locale.c

   1 /*    locale.c
   2  *
   3  *    Copyright (C) 1993, 1994, 1995, 1996, 1997, 1998, 1999, 2000, 2001,
   4  *    2002, 2003, 2005, 2006, 2007, 2008 by Larry Wall and others
   5  *
   6  *    You may distribute under the terms of either the GNU General Public
   7  *    License or the Artistic License, as specified in the README file.
   8  *
   9  */
  10
  11 /*
  12  *      A Elbereth Gilthoniel,
  13  *      silivren penna míriel
  14  *      o menel aglar elenath!
  15  *      Na-chaered palan-díriel
  16  *      o galadhremmin ennorath,
  17  *      Fanuilos, le linnathon
  18  *      nef aear, si nef aearon!
  19  *
  20  *     [p.238 of _The Lord of the Rings_, II/i: "Many Meetings"]
  21  */
  22
  23 /* utility functions for handling locale-specific stuff like what
  24  * character represents the decimal point.
  25  */
  26
  27 #include "EXTERN.h"
  28 #define PERL_IN_LOCALE_C
  29 #include "perl.h"
  30
  31 #ifdef I_LANGINFO
  32 #   include <langinfo.h>
  33 #endif
  34
  35 #include "reentr.h"
  36
  37 /*
  38  * Standardize the locale name from a string returned by 'setlocale'.
  39  *
  40  * The typical return value of setlocale() is either
  41  * (1) "xx_YY" if the first argument of setlocale() is not LC_ALL
  42  * (2) "xa_YY xb_YY ..." if the first argument of setlocale() is LC_ALL
  43  *     (the space-separated values represent the various sublocales,
  44  *      in some unspecified order).  This is not handled by this function.
  45  *
  46  * In some platforms it has a form like "LC_SOMETHING=Lang_Country.866\n",
  47  * which is harmful for further use of the string in setlocale().  This
  48  * function removes the trailing new line and everything up through the '='
  49  *
  50  */
  51 STATIC char *
  52 S_stdize_locale(pTHX_ char *locs)
  53 {
  54     const char * const s = strchr(locs, '=');
  55     bool okay = TRUE;
  56
  57     PERL_ARGS_ASSERT_STDIZE_LOCALE;
  58
  59     if (s) {
  60         const char * const t = strchr(s, '.');
  61         okay = FALSE;
  62         if (t) {
  63             const char * const u = strchr(t, '\n');
  64             if (u && (u[1] == 0)) {
  65                 const STRLEN len = u - s;
  66                 Move(s + 1, locs, len, char);
  67                 locs[len] = 0;
  68                 okay = TRUE;
  69             }
  70         }
  71     }
  72
  73     if (!okay)
  74         Perl_croak(aTHX_ "Can't fix broken locale name \"%s\"", locs);
  75
  76     return locs;
  77 }
  78
  79 void
  80 Perl_set_numeric_radix(pTHX)
  81 {
  82 #ifdef USE_LOCALE_NUMERIC
  83     dVAR;
  84 # ifdef HAS_LOCALECONV
  85     const struct lconv* const lc = localeconv();
  86
  87     if (lc && lc->decimal_point) {
  88         if (lc->decimal_point[0] == '.' && lc->decimal_point[1] == 0) {
  89             SvREFCNT_dec(PL_numeric_radix_sv);
  90             PL_numeric_radix_sv = NULL;
  91         }
  92         else {
  93             if (PL_numeric_radix_sv)
  94                 sv_setpv(PL_numeric_radix_sv, lc->decimal_point);
  95             else
  96                 PL_numeric_radix_sv = newSVpv(lc->decimal_point, 0);
  97             if (! is_ascii_string((U8 *) lc->decimal_point, 0)
  98                 && is_utf8_string((U8 *) lc->decimal_point, 0)
  99                 && is_cur_LC_category_utf8(LC_NUMERIC))
 100             {
 101                 SvUTF8_on(PL_numeric_radix_sv);
 102             }
 103         }
 104     }
 105     else
 106         PL_numeric_radix_sv = NULL;
 107 # endif /* HAS_LOCALECONV */
 108 #endif /* USE_LOCALE_NUMERIC */
 109 }
 110
 111 /*
 112  * Set up for a new numeric locale.
 113  */
 114 void
 115 Perl_new_numeric(pTHX_ const char *newnum)
 116 {
 117 #ifdef USE_LOCALE_NUMERIC
 118     char *save_newnum;
 119     dVAR;
 120
 121     if (! newnum) {
 122         Safefree(PL_numeric_name);
 123         PL_numeric_name = NULL;
 124         PL_numeric_standard = TRUE;
 125         PL_numeric_local = TRUE;
 126         return;
 127     }
 128
 129     save_newnum = stdize_locale(savepv(newnum));
 130     if (! PL_numeric_name || strNE(PL_numeric_name, save_newnum)) {
 131         Safefree(PL_numeric_name);
 132         PL_numeric_name = save_newnum;
 133         PL_numeric_standard = ((*save_newnum == 'C' && save_newnum[1] == '\0')
 134                                || strEQ(save_newnum, "POSIX"));
 135         PL_numeric_local = TRUE;
 136         set_numeric_radix();
 137     }
 138     else {
 139         Safefree(save_newnum);
 140     }
 141
 142 #endif /* USE_LOCALE_NUMERIC */
 143 }
 144
 145 void
 146 Perl_set_numeric_standard(pTHX)
 147 {
 148 #ifdef USE_LOCALE_NUMERIC
 149     dVAR;
 150
 151     if (! PL_numeric_standard) {
 152         setlocale(LC_NUMERIC, "C");
 153         PL_numeric_standard = TRUE;
 154         PL_numeric_local = FALSE;
 155         set_numeric_radix();
 156     }
 157
 158 #endif /* USE_LOCALE_NUMERIC */
 159 }
 160
 161 void
 162 Perl_set_numeric_local(pTHX)
 163 {
 164 #ifdef USE_LOCALE_NUMERIC
 165     dVAR;
 166
 167     if (! PL_numeric_local) {
 168         setlocale(LC_NUMERIC, PL_numeric_name);
 169         PL_numeric_standard = FALSE;
 170         PL_numeric_local = TRUE;
 171         set_numeric_radix();
 172     }
 173
 174 #endif /* USE_LOCALE_NUMERIC */
 175 }
 176
 177 /*
 178  * Set up for a new ctype locale.
 179  */
 180 void
 181 Perl_new_ctype(pTHX_ const char *newctype)
 182 {
 183 #ifdef USE_LOCALE_CTYPE
 184     dVAR;
 185     int i;
 186
 187     PERL_ARGS_ASSERT_NEW_CTYPE;
 188
 189     for (i = 0; i < 256; i++) {
 190         if (isUPPER_LC(i))
 191             PL_fold_locale[i] = toLOWER_LC(i);
 192         else if (isLOWER_LC(i))
 193             PL_fold_locale[i] = toUPPER_LC(i);
 194         else
 195             PL_fold_locale[i] = i;
 196     }
 197
 198 #endif /* USE_LOCALE_CTYPE */
 199     PERL_ARGS_ASSERT_NEW_CTYPE;
 200     PERL_UNUSED_ARG(newctype);
 201     PERL_UNUSED_CONTEXT;
 202 }
 203
 204 /*
 205  * Set up for a new collation locale.
 206  */
 207 void
 208 Perl_new_collate(pTHX_ const char *newcoll)
 209 {
 210 #ifdef USE_LOCALE_COLLATE
 211     dVAR;
 212
 213     if (! newcoll) {
 214         if (PL_collation_name) {
 215             ++PL_collation_ix;
 216             Safefree(PL_collation_name);
 217             PL_collation_name = NULL;
 218         }
 219         PL_collation_standard = TRUE;
 220         PL_collxfrm_base = 0;
 221         PL_collxfrm_mult = 2;
 222         return;
 223     }
 224
 225     if (! PL_collation_name || strNE(PL_collation_name, newcoll)) {
 226         ++PL_collation_ix;
 227         Safefree(PL_collation_name);
 228         PL_collation_name = stdize_locale(savepv(newcoll));
 229         PL_collation_standard = ((*newcoll == 'C' && newcoll[1] == '\0')
 230                                  || strEQ(newcoll, "POSIX"));
 231
 232         {
 233           /*  2: at most so many chars ('a', 'b'). */
 234           /* 50: surely no system expands a char more. */
 235 #define XFRMBUFSIZE  (2 * 50)
 236           char xbuf[XFRMBUFSIZE];
 237           const Size_t fa = strxfrm(xbuf, "a",  XFRMBUFSIZE);
 238           const Size_t fb = strxfrm(xbuf, "ab", XFRMBUFSIZE);
 239           const SSize_t mult = fb - fa;
 240           if (mult < 1 && !(fa == 0 && fb == 0))
 241               Perl_croak(aTHX_ "panic: strxfrm() gets absurd - a => %"UVuf", ab => %"UVuf,
 242                          (UV) fa, (UV) fb);
 243           PL_collxfrm_base = (fa > (Size_t)mult) ? (fa - mult) : 0;
 244           PL_collxfrm_mult = mult;
 245         }
 246     }
 247
 248 #endif /* USE_LOCALE_COLLATE */
 249 }
 250
 251 /*
 252  * Initialize locale awareness.
