Perl5 在 Solaris 系统下的 locale 处理问题解析

问题背景

在 Perl5 40 版本中，当运行在 Solaris 11 系统上时，会出现一个与 locale 设置相关的错误。具体表现为当系统使用复合 locale 设置时，Perl 无法正确解析 setlocale(3C) 函数的输出，导致程序崩溃。

问题现象

当用户在 Solaris 系统上设置如下环境变量后运行 Perl：

export LC_CTYPE=cs_CZ.UTF-8
export LC_NUMERIC=cs_CZ.UTF-8
export LC_TIME=cs_CZ.UTF-8
export LC_COLLATE=cs_CZ.UTF-8
export LC_MONETARY=cs_CZ.UTF-8
export LC_MESSAGES=C

执行 perl -e 0 命令时，会收到如下错误信息：

locale.c: 3407: panic: Can't change locale for LC_ALL (6) from '/cs_CZ.UTF-8/cs_CZ.UTF-8/cs_CZ.UTF-8/cs_CZ.UTF-8/cs_CZ.UTF-8/C' to '/cs_CZ.UTF-8/cs_CZ.UTF-8/cs_CZ.UTF-8/cs_CZ.UTF-8/cs_CZ.UTF-8/C' 
Called via locale.c: 8561; errno=22
Called by locale.c: 9232

问题根源

这个问题源于 Solaris 系统特有的 setlocale(3C) 函数行为。根据 Solaris 的 man page 文档说明：

1. 当查询当前全局 locale 设置时，如果 category 是 LC_ALL 且当前全局 locale 是复合 locale，返回的字符串会包含 LC_CTYPE、LC_NUMERIC、LC_TIME、LC_COLLATE、LC_MONETARY 和 LC_MESSAGES 类别的 locale 名称
2. 这些名称会按照顺序连接在一起，每个类别的 locale 名称前面都有一个斜杠('/')字符
3. 例如："/en_US.UTF-8/C/C/C/C/C"

Perl 的 S_parse_LC_ALL_string 函数原本没有考虑到这种以斜杠开头的情况，导致解析时误认为有一个额外的空 locale 定义，从而引发错误。

解决方案

针对这个问题，提出了以下修复方案：

const char * s = string;

/* Solaris setlocale(3C) returns composite locale prefixed by slash. For example
 * "/en_US.UTF-8/C/C/C/C/C". See man page. We must remove it or this
 * function will think that there is additional empty locale at the
 * beginning of the string and the number of detected locales will not
 * match expected LC_ALL_INDEX_. */
if (s == instr(s, separator)) {
    s += separator_len;
}

这个修改会检查字符串是否以分隔符开头，如果是则跳过该分隔符，确保后续解析能正确处理 Solaris 系统返回的复合 locale 字符串。

技术讨论

关于这个修复，有几个值得注意的技术点：

1. Locale 名称的不透明性：理论上，locale 名称应该是完全透明的，系统可以自由选择任何方式表示它们。POSIX 最初甚至没有提供查询当前 locale 的方法，后来才被迫添加了这个功能。

2. 跨系统兼容性：虽然这个问题最初是在 Solaris 上发现的，但类似的 locale 表示方式可能也存在于其他系统中。因此，更通用的解决方案可能比仅针对 Solaris 的修复更为合适。

3. 错误处理：在解析 locale 字符串时，必须谨慎处理各种边界情况，因为不合法的 locale 名称会导致程序行为异常。

总结

这个问题的解决展示了在跨平台开发中处理系统特定行为的重要性。Perl 作为一门广泛使用的脚本语言，需要适应各种操作系统和环境的特殊行为。通过理解 Solaris 的 setlocale(3C) 函数特性，并相应调整解析逻辑，确保了 Perl 在 Solaris 系统上的稳定运行。

这也提醒开发者，在处理系统相关功能时，应该充分了解目标平台的文档和规范，特别是在处理国际化相关功能时，不同系统的实现细节可能会有显著差异。