locale 起效顺序与六个坑：从 locale-gen 到 LC_ALL=C

locale 是什么

Locale（区域设置/本地化环境）是 glibc 提供的一组语言与文化规则：消息语言、字符集、日期时间格式、货币、数字小数点与千分位、字符串排序等。程序通过 setlocale() 查询或设置当前 locale，locale.h 里以宏声明各种 category。

名称格式为 language[_TERRITORY][.CODESET][@modifier]，例如 zh_CN.UTF-8、de_DE@euro、en_DK.UTF-8。language 用 ISO 639，territory 用 ISO 3166。

相关环境变量与优先级

• LANG：默认区域设置，未设置的 LC_* 都继承它。
• LC_*（LC_COLLATE / LC_CTYPE / LC_MESSAGES / LC_MONETARY / LC_NUMERIC / LC_TIME / LC_PAPER / LC_ADDRESS / LC_NAME / LC_TELEPHONE / LC_MEASUREMENT / LC_IDENTIFICATION）：只覆盖某一类行为。
  • LC_COLLATE 影响 strcoll/strxfrm 与 sort、ls 的排序；
  • LC_CTYPE 影响字符分类与多字节处理；
  • LC_MESSAGES 影响 gettext 翻译消息与 rpmatch 的 yes/no 判断；
  • LC_NUMERIC 影响 printf/scanf 的小数点；
  • LC_TIME 影响 strftime 的日期时间；
  • LC_MONETARY 影响 strfmon 的货币格式。
• LC_ALL：它不是普通环境变量，而是能被 setlocale 设置的宏；它覆盖 LANG 和所有 LC_*。也正因为如此，LC_ALL 不能写进 locale.conf，官方建议只在测试/排障时临时设置。
• LANGUAGE：GNU gettext 专用于翻译语言的后备列表，冒号分隔，如 zh_CN:en_US:en。注意：若 LANG 或 LC_ALL 被设为 "C"，LANGUAGE 会被忽略；很多程序把英文 locale 当作默认 C 而非 en_US，所以常见写法是 LANGUAGE=en_US:en:C:es_ES。

setlocale(category, "") 时的解析顺序见 locale(7)：

1. 若存在非空 LC_ALL，用它；
2. 否则若该类别的同名环境变量非空，用它；
3. 否则若 LANG 非空，用它；
4. 都没有则为 "C"/"POSIX"，LC_CTYPE 退化为 7 位 ASCII。

生成与启用

Debian/Arch 等需要先安装 locale 数据（locales 或 locales-all 包）：

• Arch：编辑 /etc/locale.gen 取消注释，执行 locale-gen。
• Debian：dpkg-reconfigure locales；系统默认写在 /etc/default/locale；locales-all 是预编译数据，不创建 /etc/default/locale。
• systemd：

localectl set-locale LANG=zh_CN.UTF-8
localectl list-locales

• 查看已生成：locale -a、localedef --list-archive。
• 优先级由 /etc/profile.d/locale.sh 定义；用户可在 ~/.config/locale.conf 覆盖。

常见坑与排查

1. 容器/精简镜像没装 locale，perl 等运行时刷 Failed to set locale, defaulting to C。装 locales 并生成，或显式 LC_ALL=C 接受纯 ASCII 行为。
2. 脚本输出随环境变化：sort/ls 在 LANG=en_US.UTF-8 下是字典序 A->a->B->b，在 LANG=C.UTF-8 下是 ASCII 二进制序 A->B->...->a->b。要在脚本里得到稳定可解析的输出，用 LC_ALL=C（或 LC_COLLATE=C）显式锁定，别依赖 SSH 环境。
3. 数字小数点：欧陆 locale 用逗号，printf/scanf/atoi 混用会出错。涉及金额或 CSV 解析时锁 LC_NUMERIC=C。
4. LC_ALL=C.UTF-8 与 LC_ALL=C 不同：前者不覆盖 LANGUAGE，后者覆盖。glibc bug 16621 / gettext bug 62815 有记录。
5. LC_ALL 在启动文件里设置会隐藏其它 LC_* 的改动，官方建议不写进启动文件，只用 LANG + 个别 LC_* 修正。
6. 死键、终端字符集与 locale 编码不一致时中文乱码；SSH 客户端未透传 LANG 时要在客户端 SendEnv、服务端 AcceptEnv 上配置。

建议

大多数场景只全局设 LANG=xx_YY.UTF-8，个别用 LC_* 修正，例如日志要英文就保持 LC_MESSAGES 为 en 或 C。排障时先跑 locale 看现状，再临时 LC_ALL=C 复现「纯 ASCII 行为」，判断问题是否由 locale 引起。

参考资料：man 7 locale、Arch Wiki Locale、Gentoo Localization Guide、Debian 国际化与本地化章节。