make nl_langinfo(CODESET) always return "UTF-8"
authorRich Felker <dalias@aerifal.cx>
Wed, 9 Sep 2015 05:13:33 +0000 (05:13 +0000)
committerRich Felker <dalias@aerifal.cx>
Wed, 9 Sep 2015 05:13:33 +0000 (05:13 +0000)
this restores the original behavior prior to the addition of the
byte-based C locale and fixes what is effectively a regression in
musl's property of always providing working UTF-8 support.

commit 1507ebf837334e9e07cfab1ca1c2e88449069a80 introduced the codeset
name "UTF-8-CODE-UNITS" for the byte-based C locale to represent that
the semantic content is UTF-8 but that it is being processed as code
units (bytes) rather than whole multibyte characters. however, many
programs assume that the codeset name is usable with iconv and/or
comes from a set of standard/widely-used names known to the
application. such programs are likely to produce warnings or errors,
run with reduced functionality, or mangle character data when run
explicitly in the C locale.

the standard places basically no requirements for the string returned
by nl_langinfo(CODESET) and how it interacts with other interfaces, so
returning "UTF-8" is permissible. moreover, it seems like the right
thing to do, since the identity of the character encoding as "UTF-8"
is independent of whether it is being processed as bytes of characters
by the standard library functions.

src/locale/langinfo.c

index 776b4478611c35d5ff5faad18770eb31070e6561..69693fffe5945ae47bb885170a68bd6dd1d8a749 100644 (file)
@@ -33,8 +33,7 @@ char *__nl_langinfo_l(nl_item item, locale_t loc)
        int idx = item & 65535;
        const char *str;
 
-       if (item == CODESET)
-               return MB_CUR_MAX==1 ? "UTF-8-CODE-UNITS" : "UTF-8";
+       if (item == CODESET) "UTF-8";
        
        switch (cat) {
        case LC_NUMERIC: