en_US.utf8 和 en_US.UTF-8 之间有区别吗？

Question

服务器信息（删除了 DNS 和 IP）：

cat /proc/version && uname -a && java -version

Linux version 2.6.16.33-xenU (*************) (gcc version 4.1.1 20070105 (Red Hat 4.1.1-52)) #2 SMP Wed Aug 15 17:27:36 SAST 2007
Linux ************* *************-xenU #2 SMP Wed Aug 15 17:27:36 SAST 2007 x86_64 x86_64 x86_64 GNU/Linux
java version "1.6.0_14"
Java(TM) SE Runtime Environment (build 1.6.0_14-b08)
Java HotSpot(TM) 64-Bit Server VM (build 14.0-b16, mixed mode)

我有一些 PHP 代码正在读取 Excel 文件并进行字符串比较。由于似乎是语言环境问题，它在服务器上失败。然而，在我的本地机器（OSX 10.8.5 Mountain Lion）上，它可以工作！

在我的本地机器上，语言环境是 en_US.UTF-8。在服务器上，语言环境是 POSIX，但我将其更改为 en_US.utf8，因为当我查看locale -a时没有 en_US.UTF-8 （有趣的是，服务器上的语言环境列表都是小写的，但在我的 Mac 上它们都是大写，这就是这个问题的来源）。

两者之间是否存在可能影响字符串比较的差异？

另外，根据这篇 SF 帖子，我运行了locale -v -a。在服务器上，en-US.utf8 使用 UTF-8 代码集（我假设这与我通常所说的字符集相同？）。但是，在我的本地机器上，我似乎无法运行locale -v -a命令，尽管locale和locale -a工作正常。

编辑： 我在 StackOverflow 上问的一个相关问题。

Answer 1

特尔；博士：

代码页/字符集.utf8在en_US.utf8没有正式据我可以告诉认可。没有 IANAutf8字符集名称。utf8可能是由glibc-产生的- 见最终标题。

IANA 字符集名称是UTF-8.

• 连字符很重要
• 案例是在敏感

因此，这些都是有效的：

• en_US.utf-8
• en_US.UTF-8
• en_US.uTf-8

还有一个！区分大小写！别名的名称 UTF-8，即：csUTF8。

因此，这也是有效的：

en_US.csUTF8

但我从未在野外见过这种情况。

详细信息，带章节和诗句

UTF-8是有效的 IANA 字符集名称，而utf8不是。它甚至不是一个有效的alias。

POSIX.1-2017，第8.2节国际化变量说：

如果 locale 值具有以下形式：

language[_territory][.codeset]

它指的是实现提供的语言环境，其中语言、地区和代码集的设置是实现定义的。

这里有问题的[.codeset]部分是 POSIX 没有定义但 IANA 定义的部分。

对于 RFC2978: 定义的字符集UTF-8, a transformation format of ISO 10646， IANA 字符集将名称列为：

UTF-8

顶部的注释说：

这些是可能在 Internet 中使用并且可能在 Internet 文档中引用的字符集的正式名称。

提供了一个别名 csUTF8，RFC2978 IANA Charset Registration Procedures, section 2.3说：

所有其他名称都被视为主要名称的别名，并且首选使用主要名称而不是使用任何别名。

IANA 字符集还说：

“cs”代表字符集，提供给需要小写首字母但之后想使用混合大小写的应用程序，不能包含任何特殊字符，例如下划线（“_”）和破折号（“-”）。

在cs别名中，大小写很重要（而名称在上面定义为不区分大小写）。

鉴于 alias csUTF8,en_US.csUTF8也将是有效的，但我从未在野外见过这种格式。

虽然大小写在aliases 中很重要，但关于names，IANA Character Sets说：

字符集名称最多可包含 40 个字符，取自 US-ASCII 的可打印字符。但是，不区分大小写字母的使用。

因此，虽然en_US.utf-8有效（列出的 的小写版本UTF-8），en_US.utf8但在删除-.

如果不是 IANA，它utf8可能来自哪里？

glibc_nl_normalize_codeset()执行以下操作：

• 只传递字符或数字（再见连字符）

• 将字符转换为小写

  for (cnt = 0; cnt < name_len; ++cnt)
    if (__isalpha_l ((unsigned char) codeset[cnt], locale))
      *wp++ = __tolower_l ((unsigned char) codeset[cnt], locale);
    else if (__isdigit_l ((unsigned char) codeset[cnt], locale))
      *wp++ = codeset[cnt];