 253  */
 254 int
 255 Perl_init_i18nl10n(pTHX_ int printwarn)
 256 {
 257     int ok = 1;
 258     /* returns
 259      *    1 = set ok or not applicable,
 260      *    0 = fallback to C locale,
 261      *   -1 = fallback to C locale failed
 262      */
 263
 264 #if defined(USE_LOCALE)
 265     dVAR;
 266
 267 #ifdef USE_LOCALE_CTYPE
 268     char *curctype   = NULL;
 269 #endif /* USE_LOCALE_CTYPE */
 270 #ifdef USE_LOCALE_COLLATE
 271     char *curcoll    = NULL;
 272 #endif /* USE_LOCALE_COLLATE */
 273 #ifdef USE_LOCALE_NUMERIC
 274     char *curnum     = NULL;
 275 #endif /* USE_LOCALE_NUMERIC */
 276 #ifdef __GLIBC__
 277     char * const language   = PerlEnv_getenv("LANGUAGE");
 278 #endif
 279     /* NULL uses the existing already set up locale */
 280     const char * const setlocale_init = (PerlEnv_getenv("PERL_SKIP_LOCALE_INIT"))
 281                                         ? NULL
 282                                         : "";
 283     char * const lc_all     = PerlEnv_getenv("LC_ALL");
 284     char * const lang       = PerlEnv_getenv("LANG");
 285     bool setlocale_failure = FALSE;
 286
 287 #ifdef LOCALE_ENVIRON_REQUIRED
 288
 289     /*
 290      * Ultrix setlocale(..., "") fails if there are no environment
 291      * variables from which to get a locale name.
 292      */
 293
 294     bool done = FALSE;
 295
 296 #   ifdef LC_ALL
 297     if (lang) {
 298         if (setlocale(LC_ALL, setlocale_init))
 299             done = TRUE;
 300         else
 301             setlocale_failure = TRUE;
 302     }
 303     if (!setlocale_failure) {
 304 #       ifdef USE_LOCALE_CTYPE
 305         Safefree(curctype);
 306         if (! (curctype =
 307                setlocale(LC_CTYPE,
 308                          (!done && (lang || PerlEnv_getenv("LC_CTYPE")))
 309                                     ? setlocale_init : NULL)))
 310             setlocale_failure = TRUE;
 311         else
 312             curctype = savepv(curctype);
 313 #       endif /* USE_LOCALE_CTYPE */
 314 #       ifdef USE_LOCALE_COLLATE
 315         Safefree(curcoll);
 316         if (! (curcoll =
 317                setlocale(LC_COLLATE,
 318                          (!done && (lang || PerlEnv_getenv("LC_COLLATE")))
 319                                    ? setlocale_init : NULL)))
 320             setlocale_failure = TRUE;
 321         else
 322             curcoll = savepv(curcoll);
 323 #       endif /* USE_LOCALE_COLLATE */
 324 #       ifdef USE_LOCALE_NUMERIC
 325         Safefree(curnum);
 326         if (! (curnum =
 327                setlocale(LC_NUMERIC,
 328                          (!done && (lang || PerlEnv_getenv("LC_NUMERIC")))
 329                                   ? setlocale_init : NULL)))
 330             setlocale_failure = TRUE;
 331         else
 332             curnum = savepv(curnum);
 333 #       endif /* USE_LOCALE_NUMERIC */
 334     }
 335
 336 #   endif /* LC_ALL */
 337
 338 #endif /* !LOCALE_ENVIRON_REQUIRED */
 339
 340 #ifdef LC_ALL
 341     if (! setlocale(LC_ALL, setlocale_init))
 342         setlocale_failure = TRUE;
 343 #endif /* LC_ALL */
 344
 345     if (!setlocale_failure) {
 346 #ifdef USE_LOCALE_CTYPE
 347         Safefree(curctype);
 348         if (! (curctype = setlocale(LC_CTYPE, setlocale_init)))
 349             setlocale_failure = TRUE;
 350         else
 351             curctype = savepv(curctype);
 352 #endif /* USE_LOCALE_CTYPE */
 353 #ifdef USE_LOCALE_COLLATE
 354         Safefree(curcoll);
 355         if (! (curcoll = setlocale(LC_COLLATE, setlocale_init)))
 356             setlocale_failure = TRUE;
 357         else
 358             curcoll = savepv(curcoll);
 359 #endif /* USE_LOCALE_COLLATE */
 360 #ifdef USE_LOCALE_NUMERIC
 361         Safefree(curnum);
 362         if (! (curnum = setlocale(LC_NUMERIC, setlocale_init)))
 363             setlocale_failure = TRUE;
 364         else
 365             curnum = savepv(curnum);
 366 #endif /* USE_LOCALE_NUMERIC */
 367     }
 368
 369     if (setlocale_failure) {
 370         char *p;
 371         const bool locwarn = (printwarn > 1 ||
 372                         (printwarn &&
 373                          (!(p = PerlEnv_getenv("PERL_BADLANG")) || atoi(p))));
 374
 375         if (locwarn) {
 376 #ifdef LC_ALL
 377
 378             PerlIO_printf(Perl_error_log,
 379                "perl: warning: Setting locale failed.\n");
 380
 381 #else /* !LC_ALL */
 382
 383             PerlIO_printf(Perl_error_log,
 384                "perl: warning: Setting locale failed for the categories:\n\t");
 385 #ifdef USE_LOCALE_CTYPE
 386             if (! curctype)
 387                 PerlIO_printf(Perl_error_log, "LC_CTYPE ");
 388 #endif /* USE_LOCALE_CTYPE */
 389 #ifdef USE_LOCALE_COLLATE
 390             if (! curcoll)
 391                 PerlIO_printf(Perl_error_log, "LC_COLLATE ");
 392 #endif /* USE_LOCALE_COLLATE */
 393 #ifdef USE_LOCALE_NUMERIC
 394             if (! curnum)
 395                 PerlIO_printf(Perl_error_log, "LC_NUMERIC ");
 396 #endif /* USE_LOCALE_NUMERIC */
 397             PerlIO_printf(Perl_error_log, "\n");
 398
 399 #endif /* LC_ALL */
 400
 401             PerlIO_printf(Perl_error_log,
 402                 "perl: warning: Please check that your locale settings:\n");
 403
 404 #ifdef __GLIBC__
 405             PerlIO_printf(Perl_error_log,
 406                           "\tLANGUAGE = %c%s%c,\n",
 407                           language ? '"' : '(',
 408                           language ? language : "unset",
 409                           language ? '"' : ')');
 410 #endif
 411
 412             PerlIO_printf(Perl_error_log,
 413                           "\tLC_ALL = %c%s%c,\n",
 414                           lc_all ? '"' : '(',
 415                           lc_all ? lc_all : "unset",
 416                           lc_all ? '"' : ')');
 417
 418 #if defined(USE_ENVIRON_ARRAY)
 419             {
 420               char **e;
 421               for (e = environ; *e; e++) {
 422                   if (strnEQ(*e, "LC_", 3)
 423                         && strnNE(*e, "LC_ALL=", 7)
 424                         && (p = strchr(*e, '=')))
 425                       PerlIO_printf(Perl_error_log, "\t%.*s = \"%s\",\n",
 426                                     (int)(p - *e), *e, p + 1);
 427               }
 428             }
 429 #else
 430             PerlIO_printf(Perl_error_log,
 431                           "\t(possibly more locale environment variables)\n");
 432 #endif
 433
 434             PerlIO_printf(Perl_error_log,
 435                           "\tLANG = %c%s%c\n",
 436                           lang ? '"' : '(',
 437                           lang ? lang : "unset",
 438                           lang ? '"' : ')');
 439
 440             PerlIO_printf(Perl_error_log,
 441                           "    are supported and installed on your system.\n");
 442         }
 443
 444 #ifdef LC_ALL
 445
 446         if (setlocale(LC_ALL, "C")) {
 447             if (locwarn)
 448                 PerlIO_printf(Perl_error_log,
