Age Owner Branch data TLA Line data Source code
1 : : /*-------------------------------------------------------------------------
2 : : *
3 : : * chklocale.c
4 : : * Functions for handling locale-related info
5 : : *
6 : : *
7 : : * Copyright (c) 1996-2025, PostgreSQL Global Development Group
8 : : *
9 : : *
10 : : * IDENTIFICATION
11 : : * src/port/chklocale.c
12 : : *
13 : : *-------------------------------------------------------------------------
14 : : */
15 : :
16 : : #ifndef FRONTEND
17 : : #include "postgres.h"
18 : : #else
19 : : #include "postgres_fe.h"
20 : : #endif
21 : :
22 : : #ifndef WIN32
23 : : #include <langinfo.h>
24 : : #endif
25 : :
26 : : #include "mb/pg_wchar.h"
27 : :
28 : :
29 : : /*
30 : : * This table needs to recognize all the CODESET spellings for supported
31 : : * backend encodings, as well as frontend-only encodings where possible
32 : : * (the latter case is currently only needed for initdb to recognize
33 : : * error situations). On Windows, we rely on entries for codepage
34 : : * numbers (CPnnn).
35 : : *
36 : : * Note that we search the table with pg_strcasecmp(), so variant
37 : : * capitalizations don't need their own entries.
38 : : */
39 : : struct encoding_match
40 : : {
41 : : enum pg_enc pg_enc_code;
42 : : const char *system_enc_name;
43 : : };
44 : :
45 : : static const struct encoding_match encoding_match_list[] = {
46 : : {PG_EUC_JP, "EUC-JP"},
47 : : {PG_EUC_JP, "eucJP"},
48 : : {PG_EUC_JP, "IBM-eucJP"},
49 : : {PG_EUC_JP, "sdeckanji"},
50 : : {PG_EUC_JP, "CP20932"},
51 : :
52 : : {PG_EUC_CN, "EUC-CN"},
53 : : {PG_EUC_CN, "eucCN"},
54 : : {PG_EUC_CN, "IBM-eucCN"},
55 : : {PG_EUC_CN, "GB2312"},
56 : : {PG_EUC_CN, "dechanzi"},
57 : : {PG_EUC_CN, "CP20936"},
58 : :
59 : : {PG_EUC_KR, "EUC-KR"},
60 : : {PG_EUC_KR, "eucKR"},
61 : : {PG_EUC_KR, "IBM-eucKR"},
62 : : {PG_EUC_KR, "deckorean"},
63 : : {PG_EUC_KR, "5601"},
64 : : {PG_EUC_KR, "CP51949"},
65 : :
66 : : {PG_EUC_TW, "EUC-TW"},
67 : : {PG_EUC_TW, "eucTW"},
68 : : {PG_EUC_TW, "IBM-eucTW"},
69 : : {PG_EUC_TW, "cns11643"},
70 : : /* No codepage for EUC-TW ? */
71 : :
72 : : {PG_UTF8, "UTF-8"},
73 : : {PG_UTF8, "utf8"},
74 : : {PG_UTF8, "CP65001"},
75 : :
76 : : {PG_LATIN1, "ISO-8859-1"},
77 : : {PG_LATIN1, "ISO8859-1"},
78 : : {PG_LATIN1, "iso88591"},
79 : : {PG_LATIN1, "CP28591"},
80 : :
81 : : {PG_LATIN2, "ISO-8859-2"},
82 : : {PG_LATIN2, "ISO8859-2"},
83 : : {PG_LATIN2, "iso88592"},
84 : : {PG_LATIN2, "CP28592"},
85 : :
86 : : {PG_LATIN3, "ISO-8859-3"},
87 : : {PG_LATIN3, "ISO8859-3"},
88 : : {PG_LATIN3, "iso88593"},
89 : : {PG_LATIN3, "CP28593"},
90 : :
91 : : {PG_LATIN4, "ISO-8859-4"},
92 : : {PG_LATIN4, "ISO8859-4"},
93 : : {PG_LATIN4, "iso88594"},
94 : : {PG_LATIN4, "CP28594"},
95 : :
96 : : {PG_LATIN5, "ISO-8859-9"},
97 : : {PG_LATIN5, "ISO8859-9"},
98 : : {PG_LATIN5, "iso88599"},
99 : : {PG_LATIN5, "CP28599"},
100 : :
101 : : {PG_LATIN6, "ISO-8859-10"},
102 : : {PG_LATIN6, "ISO8859-10"},
103 : : {PG_LATIN6, "iso885910"},
104 : :
105 : : {PG_LATIN7, "ISO-8859-13"},
106 : : {PG_LATIN7, "ISO8859-13"},
107 : : {PG_LATIN7, "iso885913"},
108 : :
109 : : {PG_LATIN8, "ISO-8859-14"},
110 : : {PG_LATIN8, "ISO8859-14"},
111 : : {PG_LATIN8, "iso885914"},
112 : :
113 : : {PG_LATIN9, "ISO-8859-15"},
114 : : {PG_LATIN9, "ISO8859-15"},
115 : : {PG_LATIN9, "iso885915"},
116 : : {PG_LATIN9, "CP28605"},
117 : :
118 : : {PG_LATIN10, "ISO-8859-16"},
119 : : {PG_LATIN10, "ISO8859-16"},
120 : : {PG_LATIN10, "iso885916"},
121 : :
122 : : {PG_KOI8R, "KOI8-R"},
123 : : {PG_KOI8R, "CP20866"},
124 : :
125 : : {PG_KOI8U, "KOI8-U"},
126 : : {PG_KOI8U, "CP21866"},
127 : :
128 : : {PG_WIN866, "CP866"},
129 : : {PG_WIN874, "CP874"},
130 : : {PG_WIN1250, "CP1250"},
131 : : {PG_WIN1251, "CP1251"},
132 : : {PG_WIN1251, "ansi-1251"},
133 : : {PG_WIN1252, "CP1252"},
134 : : {PG_WIN1253, "CP1253"},
135 : : {PG_WIN1254, "CP1254"},
136 : : {PG_WIN1255, "CP1255"},
137 : : {PG_WIN1256, "CP1256"},
138 : : {PG_WIN1257, "CP1257"},
139 : : {PG_WIN1258, "CP1258"},
140 : :
141 : : {PG_ISO_8859_5, "ISO-8859-5"},
142 : : {PG_ISO_8859_5, "ISO8859-5"},
143 : : {PG_ISO_8859_5, "iso88595"},
144 : : {PG_ISO_8859_5, "CP28595"},
145 : :
146 : : {PG_ISO_8859_6, "ISO-8859-6"},
147 : : {PG_ISO_8859_6, "ISO8859-6"},
148 : : {PG_ISO_8859_6, "iso88596"},
149 : : {PG_ISO_8859_6, "CP28596"},
150 : :
151 : : {PG_ISO_8859_7, "ISO-8859-7"},
152 : : {PG_ISO_8859_7, "ISO8859-7"},
153 : : {PG_ISO_8859_7, "iso88597"},
154 : : {PG_ISO_8859_7, "CP28597"},
155 : :
156 : : {PG_ISO_8859_8, "ISO-8859-8"},
157 : : {PG_ISO_8859_8, "ISO8859-8"},
158 : : {PG_ISO_8859_8, "iso88598"},
159 : : {PG_ISO_8859_8, "CP28598"},
160 : :
161 : : {PG_SJIS, "SJIS"},
162 : : {PG_SJIS, "PCK"},
163 : : {PG_SJIS, "CP932"},
164 : : {PG_SJIS, "SHIFT_JIS"},
165 : :
166 : : {PG_BIG5, "BIG5"},
167 : : {PG_BIG5, "BIG5HKSCS"},
168 : : {PG_BIG5, "Big5-HKSCS"},
169 : : {PG_BIG5, "CP950"},
170 : :
171 : : {PG_GBK, "GBK"},
172 : : {PG_GBK, "CP936"},
173 : :
174 : : {PG_UHC, "UHC"},
175 : : {PG_UHC, "CP949"},
176 : :
177 : : {PG_JOHAB, "JOHAB"},
178 : : {PG_JOHAB, "CP1361"},
179 : :
180 : : {PG_GB18030, "GB18030"},
181 : : {PG_GB18030, "CP54936"},
182 : :
183 : : {PG_SHIFT_JIS_2004, "SJIS_2004"},
184 : :
185 : : {PG_SQL_ASCII, "US-ASCII"},
186 : :
187 : : {PG_SQL_ASCII, NULL} /* end marker */
188 : : };
189 : :
190 : : #ifdef WIN32
191 : : /*
192 : : * On Windows, use CP<code page number> instead of CODESET.
