Bab 8. Konfigurasi Dasar: Jaringan, Akun, Pencetakan...

Sejarahnya, setiap lokal memiliki “set karakter” yang sesuai (sekelompok karakter yang diketahui) dan disebut pula “encoding” (representasi internal untuk karakter dalam komputer).

Encoding yang paling populer untuk bahasa berbasis-latin terbatas pada 256 karakter karena mereka dibatasi untuk menggunakan byte tunggal untuk setiap karakter. Karena 256 karakter tidak cukup untuk mencakup seluruh bahasa Eropa, diperlukan banyak encoding, dan demikianlah kita akhirnya menggunakan ISO-8859-1 (disebut juga “Latin 1”) hingga ISO-8859-15 (disebut juga “Latin 9”), di antara lainnya.

Bekerja dengan bahasa asing seringkali mengakibatkan pergantian reguler antara berbagai encoding dan set karakter. Lebih jauh, menulis dokumen multi bahasa berakibat banyak, masalah yang hampir tak dapat dilacak. Unicode (sebuah katalog-super hampir seluruh penulisan sistem dari segala bahasa penjuru dunia) telah dibuat untuk mengatasi masalah ini. Salah satu encoding Unicode, UTF-8, mencakup seluruh 128 ASCII symbols (kode 7-bit), namun menangani karakter lain dengan cara berbeda. Diawali dengan sebuah urutan escape khusus beberapa bit, yang secara implisit menentukan panjang karakter. Hal ini memungkinkan encoding seluruh karakter Unicode dalam sebuah urutan dari satu atau beberapa byte. Penggunaannya telah dipopulerkan dengan kenyataan bahwa ini merupakan encoding standar dalam dokumen XML.

Encoding inilah yang secara umum digunakan, dan merupakan standar pada sistem Debian.

Berkas /etc/environment menyediakan login, gdm, atau bahkan program ssh dengan variabel lingkungan yang akan dibuat secara tepat.

Aplikasi ini tidak membuat variabel ini secara langsung, namun melalui modul PAM (pam_env.so). PAM (Pluggable Authentication Module) merupakan pustaka modular pemusatan mekanisme otentikasi, inisialisasi sesi, dan manajemen kata sandi. Lihat Bagian 11.7.3.2, “Mengkonfigurasi PAM” untuk sebuah contoh konfigurasi PAM.

Berkas /etc/default/locale bekerja dalam cara yang sama, namun hanya berisi variabel lingkungan LANG. Karena pemecahan inilah, beberapa pengguna PAM dapat menurunkan lingkungan lengkap tanpa pelokalan. Sebenarnya, umumnya dihindari untuk menjalankan program server dengan mengaktifkan pelokalan; dengan kata lain, pelokalan dan pengaturan regional direkomendasikan untuk program yang membuka sesi pengguna.

Ketika teks terkirim (atau tersimpan) tanpa informasi pengodean, tidak selalu mungkin bagi penerima mengetahui dengan pasti konvensi apa yang digunakan untuk menentukan makna seperangkat byte. Anda biasanya mendapatkan sebuah ide dengan mengambil statistik pada distribusi nilai yang disajikan dalam teks, namun hal tersebut tak selalu memberikan jawaban pasti. Ketika sistem pengodean dipilih untuk membaca berbeda dari yang digunakan dalam menulis berkas, byte salah diinterpretasikan, dan Anda memperoleh, yang terbaik, kesalahan pada beberapa karakter, atau, yang terburuk, sesuatu sama sekali tak terbaca.

Jadi, jika teks Bahasa Prancis nampak normal dengan pengecualian huruf beraksen dan simbol tertentu yang nampak diganti dengan urutan karakter seperti “é” atau è” atau “ç”, ini mungkin sebuah berkas ber-encode sebagai UTF-8 namun ditafsirkan sebagai ISO-8859-1 atau ISO-8859-15. Ini merupakan tanda sebuah instalasi lokal yang belum dimigrasikan ke UTF-8. Jika, sebaliknya, Anda melihat tanda tanya alih-alih huruf beraksen - bahkan jika tanda tanya ini nampak mengganti sebuah karakter yang harus diikuti huruf beraksen - nampaknya instalasi Anda telah terkonfigurasi untuk UTF-8 dan bahwa Anda telah dikirimi sebuah dokumen di-encode dalam Western ISO.

Banyak kasus “sederhana”. Kasus ini hanya muncul di kultur Western, karena Unicode (dan UTF-8) telah didesain untuk memaksimalkan poin umum dengan sejarah encoding untuk bahasa Barat berdasarkan alfabet Latin, yang memungkinkan pengenalan bagian teks bahkan ketika beberapa karakter hilang.

Dalam konfigurasi yang lebih kompleks, yang, sebagai contoh, melibatkan dua lingkungan masing-masing dua bahasa berbeda yang tidak menggunakan alfabet yang sama, Anda sering mendapatkan hasil yang tak terbaca - serangkaian simbol abstrak yang tidak diketahui satu sama lain. Ini khususnya umum dengan bahasa Asia disebabkan oleh berbagai bahasa dan sistem penulisan mereka. Istilah Jepang mojibake telah diadopsi untuk menjelaskan fenomena ini. Ketika hal ini muncul, diagnosa lebih kompleks dan solusi paling sederhana seringkali dengan memigrasikan keduanya ke UTF-8.