 449       "perl: warning: Falling back to the standard locale (\"C\").\n");
 450             ok = 0;
 451         }
 452         else {
 453             if (locwarn)
 454                 PerlIO_printf(Perl_error_log,
 455       "perl: warning: Failed to fall back to the standard locale (\"C\").\n");
 456             ok = -1;
 457         }
 458
 459 #else /* ! LC_ALL */
 460
 461         if (0
 462 #ifdef USE_LOCALE_CTYPE
 463             || !(curctype || setlocale(LC_CTYPE, "C"))
 464 #endif /* USE_LOCALE_CTYPE */
 465 #ifdef USE_LOCALE_COLLATE
 466             || !(curcoll || setlocale(LC_COLLATE, "C"))
 467 #endif /* USE_LOCALE_COLLATE */
 468 #ifdef USE_LOCALE_NUMERIC
 469             || !(curnum || setlocale(LC_NUMERIC, "C"))
 470 #endif /* USE_LOCALE_NUMERIC */
 471             )
 472         {
 473             if (locwarn)
 474                 PerlIO_printf(Perl_error_log,
 475       "perl: warning: Cannot fall back to the standard locale (\"C\").\n");
 476             ok = -1;
 477         }
 478
 479 #endif /* ! LC_ALL */
 480
 481 #ifdef USE_LOCALE_CTYPE
 482         Safefree(curctype);
 483         curctype = savepv(setlocale(LC_CTYPE, NULL));
 484 #endif /* USE_LOCALE_CTYPE */
 485 #ifdef USE_LOCALE_COLLATE
 486         Safefree(curcoll);
 487         curcoll = savepv(setlocale(LC_COLLATE, NULL));
 488 #endif /* USE_LOCALE_COLLATE */
 489 #ifdef USE_LOCALE_NUMERIC
 490         Safefree(curnum);
 491         curnum = savepv(setlocale(LC_NUMERIC, NULL));
 492 #endif /* USE_LOCALE_NUMERIC */
 493     }
 494     else {
 495
 496 #ifdef USE_LOCALE_CTYPE
 497     new_ctype(curctype);
 498 #endif /* USE_LOCALE_CTYPE */
 499
 500 #ifdef USE_LOCALE_COLLATE
 501     new_collate(curcoll);
 502 #endif /* USE_LOCALE_COLLATE */
 503
 504 #ifdef USE_LOCALE_NUMERIC
 505     new_numeric(curnum);
 506 #endif /* USE_LOCALE_NUMERIC */
 507
 508     }
 509
 510 #endif /* USE_LOCALE */
 511
 512 #ifdef USE_PERLIO
 513     {
 514       /* Set PL_utf8locale to TRUE if using PerlIO _and_
 515          the current LC_CTYPE locale is UTF-8.
 516          If PL_utf8locale and PL_unicode (set by -C or by $ENV{PERL_UNICODE})
 517          are true, perl.c:S_parse_body() will turn on the PerlIO :utf8 layer
 518          on STDIN, STDOUT, STDERR, _and_ the default open discipline.
 519       */
 520         PL_utf8locale = is_cur_LC_category_utf8(LC_CTYPE);
 521     }
 522     /* Set PL_unicode to $ENV{PERL_UNICODE} if using PerlIO.
 523        This is an alternative to using the -C command line switch
 524        (the -C if present will override this). */
 525     {
 526          const char *p = PerlEnv_getenv("PERL_UNICODE");
 527          PL_unicode = p ? parse_unicode_opts(&p) : 0;
 528          if (PL_unicode & PERL_UNICODE_UTF8CACHEASSERT_FLAG)
 529              PL_utf8cache = -1;
 530     }
 531 #endif
 532
 533 #ifdef USE_LOCALE_CTYPE
 534     Safefree(curctype);
 535 #endif /* USE_LOCALE_CTYPE */
 536 #ifdef USE_LOCALE_COLLATE
 537     Safefree(curcoll);
 538 #endif /* USE_LOCALE_COLLATE */
 539 #ifdef USE_LOCALE_NUMERIC
 540     Safefree(curnum);
 541 #endif /* USE_LOCALE_NUMERIC */
 542     return ok;
 543 }
 544
 545 #ifdef USE_LOCALE_COLLATE
 546
 547 /*
 548  * mem_collxfrm() is a bit like strxfrm() but with two important
 549  * differences. First, it handles embedded NULs. Second, it allocates
 550  * a bit more memory than needed for the transformed data itself.
 551  * The real transformed data begins at offset sizeof(collationix).
 552  * Please see sv_collxfrm() to see how this is used.
