Поддержка ввода восточных языков в линуксе

Как многие знают, сестра у меня учится на восточке, и поддержка ввода иероглифов для неё - необходимая вещь. Мне это не особо нужно, хватает гугло-транслейта. Поэтому, чтобы не забыть, как настраивать - пишу этот пост.

Сразу оговорюсь, что это - своеобразная шпаргалка по настройке и на полноценное исследование не претендует.

Теоретическая часть

Вообще, в линуксе традиционно существует зоопарк велосипедов, независимо от выбранной области. Буйство альтернатив ограничивается разве что сложностью подсистемы, например видео-. Но и там умудряются выкатить минимум две альтернативы.

Область ввода не стала исключением, и здесь существует несколько вариантов реализации, разной степени универсальности, качества и удобства.

Суть проблемы. В языке "европейского" типа у нас есть алфавит, достаточно короткий набор символов (в среднем - 30). На обычной клавиатуре, заточенной под такие языки - чуть больше сотни кнопок. Их с лихвой хватает на сам алфавит языка, сервисные знаки (диакритика, пунктуация), остаётся на цифры, управляющие клавиши и даже на спецфункции. Система проста как лом: давишь нужную клавишу - получаешь нужный символ.

В восточных языках не так. Там есть не только алфавит (и даже не один), но и большой набор графем для обозначения устоявшихся терминов. Графемы эти могут комбинироваться между собой, образуя графемы второго порядка - иероглифы1, но всё так же занимая при этом одно знакоместо. Подробнее, на примере китайского. Суть в том, что этот набор иероглифов не влезет ни на одну клавиатуру разумного размера. В обычной новости из японской газеты, в тексте могут использоваться обе слоговые азбуки, цифры, иероглифы и латиница.

Следовательно, чтобы как-то набирать всё это, метод ввода должен стать значительно умнее. Как минимум, он должен уметь воспринимать последовательности символов, для образования графем первого порядка - ключей, уметь "сворачивать" последовательность ключей в графемы второго порядка - иероглифы, попутно предлагая варианты начертания итогового символа в случае неоднозначности.

То есть, нам мало переключения просто языка - русский, английский, японский. Для последнего нам нужен ещё как минимум переключатель режимов ввода: две слоговые азбуки и прямой ввод.

Но хватит теории.

Варианты реализации

Такая сложная система ввода традиционно строится двухуровневой: фреймворк и модуль поддержки конкретного языка.

Первый реализует поддержку ввода из различных источников (gtk/qt/x11/curses/...), отображение подсказок, значки в трее, хранение настроек, и т.д. Фреймворки, в порядке появления2: scim, ibus, fcitx, uim.

Второй непосредственно преобразует ввод в ключи и иероглифы, выдаёт варианты для подсказки и т.д.. Модули поддержки: anthy (японский), byeoru (корейский), canna (японский), chewing (китайский), m17n (мультиязычный), mozc (японский), pinyin (китайский), skk (японский), viqr (вьетнамский).

Немного по истории фреймворков. Наиболее старый - SCIM. Со временем был заброшен, что привело к потребности в его замене на что-то более свежее. Гномеры, в своей обычной манере написали "замену" - IBUS. Название вполне соответствует, он прибит гвоздями к dbus, gconf и работает без нареканий по большей частью только в gtk. Остальные, кто гном на дух не переносил и не хотел от него зависеть, пошли оживлять FCITX. Этот фреймворк появился примерно в одно время со scim, но был менее фичастым на тот момент. Ещё позже появился UIM. Этот позиционируется ещё более модульным и даже кроссплатформенным.

В теории, для беспроблемной работы может использоваться любой из последних трёх. На практике, гномософта я стараюсь избегать, FCITX пилится в основном китайцами и в первую очередь под них, поэтому беру UIM, который пилится в основном японцами. :-)

Практическая часть

# apt-get install uim uim-mozc im-switch unifont

Тут есть одна тонкость - uim на самом деле это метапакет. Он притащит модули для поддержки gtk2, gtk3, qt4 и qt5. Если что-то из этого у вас не стоит - значит будет. Вместо этого, можно ставить не сам метапакет, а только нужные зависимости. im-switch облегчает первоначальную настройку, unifont нужен для отображения иероглифов, если у вас нет ни одного другого шрифта с нужным символом.

Рекомендую прочитать /usr/share/doc/im-config/README.Debian.gz для понимания, что в данном конкретном случае вам стоит использовать.

Потребуется также сгенерить нужную локаль.

$  su -
# sed -i -e '/ja_JP.UTF-8/ s/^# *//' /etc/locale.gen
# locale-gen

Запускаем im-config, выбираем нужный метод ввода. Перелогиниваемся, чтобы сработал автостарт для демона IME. После логина в трее должна появиться панелька с иконками метода:

Здесь выбран японский язык (самый левая иконка - переключатель раскладок), IME - mozc в режиме хираганы и методом ввода иероглифов с клавиатуры - romaji (1, 2 и 3 иконки в блоке, выделенной чёрной рамкой, 4 - это доп. утилиты модуля mozc, 5 - настройки самого uim).

Запускаем uim-pref-{gtk,gtk3,qt}, и немного подправим настройки.

Global Settings > [x] Specify default IM
                  Default input method [Direct]
                  [x] Enable IM switching by hotkey
                  IM switching key ["<Control>Shift_key", "<Shift>Control_key"]
                  Alternative input method [Mozc]
Mozc            > Default input method [Hiragana]

Работает это так: на Alt-Shift вешается изменение языка: en/ru/jp. На Ctrl-Shift вешается изменение метода ввода: direct/mozc. direct выключает всю эвристику и печатает "как есть". По опыту, лучше по умолчанию держать включенным его, а не IME. А вот если мы включили IME, то наверное хотим сразу и какой-то метод ввода IME, отличный от direct, что и выставляется последней строчкой.

Т.е. по факту получается трёхуровневая иерархия: [lang: en/ru/jp] > [IME: direct/mozc] > [method: direct/hiragana/katakana/...]

Вот как-то так.