1 | native2ascii [-reverse] [-encoding 编码] [输入文件 [输出文件]] |
假设content_zh_CN.properties 在 d:\
目录。执行以下命令可以新建一个名为 content_zh_CN_new.properties 的文件,其中的内容就中文字符转为 UTF-8
编码格式的结果。
1 | native2ascii -encoding utf-8 d:\content_zh_CN.properties d:\content_zh_CN_new.properties |
选择语种
定义了多语言资源文件,第二步就是根据本地语种选择模板文件了。
Locale
在 Java 中,一个 java.util.Locale
对象表示了特定的地理、政治和文化地区。需要 Locale 来执行其任务的操作称为语言环境敏感的操作,它使用 Locale 为用户量身定制本地信息。
它有三个构造方法
Locale(String language)
:根据语言编码初始化Locale(String language, String country)
:根据语言编码、国家编码初始化Locale(String language, String country, String variant)
:根据语言编码、国家编码、变体初始化
此外,Locale 定义了一些常用的 Locale 常量:Locale.ENGLISH
、Locale.CHINESE
等。
1 | // 初始化一个通用英语的locale. |
加载指定语种的模板
ResourceBoundle
Java 为我们提供了用于加载国际化资源文件的工具类:java.util.ResourceBoundle
。
ResourceBoundle
提供了多个名为 getBundle
的静态重载方法,这些方法的作用是用来根据资源名、Locale 选择指定语种的资源文件。需要说明的是: getBundle
方法的第一个参数一般都是baseName
,这个参数表示资源文件名。
ResourceBoundle
还提供了名为 getString
的方法,用来获取资源文件中 key 对应的 value。
1 | import java.util.Locale; |
注:在加载资源时,如果指定的国际化资源文件不存在,它会尝试按下面的顺序加载其他的资源:本地系统默认国际化对象对应的资源 -> 默认的资源。如果指定错误,Java 会提示找不到资源文件。
支持国际化的工具类
Java 中也提供了几个支持国际化的格式化工具类。例如:NumberFormat
、DateFormat
、MessageFormat
NumberFormat
NumberFormat
是所有数字格式类的基类。它提供格式化和解析数字的接口。它也提供了决定数字所属语言类型的方法。
1 | import java.text.NumberFormat; |
DateFormat
DateFormat
是日期、时间格式化类的抽象类。它支持基于语言习惯的日期、时间格式。
1 | import java.text.DateFormat; |
MessageFormat
Messageformat
提供一种与语言无关的拼接消息的方式。通过这种拼接方式,将最终呈现返回给使用者。
1 | import java.text.MessageFormat; |