home *** CD-ROM | disk | FTP | other *** search
/ PC World 2005 June / PCWorld_2005-06_cd.bin / software / vyzkuste / firewally / firewally.exe / framework-2.3.exe / perllocale.pod < prev    next >
Text File  |  2003-11-07  |  41KB  |  1,027 lines

  1. =head1 NAME
  2.  
  3. perllocale - Perl locale handling (internationalization and localization)
  4.  
  5. =head1 DESCRIPTION
  6.  
  7. Perl supports language-specific notions of data such as "is this
  8. a letter", "what is the uppercase equivalent of this letter", and
  9. "which of these letters comes first".  These are important issues,
  10. especially for languages other than English--but also for English: it
  11. would be naE<iuml>ve to imagine that C<A-Za-z> defines all the "letters"
  12. needed to write in English. Perl is also aware that some character other
  13. than '.' may be preferred as a decimal point, and that output date
  14. representations may be language-specific.  The process of making an
  15. application take account of its users' preferences in such matters is
  16. called B<internationalization> (often abbreviated as B<i18n>); telling
  17. such an application about a particular set of preferences is known as
  18. B<localization> (B<l10n>).
  19.  
  20. Perl can understand language-specific data via the standardized (ISO C,
  21. XPG4, POSIX 1.c) method called "the locale system". The locale system is
  22. controlled per application using one pragma, one function call, and
  23. several environment variables.
  24.  
  25. B<NOTE>: This feature is new in Perl 5.004, and does not apply unless an
  26. application specifically requests it--see L<Backward compatibility>.
  27. The one exception is that write() now B<always> uses the current locale
  28. - see L<"NOTES">.
  29.  
  30. =head1 PREPARING TO USE LOCALES
  31.  
  32. If Perl applications are to understand and present your data
  33. correctly according a locale of your choice, B<all> of the following
  34. must be true:
  35.  
  36. =over 4
  37.  
  38. =item *
  39.  
  40. B<Your operating system must support the locale system>.  If it does,
  41. you should find that the setlocale() function is a documented part of
  42. its C library.
  43.  
  44. =item *
  45.  
  46. B<Definitions for locales that you use must be installed>.  You, or
  47. your system administrator, must make sure that this is the case. The
  48. available locales, the location in which they are kept, and the manner
  49. in which they are installed all vary from system to system.  Some systems
  50. provide only a few, hard-wired locales and do not allow more to be
  51. added.  Others allow you to add "canned" locales provided by the system
  52. supplier.  Still others allow you or the system administrator to define
  53. and add arbitrary locales.  (You may have to ask your supplier to
  54. provide canned locales that are not delivered with your operating
  55. system.)  Read your system documentation for further illumination.
  56.  
  57. =item *
  58.  
  59. B<Perl must believe that the locale system is supported>.  If it does,
  60. C<perl -V:d_setlocale> will say that the value for C<d_setlocale> is
  61. C<define>.
  62.  
  63. =back
  64.  
  65. If you want a Perl application to process and present your data
  66. according to a particular locale, the application code should include
  67. the S<C<use locale>> pragma (see L<The use locale pragma>) where
  68. appropriate, and B<at least one> of the following must be true:
  69.  
  70. =over 4
  71.  
  72. =item *
  73.  
  74. B<The locale-determining environment variables (see L<"ENVIRONMENT">)
  75. must be correctly set up> at the time the application is started, either
  76. by yourself or by whoever set up your system account.
  77.  
  78. =item *
  79.  
  80. B<The application must set its own locale> using the method described in
  81. L<The setlocale function>.
  82.  
  83. =back
  84.  
  85. =head1 USING LOCALES
  86.  
  87. =head2 The use locale pragma
  88.  
  89. By default, Perl ignores the current locale.  The S<C<use locale>>
  90. pragma tells Perl to use the current locale for some operations:
  91.  
  92. =over 4
  93.  
  94. =item *
  95.  
  96. B<The comparison operators> (C<lt>, C<le>, C<cmp>, C<ge>, and C<gt>) and
  97. the POSIX string collation functions strcoll() and strxfrm() use
  98. C<LC_COLLATE>.  sort() is also affected if used without an
  99. explicit comparison function, because it uses C<cmp> by default.
  100.  
  101. B<Note:> C<eq> and C<ne> are unaffected by locale: they always
  102. perform a char-by-char comparison of their scalar operands.  What's
  103. more, if C<cmp> finds that its operands are equal according to the
  104. collation sequence specified by the current locale, it goes on to
  105. perform a char-by-char comparison, and only returns I<0> (equal) if the
  106. operands are char-for-char identical.  If you really want to know whether
  107. two strings--which C<eq> and C<cmp> may consider different--are equal
  108. as far as collation in the locale is concerned, see the discussion in
  109. L<Category LC_COLLATE: Collation>.
  110.  
  111. =item *
  112.  
  113. B<Regular expressions and case-modification functions> (uc(), lc(),
  114. ucfirst(), and lcfirst()) use C<LC_CTYPE>
  115.  
  116. =item *
  117.  
  118. B<The formatting functions> (printf(), sprintf() and write()) use
  119. C<LC_NUMERIC>
  120.  
  121. =item *
  122.  
  123. B<The POSIX date formatting function> (strftime()) uses C<LC_TIME>.
  124.  
  125. =back
  126.  
  127. C<LC_COLLATE>, C<LC_CTYPE>, and so on, are discussed further in 
  128. L<LOCALE CATEGORIES>.
  129.  
  130. The default behavior is restored with the S<C<no locale>> pragma, or
  131. upon reaching the end of block enclosing C<use locale>.
  132.  
  133. The string result of any operation that uses locale
  134. information is tainted, as it is possible for a locale to be
  135. untrustworthy.  See L<"SECURITY">.
  136.  
  137. =head2 The setlocale function
  138.  
  139. You can switch locales as often as you wish at run time with the
  140. POSIX::setlocale() function:
  141.  
  142.         # This functionality not usable prior to Perl 5.004
  143.         require 5.004;
  144.  
  145.         # Import locale-handling tool set from POSIX module.
  146.         # This example uses: setlocale -- the function call
  147.         #                    LC_CTYPE -- explained below
  148.         use POSIX qw(locale_h);
  149.  
  150.         # query and save the old locale
  151.         $old_locale = setlocale(LC_CTYPE);
  152.  
  153.         setlocale(LC_CTYPE, "fr_CA.ISO8859-1");
  154.         # LC_CTYPE now in locale "French, Canada, codeset ISO 8859-1"
  155.  
  156.         setlocale(LC_CTYPE, "");
  157.         # LC_CTYPE now reset to default defined by LC_ALL/LC_CTYPE/LANG
  158.         # environment variables.  See below for documentation.
  159.  
  160.         # restore the old locale
  161.         setlocale(LC_CTYPE, $old_locale);
  162.  
  163. The first argument of setlocale() gives the B<category>, the second the
  164. B<locale>.  The category tells in what aspect of data processing you
  165. want to apply locale-specific rules.  Category names are discussed in
  166. L<LOCALE CATEGORIES> and L<"ENVIRONMENT">.  The locale is the name of a
  167. collection of customization information corresponding to a particular
  168. combination of language, country or territory, and codeset.  Read on for
  169. hints on the naming of locales: not all systems name locales as in the
  170. example.
  171.  
  172. If no second argument is provided and the category is something else
  173. than LC_ALL, the function returns a string naming the current locale
  174. for the category.  You can use this value as the second argument in a
  175. subsequent call to setlocale().
  176.  
  177. If no second argument is provided and the category is LC_ALL, the
  178. result is implementation-dependent.  It may be a string of
  179. concatenated locales names (separator also implementation-dependent)
  180. or a single locale name.  Please consult your L<setlocale(3)> for
  181. details.
