Linux中文化之Linux，内核汉化大揭秘

在阐述“基于Linux核心的汉字显示”的技术细节之前，有必要介绍一下原有Linux的工作机制。这里主要涉及到两部分的知识，这是Linux下终端和帧缓冲的实现。

　　控制台（console）

　　通常我们在Linux下看到的控制台（console）是由几个设备构成的。分别是/dev/ttyN（其中tty0就是/dev/console，tty1、tty2就是不同的虚拟终端（virtual console））。通常使用热键Alt+Fn来在这些虚拟终端之间进行切换。这些tty设备对应于linux/drivers/char/console.c和lvt.c。其中console.c负责绘制屏幕上的字符，vt.c负责管理不同的虚拟终端，并且负责提供console.c需要绘制的内容。Vt.c把不同虚拟终端下的需要交给console.c绘制的内容，放到不同的缓存中去。Vt.c管理者这样一个缓冲区的数组，并且负责在这些缓存之间切换，并指定哪一个缓冲区是被激活的。你所看到的虚拟终端就对应着被激活的缓冲区。Console.c同时也负责接收终端的输入，然后把接收到的输入的信息放到缓冲区。

　　帧缓冲（framebuffer）

　　Framebuffer是把显存抽象后的一个种设备，可以通过这个设备的读写直接对显存进行操作。这种操作是抽象的、统一的。用户不必关心物理显存的位置、换页机制等等具体细节，这些都是由Framebuffer设备驱动程序来完成的。

　　Framebuffer对应的源文件在linux/drivers/video/目录下。总的抽象设备文作为fbcon.c，在这个目录下还有与各种显卡驱动程序相关的源文件。

　　在使用帧缓冲时，Linux是将显卡置于图形模式下的。

　　我们以一个简单的例子来说明字符显示的过程。我们假设是在虚拟终端1（/dev/tty1）下迁行如下的简单程序：

　　main ()

　　{

　　puts(”hello，world.

　　”)；

　　}

　　pputs函数向缺省输出文件（/dev/tty）发出“写”的系统调用write(2)。系统调用到Linux核心对应的核心函数->――console.c中的con_write( ), con_write( )最终会调用do_con_write()，在do_con_write()中负责把”hello，world.

　　”这个字符串放到tty1对应的缓冲区中去。

　　Do_con_write()还负责处理控制字符和光标的位置。让我们来看一下do_con-write()这个函数的声明：

　　Static int do_con_write(struct

　　Tty_struct * tty, int

　　from_user, const unsigned

　　char *buf, int count )

　　其中tty是指向tty_struct结构的指针，这个结构里存放着关于这个tty的所有信息（请参照linux/include/linux/tty.h）。tty_srtuct结构中定义了?p> 用（或高层）tty的属性（例如宽度和高度等）。

　　在do_con_write（）函数中用到了tty_struct结构中的driver_data变量。Driver_data是一个vt_vt_stuct指针。在vt_struct结构中包含这个tty的序列号（我们正使用tty1，所以这个序号为1）。Vt_struct结构中有一个vc结构的数组vc_cons，这个数组就是各虚拟终端的私有数据。

　　Static int do_write(struct

　　Tty_struct * tty, int

　　From_user,const unsigned char

　　*buf, int conut)

　　{

　　struct vt_struct *vt = (struct

　　vt_struct *)tty_>driver_data;

　　//我们用到了driver_data变量

　　…………

　　currcons = vt->_num;

　　//在这里的vc_nums就是1

　　…………

　　}

　　要访问虚拟终端的私有数据，需使用vc_cons[currcons].d指针。这个指针指向的结构含有当前虚拟终端上光标的位置，缓冲区的起始地址、缓冲区大小等信息。

　　“hello,world.

　　”中的每一个字符都要经过conv_uni_to_pc()这个函数转换成8位的显示字符。这样做的主要目的是使不同语言的国家能把16位的Unicode码映射到8位的显示字符集里，目前主要还是针对欧洲国家的语言，映射结果为8位，不包含双字节(double byte)的范围。

　　这种从Unicode到显示字符的映射表上，会把中文的字符映射到其他的字符上，这是我们不希望看到也是不需要的，所以我们有两种选择：

　　1） 不进行conv_uni_to_pc()的转换

　　2） 加载符合双字节处理的映射关系，即对蜚 控制字符进行一对一的不变映射，我们自己定制的符合这种映射关系的Unicode码表是direct.uni。

　　要想看/装载当前系统的Unicode映射表，可使用外部命令loadunimap。

　　经过conv_uni_to_pc()转换之后，”hello, world.

　　”中的字符被一个一个地填写到tty的缓冲区中，然后do_con_write()调用底层的驱动程序，把缓冲区中的内容输出到显示器上（也就相当于把缓冲区的内容拷贝到VGA显存中去）

　　sw->con putcs(vc_cons[currcons].d,

　　(u16 *)draw_from, (u16 *)draw_to_

　　(u16 *)draw_rwom, Y, draw_x);

　　之所以要调用底层驱动程序,是因为存在不同的显示设备,其对应VGA显存的存取方式也不一样。

　　上面的Sw->con_putcs()就会调用fbcon.c中的fbcon_putcs()函数(con_putcs是一个函数的指针，在 Framebuffer模式)下指向fbcon_putcs()函数，也就是说，在do_con_write()函数中是直接调用了fbcon_putcs()函数来进行字符的绘制，比如说在256色模式下，真正负责输出的函数是：void fbcon_cfb8_putcs(struct vc_d

　　ta *conp,struct display *p, const unsignde short *s, int count, int YY, int xx )

　　显示中文

　　比如说我们试输出一句中文：putcs(你好

　　”)（“你好”的内码为0xc4.0xe3.0ba.0xc3）。这时候会怎么样呢？有一点可以肯定，“你好”肯定不会出现在屏幕上，原因是：

　　1、核心中没有汉字字库，中文显示就是无米之炊了。

　　2、在负责字符显示的void fbcon_cfb8_putcs()函数中，原有操作如下：

　　对于每个要显示的字符，依次从虚拟终端缓冲区中以WORD为单位读取（低位字节是ASCII码，高8位是字符的属性）。由于汉字是双字节编码方式，所以这种操作是不可能显示出汉字的，只能显示出xxxx_putcs()输出的是一个一个的VGA字符。

　　因此，要解决的问题：确保在调用do_con_write()时进行uni_pc转换不会改变原有编码，一个很直接的实现方式就是加载一个我们自己定制的Unicode映射表，loadunimap dirdct.uni，或者进接把direct.uni设置为核心的缺省映射表。

　　针对以上问题，我们要做的第一个尝试方案如下：

　　首先需要在核心中加载汉字字库，然后修改fbcon_cfb8_putcs()函数，在fbcon_cfb8_putcs()中一次读两个WORD，检查这两个WORD的低位字节是否能拼成一个汉字，如果发现能拼成一个汉字，就算出这个汉字在汉字字库的的偏移，然后把它当成个16×16的VGA字符来显示。

　　试验的结果表明：

　　1、能够输出汉字，但仍有许多不理想的地方，比如说，输出以半个汉字开始的一串汉字，则这半个汉字后面的汉字都会是乱码，这是“半个汉字”的问题

　　2、光标移动会破坏汉字的显示，表现为，光标移动过的汉字会变成乱码，这是因为光标的更新是通过xxxx_putc()函数来完成的。

　　xxxx_putc()函数与xxxx_putcs()函数实现的功能够类似，但是xxxx_()函数只刷新一个字符而不是一个字符串，因而xxxx_putc()的输入参数是一个整数，而不是一个字符串的地址，xxxx_putc()函数的声明如下：

　　void fbcon_cfb8_putc(struct vc_data *conp, struct display *p, int c, int YY, int xx)

　　下一个尝试方案就是同时修改xxxx_putc()函数和xxxx_putc()函数为了解决半个汉字的问题，每一次输出之前，都从屏幕当前行的起始位置开始打措，以确定要输出的字符是否落在半个汉字的位置上，如果是在半个汉字的位置上，如果是在半个汉字的位置，则进行相应的调整，即从向前移动一个字节的位置开始输出。

　　这个方案有一个困难，即xxxx_putc()函数不用缓冲区的地址，而是用一个整数作为参数，所以xxx

　　_putc()无法直接利用相邻的字符来判别该字符是否是汉字。

　　解决方案是，利用xxxx_putc()的光标们置参数（yy,xx），可以逆推出该字符在缓冲区中的位置，但仍一些小麻烦，在Linux的虚拟终端下，用户可能会上卷该屏幕(Shift+Pageup)，导致光标的y座标和相应字符在缓冲区的行数不一致，相应的解决方案是，在逆推的过程中，考虑在屏的参量。

　　这样一来，我们就又进了一步，得到了一个相对更好的版本。但仍有问题没有解决，敲入turbonetcfg，会发现菜单的边框字符也被当成汉字显示，这是因为，这种边框字符是扩展字符，也使用了字符的低8位，因而被当成汉字显示，这是因为，这种边框字符是扩展字符，也使用了字符的低8位，因而被当作汉字来赤示。例如，单线“―”的制表符内码为0xC4，当连成一条长线时就是由一连串0xC4组成的，而0Xc4c4正是汉字“哪”，于是水平的制表符被一连串的“哪”字替代了，因为制表符的种类比较多，而且垂直制表符与其后面字符的组合形式又多种多样，因而很难判断出相应位置的字符是不是制表符，从理论上说，无论采取什么样的排除算法，都必然存在误判的情况，因为总存在二义性，没有充足的条件来推断出当前字符究竟是制表符还是汉字。

　　我们一方面寻找更好的排除组合算法，一方面试图寻找其他的解决方案，要想从根本上解决这个问题，必须利用其他的辅助信息，仅仅利用缓冲区的字符来判断是不够的。