make nl_langinfo(CODESET) always return "ASCII" in byte-based C locale
authorRich Felker <dalias@aerifal.cx>
Thu, 1 Oct 2015 22:59:56 +0000 (22:59 +0000)
committerRich Felker <dalias@aerifal.cx>
Thu, 1 Oct 2015 22:59:56 +0000 (22:59 +0000)
commit 844212d94f582c4e3c5055e0a1524931e89ebe76, which did not make it
into any releases, changed nl_langinfo(CODESET) to always return
"UTF-8", even in the byte-based C locale. this was problematic because
application software was found to use the string match for "UTF-8" to
activate its own UTF-8 processing. this both undermines the byte-based
functionality of the C locale, and if mixed with with calls to the
standard multibyte functions, which happened in practice, could result
in severe mis-handling of input.

the motive for the previous change was that, to avoid widespread
compatibility problems, the string returned by nl_langinfo(CODESET)
needs to be accepted by iconv and by third-party character conversion
code. thus, the only remaining choice is "ASCII". this choice
accurately represents the intent that high bytes do not have
individual meaning in the C locale, but it does mean that iconv, when
passed nl_langinfo(CODESET) in the C locale, will produce errors in
cases where mbrtowc would have succeeded. for reference, glibc behaves
similarly in this regard, so I don't think it will be a problem.

src/locale/langinfo.c

index a1ada246ba35dee556e535d5b990c492febe636f..d3c90d96690ba16a76d39f4e453d245e38cc9a85 100644 (file)
@@ -33,7 +33,7 @@ char *__nl_langinfo_l(nl_item item, locale_t loc)
        int idx = item & 65535;
        const char *str;
 
-       if (item == CODESET) return "UTF-8";
+       if (item == CODESET) return MB_CUR_MAX==1 ? "ASCII" : "UTF-8";
        
        switch (cat) {
        case LC_NUMERIC: