这个问题是通过询问Chromium 浏览器不允许为“打印到文件”设置默认纸张大小的问题 以及在聊天中与@Gilles 进行对话而激发的。正如@don_crissti 所指出的，并经我证实，更改语言环境（至少LC_PAPER）会影响选择的纸张尺寸。

我从来没有想过要选择什么，而且总是选择，en_US.UTF-8因为这似乎是一个合理的默认选择。

但是，根据聊天中的@Gilles（请参阅从http://chat.stackexchange.com/transcript/message/17017095#17017095开始的对话）。摘录：

吉尔斯：LC_PAPER 默认为 $LANG

吉尔斯：你必须有 LANG=en_US.UTF-8。这是一个坏主意：它设置了 LC_COLLATE 而这几乎总是一件坏事

Gilles：LC_COLLATE 没有描述正确的排序规则，它太严格了（它逐个字符）删除 LANG 而是设置 LC_CTYPE 和 LC_PAPER

Gilles：加上 LC_MESSAGES 如果你想要非英语的消息

显然，这里有一些我不知道的问题，我相信还有很多其他问题。那么，在设置语言环境时应该考虑哪些问题，又应该如何设置呢？我一直只是dpkg-reconfigure locales在 Debian 中运行，并没有三思而后行。

具体问题：我应该将语言环境设置为 en_IN.UTF-8 吗？这样做有什么缺点吗？

另请参阅：LC_COLLATE 是否（应该）影响字符范围？

\n
• 上下文
\n
• 发现问题\n
  \n
  • 问题编号 1
  \n
  • 问题编号 2
  \n
  • 问题编号 3
  \n
  \n
\n
• 问题
\n

\n

上下文

今天，我想保留包含汉字的文件中的唯一行。我决定使用该sort实用程序，因为我熟悉该工具，并且删除文件中的重复行就像使用该-u标志一样简单。我了解到我需要更改区域设置才能sort正确使用中文字符。我注意到使用不同的区域设置会sort产生不同的行为。在这篇文章中，我展示了我的发现。

我知道删除文件中重复行的任务可以使用多种工具/编程语言来完成。虽然我感谢任何建议完成该任务的工具的人，但我更感兴趣的是了解有关语言环境的更多信息以及它们如何影响 Unix 实用程序。

\n

发现了问题

\n

问题编号 1

以下是我的系统的区域设置。

locale\n

LANG=en_US.UTF-8\nLC_CTYPE="en_US.UTF-8"\nLC_NUMERIC="en_US.UTF-8"\nLC_TIME="en_US.UTF-8"\nLC_COLLATE="en_US.UTF-8"\nLC_MONETARY="en_US.UTF-8"\nLC_MESSAGES="en_US.UTF-8"\nLC_PAPER="en_US.UTF-8"\nLC_NAME="en_US.UTF-8"\nLC_ADDRESS="en_US.UTF-8"\nLC_TELEPHONE="en_US.UTF-8"\nLC_MEASUREMENT="en_US.UTF-8"\nLC_IDENTIFICATION="en_US.UTF-8"\nLC_ALL=\n

考虑以下名为main.txt

\xe4\x94\x8d\n\xe4\x8f\x9d\n

en_US.UTF-8如果我尝试使用作为我的排序$LANG对其进行排序。我失去了行号。2

sort -u main.txt\n

\xe4\x94\x8d\n

LANG我已经通过设置解决了这个问题zh_CN.UTF-8。

export LANG=zh_CN.UTF-8\nsort -u main.txt\n

\xe4\x94\x8d\n\xe4\x8f\x9d\n

我在 Stack Overflow …

我试图将美国和英国词典合并成一个大词典，并且我试图从超集中删除所有重复项，但似乎 uniq 没有输出诸如“épée”或单个字母之类的词。

这是我尝试使用的：

LC_COLLATE=en_US.UTF-8 cat american-english british-english |sort|uniq -u > unique_sorted_combined_dict

如果我只是这样做：

LC_COLLATE=en_US.UTF-8 cat american-english british-english |sort > sorted_combined_dict

“épée”和其他这样的词确实出现了，以及单个字母。

有什么我在这里想念的uniq吗？

我应该注意到我在 Ubuntu 12.10 上使用来自 GNU coreutils 的 uniq，如果这有什么不同的话。