 553  */
 554
 555 char *
 556 Perl_mem_collxfrm(pTHX_ const char *s, STRLEN len, STRLEN *xlen)
 557 {
 558     dVAR;
 559     char *xbuf;
 560     STRLEN xAlloc, xin, xout; /* xalloc is a reserved word in VC */
 561
 562     PERL_ARGS_ASSERT_MEM_COLLXFRM;
 563
 564     /* the first sizeof(collationix) bytes are used by sv_collxfrm(). */
 565     /* the +1 is for the terminating NUL. */
 566
 567     xAlloc = sizeof(PL_collation_ix) + PL_collxfrm_base + (PL_collxfrm_mult * len) + 1;
 568     Newx(xbuf, xAlloc, char);
 569     if (! xbuf)
 570         goto bad;
 571
 572     *(U32*)xbuf = PL_collation_ix;
 573     xout = sizeof(PL_collation_ix);
 574     for (xin = 0; xin < len; ) {
 575         Size_t xused;
 576
 577         for (;;) {
 578             xused = strxfrm(xbuf + xout, s + xin, xAlloc - xout);
 579             if (xused >= PERL_INT_MAX)
 580                 goto bad;
 581             if ((STRLEN)xused < xAlloc - xout)
 582                 break;
 583             xAlloc = (2 * xAlloc) + 1;
 584             Renew(xbuf, xAlloc, char);
 585             if (! xbuf)
 586                 goto bad;
 587         }
 588
 589         xin += strlen(s + xin) + 1;
 590         xout += xused;
 591
 592         /* Embedded NULs are understood but silently skipped
 593          * because they make no sense in locale collation. */
 594     }
 595
 596     xbuf[xout] = '\0';
 597     *xlen = xout - sizeof(PL_collation_ix);
 598     return xbuf;
 599
 600   bad:
 601     Safefree(xbuf);
 602     *xlen = 0;
 603     return NULL;
 604 }
 605
 606 #endif /* USE_LOCALE_COLLATE */
 607
 608 STATIC bool
 609 S_is_cur_LC_category_utf8(pTHX_ int category)
 610 {
 611     /* Returns TRUE if the current locale for 'category' is UTF-8; FALSE
 612      * otherwise. 'category' may not be LC_ALL.  If the platform doesn't have
 613      * nl_langinfo(), this employs a heuristic, which hence could give the
 614      * wrong result.  It errs on the side of not being a UTF-8 locale. */
 615
 616     char *save_input_locale = NULL;
 617     int has_hyphen;
 618     STRLEN final_pos;
 619
 620     assert(category != LC_ALL);
 621
 622     /* First dispose of the trivial cases */
 623     save_input_locale = stdize_locale(setlocale(category, NULL));
 624     if (! save_input_locale) {
 625         return FALSE;   /* XXX maybe should croak */
 626     }
 627     if ((*save_input_locale == 'C' && save_input_locale[1] == '\0')
 628         || strEQ(save_input_locale, "POSIX"))
 629     {
 630         return FALSE;
 631     }
 632
 633     save_input_locale = savepv(save_input_locale);
 634
 635 #if defined(HAS_NL_LANGINFO) && defined(CODESET) && defined(USE_LOCALE_CTYPE)
 636
 637     { /* Next try nl_langinfo if available */
 638
 639         char *save_ctype_locale = NULL;
 640         char *codeset = NULL;
 641
 642         if (category != LC_CTYPE) { /* nl_langinfo works only on LC_CTYPE */
 643
 644             /* Get the current LC_CTYPE locale */
 645             save_ctype_locale = stdize_locale(savepv(setlocale(LC_CTYPE, NULL)));
 646             if (! save_ctype_locale) {
 647                 goto cant_use_nllanginfo;
 648             }
 649
 650             /* If LC_CTYPE and the desired category use the same locale, this
 651              * means that finding the value for LC_CTYPE is the same as finding
 652              * the value for the desired category.  Otherwise, switch LC_CTYPE
 653              * to the desired category's locale */
 654             if (strEQ(save_ctype_locale, save_input_locale)) {
 655                 Safefree(save_ctype_locale);
 656                 save_ctype_locale = NULL;
 657             }
 658             else if (! setlocale(LC_CTYPE, save_input_locale)) {
 659                 Safefree(save_ctype_locale);
 660                 goto cant_use_nllanginfo;
 661             }
 662         }
 663
 664         /* Here the current LC_CTYPE is set to the locale of the category whose
 665          * information is desired.  This means that nl_langinfo() should give
 666          * the correct results */
 667         codeset = savepv(nl_langinfo(CODESET));
 668         if (codeset) {
 669             bool is_utf8;
 670
 671             /* If we switched LC_CTYPE, switch back */
 672             if (save_ctype_locale) {