193 : : *
194 : : * This routine uses GetLocaleInfoEx() to parse short locale names like
195 : : * "de-DE", "fr-FR", etc. If those cannot be parsed correctly process falls
196 : : * back to the pre-VS-2010 manual parsing done with using
197 : : * <Language>_<Country>.<CodePage> as a base.
198 : : *
199 : : * Returns a malloc()'d string for the caller to free.
200 : : */
201 : : static char *
202 : : win32_get_codeset(const char *ctype)
203 : : {
204 : : char *r = NULL;
205 : : char *codepage;
206 : : uint32 cp;
207 : : WCHAR wctype[LOCALE_NAME_MAX_LENGTH];
208 : :
209 : : memset(wctype, 0, sizeof(wctype));
210 : : MultiByteToWideChar(CP_ACP, 0, ctype, -1, wctype, LOCALE_NAME_MAX_LENGTH);
211 : :
212 : : if (GetLocaleInfoEx(wctype,
213 : : LOCALE_IDEFAULTANSICODEPAGE | LOCALE_RETURN_NUMBER,
214 : : (LPWSTR) &cp, sizeof(cp) / sizeof(WCHAR)) > 0)
215 : : {
216 : : r = malloc(16); /* excess */
217 : : if (r != NULL)
218 : : {
219 : : /*
220 : : * If the return value is CP_ACP that means no ANSI code page is
221 : : * available, so only Unicode can be used for the locale.
222 : : */
223 : : if (cp == CP_ACP)
224 : : strcpy(r, "utf8");
225 : : else
226 : : sprintf(r, "CP%u", cp);
227 : : }
228 : : }
229 : : else
230 : : {
231 : : /*
232 : : * Locale format on Win32 is <Language>_<Country>.<CodePage>. For
233 : : * example, English_United States.1252. If we see digits after the
234 : : * last dot, assume it's a codepage number. Otherwise, we might be
235 : : * dealing with a Unix-style locale string; Windows' setlocale() will
236 : : * take those even though GetLocaleInfoEx() won't, so we end up here.
237 : : * In that case, just return what's after the last dot and hope we can
238 : : * find it in our table.
239 : : */
240 : : codepage = strrchr(ctype, '.');
241 : : if (codepage != NULL)
242 : : {
243 : : size_t ln;
244 : :
245 : : codepage++;
246 : : ln = strlen(codepage);
247 : : r = malloc(ln + 3);
248 : : if (r != NULL)
249 : : {
250 : : if (strspn(codepage, "0123456789") == ln)
251 : : sprintf(r, "CP%s", codepage);
252 : : else
253 : : strcpy(r, codepage);
254 : : }
255 : : }
256 : : }
257 : :
258 : : return r;
259 : : }
260 : :
261 : : #ifndef FRONTEND
262 : : /*
263 : : * Given a Windows code page identifier, find the corresponding PostgreSQL
264 : : * encoding. Issue a warning and return -1 if none found.
265 : : */
266 : : int
267 : : pg_codepage_to_encoding(UINT cp)
268 : : {
269 : : char sys[16];
270 : : int i;
271 : :
272 : : sprintf(sys, "CP%u", cp);
273 : :
274 : : /* Check the table */
275 : : for (i = 0; encoding_match_list[i].system_enc_name; i++)
276 : : if (pg_strcasecmp(sys, encoding_match_list[i].system_enc_name) == 0)
277 : : return encoding_match_list[i].pg_enc_code;
278 : :
279 : : ereport(WARNING,
280 : : (errmsg("could not determine encoding for codeset \"%s\"", sys)));
281 : :
282 : : return -1;
283 : : }
284 : : #endif
285 : : #endif /* WIN32 */
286 : :
287 : : /*
288 : : * Given a setting for LC_CTYPE, return the Postgres ID of the associated
289 : : * encoding, if we can determine it. Return -1 if we can't determine it.
290 : : *
291 : : * Pass in NULL to get the encoding for the current locale setting.
292 : : * Pass "" to get the encoding selected by the server's environment.
293 : : *
294 : : * If the result is PG_SQL_ASCII, callers should treat it as being compatible
295 : : * with any desired encoding.
296 : : *
297 : : * If running in the backend and write_message is false, this function must
298 : : * cope with the possibility that elog() and palloc() are not yet usable.
299 : : */
300 : : int
5324 peter_e@gmx.net 301 :CBC 41275 : pg_get_encoding_from_locale(const char *ctype, bool write_message)
302 : : {
303 : : char *sys;
304 : : int i;
305 : :
306 : : #ifndef WIN32
307 : : locale_t loc;
308 : : #endif
309 : :
310 : : /* Get the CODESET property, and also LC_CTYPE if not passed in */
389 tmunro@postgresql.or 311 [ + + ]: 41275 : if (!ctype)
6553 tgl@sss.pgh.pa.us 312 : 15714 : ctype = setlocale(LC_CTYPE, NULL);
313 : :
314 : :
315 : : /* If locale is C or POSIX, we can allow all encodings */
389 tmunro@postgresql.or 316 [ + + + + ]: 81731 : if (pg_strcasecmp(ctype, "C") == 0 ||
317 : 40456 : pg_strcasecmp(ctype, "POSIX") == 0)
318 : 891 : return PG_SQL_ASCII;
319 : :
320 : :
321 : : #ifndef WIN32
322 : 40384 : loc = newlocale(LC_CTYPE_MASK, ctype, (locale_t) 0);
323 [ - + ]: 40384 : if (loc == (locale_t) 0)
389 tmunro@postgresql.or 324 :UBC 0 : return -1; /* bogus ctype passed in? */
325 : :
389 tmunro@postgresql.or 326 :CBC 40384 : sys = nl_langinfo_l(CODESET, loc);
327 [ + - ]: 40384 : if (sys)
328 : 40384 : sys = strdup(sys);
329 : :
330 : 40384 : freelocale(loc);
331 : : #else
332 : : sys = win32_get_codeset(ctype);
333 : : #endif
334 : :
6553 tgl@sss.pgh.pa.us 335 [ - + ]: 40384 : if (!sys)
5671 bruce@momjian.us 336 :UBC 0 : return -1; /* out of memory; unlikely */
337 : :
338 : : /* Check the table */
6553 tgl@sss.pgh.pa.us 339 [ + + ]:CBC 1087552 : for (i = 0; encoding_match_list[i].system_enc_name; i++)
340 : : {
341 [ + + ]: 1087264 : if (pg_strcasecmp(sys, encoding_match_list[i].system_enc_name) == 0)
342 : : {
343 : 40096 : free(sys);
344 : 40096 : return encoding_match_list[i].pg_enc_code;
345 : : }
346 : : }
347 : :
348 : : /* Special-case kluges for particular platforms go here */
349 : :
350 : : #ifdef __darwin__
351 : :
352 : : /*
353 : : * Current macOS has many locales that report an empty string for CODESET,
354 : : * but they all seem to actually use UTF-8.
355 : : */
356 : : if (strlen(sys) == 0)
357 : : {
358 : : free(sys);
359 : : return PG_UTF8;
360 : : }
361 : : #endif
362 : :
363 : : /*
364 : : * We print a warning if we got a CODESET string but couldn't recognize
365 : : * it. This means we need another entry in the table.
366 : : */
5324 peter_e@gmx.net 367 [ - + ]: 288 : if (write_message)
368 : : {
369 : : #ifdef FRONTEND
5324 peter_e@gmx.net 370 :UBC 0 : fprintf(stderr, _("could not determine encoding for locale \"%s\": codeset is \"%s\""),
371 : : ctype, sys);
372 : : /* keep newline separate so there's only one translatable string */
373 : 0 : fputc('\n', stderr);
374 : : #else
375 [ # # ]: 0 : ereport(WARNING,
376 : : (errmsg("could not determine encoding for locale \"%s\": codeset is \"%s\"",
377 : : ctype, sys)));
378 : : #endif
379 : : }
380 : :
6553 tgl@sss.pgh.pa.us 381 :CBC 288 : free(sys);
5777 382 : 288 : return -1;
383 : : }
|