 673                 setlocale(LC_CTYPE, save_ctype_locale);
 674                 Safefree(save_ctype_locale);
 675             }
 676
 677             is_utf8 = foldEQ(codeset, STR_WITH_LEN("UTF-8"))
 678                       || foldEQ(codeset, STR_WITH_LEN("UTF8"));
 679
 680             Safefree(codeset);
 681             Safefree(save_input_locale);
 682             return is_utf8;
 683         }
 684
 685     }
 686   cant_use_nllanginfo:
 687
 688 #endif /* HAS_NL_LANGINFO etc */
 689
 690     /* nl_langinfo not available or failed somehow.  Look at the locale name to
 691      * see if it matches qr/UTF -? 8 $ /ix  */
 692
 693     final_pos = strlen(save_input_locale) - 1;
 694     if (final_pos >= 3
 695         && *(save_input_locale + final_pos) == '8')
 696     {
 697         has_hyphen = *(save_input_locale + final_pos - 1 ) == '-';
 698         if ((! has_hyphen || final_pos >= 4)
 699             && toFOLD(*(save_input_locale + final_pos - has_hyphen - 1)) == 'f'
 700             && toFOLD(*(save_input_locale + final_pos - has_hyphen - 2)) == 't'
 701             && toFOLD(*(save_input_locale + final_pos - has_hyphen - 3)) == 'u')
 702         {
 703             Safefree(save_input_locale);
 704             return TRUE;
 705         }
 706     }
 707
 708 #ifdef WIN32
 709     /* http://msdn.microsoft.com/en-us/library/windows/desktop/dd317756.aspx */
 710     if (final_pos >= 4
 711         && *(save_input_locale + final_pos - 0) == '1'
 712         && *(save_input_locale + final_pos - 1) == '0'
 713         && *(save_input_locale + final_pos - 2) == '0'
 714         && *(save_input_locale + final_pos - 3) == '5'
 715         && *(save_input_locale + final_pos - 4) == '6')
 716     {
 717         Safefree(save_input_locale);
 718         return TRUE;
 719     }
 720 #endif
 721
 722     /* Other common encodings are the ISO 8859 series, which aren't UTF-8 */
 723     if (instr(save_input_locale, "8859")) {
 724         Safefree(save_input_locale);
 725         return FALSE;
 726     }
 727
 728 #ifdef HAS_LOCALECONV
 729
 730 #   ifdef USE_LOCALE_MONETARY
 731
 732     /* Here, there is nothing in the locale name to indicate whether the locale
 733      * is UTF-8 or not.  This "name", the return of setlocale(), is actually
 734      * defined to be opaque, so we can't really rely on the absence of various
 735      * substrings in the name to indicate its UTF-8ness.  Look at the locale's
 736      * currency symbol.  Often that will be in the native script, and if the
 737      * symbol isn't in UTF-8, we know that the locale isn't.  If it is
 738      * non-ASCII UTF-8, we infer that the locale is too.
 739      * To do this, like above for LC_CTYPE, we first set LC_MONETARY to the
 740      * locale of the desired category, if it isn't that locale already */
 741
 742     {
 743         char *save_monetary_locale = NULL;
 744         bool illegal_utf8 = FALSE;
 745         bool only_ascii = FALSE;
 746         const struct lconv* const lc = localeconv();
 747
 748         if (category != LC_MONETARY) {
 749
 750             save_monetary_locale = stdize_locale(savepv(setlocale(LC_MONETARY,
 751                                                                   NULL)));
 752             if (! save_monetary_locale) {
 753                 goto cant_use_monetary;
 754             }
 755
 756             if (strNE(save_monetary_locale, save_input_locale)) {
 757                 if (! setlocale(LC_MONETARY, save_input_locale)) {
 758                     Safefree(save_monetary_locale);
 759                     goto cant_use_monetary;
 760                 }
 761             }
 762         }
 763
 764         /* Here the current LC_MONETARY is set to the locale of the category
 765          * whose information is desired. */
 766
 767         if (lc && lc->currency_symbol) {
 768             if (! is_utf8_string((U8 *) lc->currency_symbol, 0)) {
 769                 illegal_utf8 = TRUE;
 770             }
 771             else if (is_ascii_string((U8 *) lc->currency_symbol, 0)) {
 772                 only_ascii = TRUE;
 773             }
 774         }
 775
 776         /* If we changed it, restore LC_MONETARY to its original locale */
 777         if (save_monetary_locale) {
 778             setlocale(LC_MONETARY, save_monetary_locale);
 779             Safefree(save_monetary_locale);
 780         }
 781
 782         Safefree(save_input_locale);
 783
 784         /* It isn't a UTF-8 locale if the symbol is not legal UTF-8; otherwise
 785          * assume the locale is UTF-8 if and only if the symbol is non-ascii
 786          * UTF-8.  (We can't really tell if the locale is UTF-8 or not if the
 787          * symbol is just a '$', so we err on the side of it not being UTF-8)
 788          * */
 789         return (illegal_utf8)
 790                 ? FALSE
 791                 : ! only_ascii;
 792
 793     }
 794   cant_use_monetary:
 795
 796 #   endif /* USE_LOCALE_MONETARY */
 797 #endif /* HAS_LOCALECONV */
 798
 799 #if 0 && defined(HAS_STRERROR) && defined(USE_LOCALE_MESSAGES)
 800
 801 /* This code is ifdefd out because it was found to not be necessary in testing
 802  * on our dromedary test machine, which has over 700 locales.  There, looking
 803  * at just the currency symbol gave essentially the same results as doing this
 804  * extra work.  Executing this also caused segfaults in miniperl.  I left it in
 805  * so as to avoid rewriting it if real-world experience indicates that
 806  * dromedary is an outlier.  Essentially, instead of returning abpve if we
 807  * haven't found illegal utf8, we continue on and examine all the strerror()
 808  * messages on the platform for utf8ness.  If all are ASCII, we still don't
 809  * know the answer; but otherwise we have a pretty good indication of the
 810  * utf8ness.  The reason this doesn't necessarily help much is that the
 811  * messages may not have been translated into the locale.  The currency symbol
 812  * is much more likely to have been translated.  The code below would need to
 813  * be altered somewhat to just be a continuation of testing the currency
 814  * symbol. */
 815         int e;
 816         unsigned int failures = 0, non_ascii = 0;
 817         char *save_messages_locale = NULL;
 818
 819         /* Like above for LC_CTYPE, we set LC_MESSAGES to the locale of the
 820          * desired category, if it isn't that locale already */
 821
 822         if (category != LC_MESSAGES) {
 823
 824             save_messages_locale = stdize_locale(savepv(setlocale(LC_MESSAGES,
 825                                                                   NULL)));
 826             if (! save_messages_locale) {
 827                 goto cant_use_messages;
 828             }
 829
 830             if (strEQ(save_messages_locale, save_input_locale)) {
 831                 Safefree(save_input_locale);
 832             }
 833             else if (! setlocale(LC_MESSAGES, save_input_locale)) {
 834                 Safefree(save_messages_locale);
 835                 goto cant_use_messages;
 836             }
 837         }
 838
 839         /* Here the current LC_MESSAGES is set to the locale of the category
 840          * whose information is desired.  Look through all the messages */
 841
 842         for (e = 0;
 843 #ifdef HAS_SYS_ERRLIST
 844              e <= sys_nerr
 845 #endif
 846              ; e++)
 847         {
 848             const U8* const errmsg = (U8 *) Strerror(e) ;
 849             if (!errmsg)
 850                 break;
 851             if (! is_utf8_string(errmsg, 0)) {
 852                 failures++;
 853                 break;
 854             }
 855             else if (! is_ascii_string(errmsg, 0)) {
 856                 non_ascii++;
 857             }
 858         }
 859
 860         /* And, if we changed it, restore LC_MESSAGES to its original locale */
 861         if (save_messages_locale) {
 862             setlocale(LC_MESSAGES, save_messages_locale);
 863             Safefree(save_messages_locale);
 864         }
 865
 866         /* Any non-UTF-8 message means not a UTF-8 locale; if all are valid,
 867          * any non-ascii means it is one; otherwise we assume it isn't */
 868         return (failures) ? FALSE : non_ascii;
 869
 870     }
 871   cant_use_messages:
 872
 873 #endif
 874
 875     Safefree(save_input_locale);
 876     return FALSE;
 877 }
 878
 879
 880
 881 /*
 882  * Local variables:
 883  * c-indentation-style: bsd
 884  * c-basic-offset: 4
 885  * indent-tabs-mode: nil
 886  * End:
 887  *
 888  * ex: set ts=8 sts=4 sw=4 et:
 889  */