  182.  
  183. If a second argument is given and it corresponds to a valid locale,
  184. the locale for the category is set to that value, and the function
  185. returns the now-current locale value.  You can then use this in yet
  186. another call to setlocale().  (In some implementations, the return
  187. value may sometimes differ from the value you gave as the second
  188. argument--think of it as an alias for the value you gave.)
  189.  
  190. As the example shows, if the second argument is an empty string, the
  191. category's locale is returned to the default specified by the
  192. corresponding environment variables.  Generally, this results in a
  193. return to the default that was in force when Perl started up: changes
  194. to the environment made by the application after startup may or may not
  195. be noticed, depending on your system's C library.
  196.  
  197. If the second argument does not correspond to a valid locale, the locale
  198. for the category is not changed, and the function returns I<undef>.
  199.  
  200. For further information about the categories, consult L<setlocale(3)>.
  201.  
  202. =head2 Finding locales
  203.  
  204. For locales available in your system, consult also L<setlocale(3)> to
  205. see whether it leads to the list of available locales (search for the
  206. I<SEE ALSO> section).  If that fails, try the following command lines:
  207.  
  208.         locale -a
  209.  
  210.         nlsinfo
  211.  
  212.         ls /usr/lib/nls/loc
  213.  
  214.         ls /usr/lib/locale
  215.  
  216.         ls /usr/lib/nls
  217.  
  218.     ls /usr/share/locale
  219.  
  220. and see whether they list something resembling these
  221.  
  222.         en_US.ISO8859-1     de_DE.ISO8859-1     ru_RU.ISO8859-5
  223.         en_US.iso88591      de_DE.iso88591      ru_RU.iso88595
  224.         en_US               de_DE               ru_RU
  225.         en                  de                  ru
  226.         english             german              russian
  227.         english.iso88591    german.iso88591     russian.iso88595
  228.         english.roman8                          russian.koi8r
  229.  
  230. Sadly, even though the calling interface for setlocale() has been
  231. standardized, names of locales and the directories where the
  232. configuration resides have not been.  The basic form of the name is
  233. I<language_territory>B<.>I<codeset>, but the latter parts after
  234. I<language> are not always present.  The I<language> and I<country>
  235. are usually from the standards B<ISO 3166> and B<ISO 639>, the
  236. two-letter abbreviations for the countries and the languages of the
  237. world, respectively.  The I<codeset> part often mentions some B<ISO
  238. 8859> character set, the Latin codesets.  For example, C<ISO 8859-1>
  239. is the so-called "Western European codeset" that can be used to encode
  240. most Western European languages adequately.  Again, there are several
  241. ways to write even the name of that one standard.  Lamentably.
  242.  
  243. Two special locales are worth particular mention: "C" and "POSIX".
  244. Currently these are effectively the same locale: the difference is
  245. mainly that the first one is defined by the C standard, the second by
  246. the POSIX standard.  They define the B<default locale> in which
  247. every program starts in the absence of locale information in its
  248. environment.  (The I<default> default locale, if you will.)  Its language
  249. is (American) English and its character codeset ASCII.
  250.  
  251. B<NOTE>: Not all systems have the "POSIX" locale (not all systems are
  252. POSIX-conformant), so use "C" when you need explicitly to specify this
  253. default locale.
  254.  
  255. =head2 LOCALE PROBLEMS
  256.  
  257. You may encounter the following warning message at Perl startup:
  258.  
  259.     perl: warning: Setting locale failed.
  260.     perl: warning: Please check that your locale settings:
  261.             LC_ALL = "En_US",
  262.             LANG = (unset)
  263.         are supported and installed on your system.
  264.     perl: warning: Falling back to the standard locale ("C").
  265.  
  266. This means that your locale settings had LC_ALL set to "En_US" and
  267. LANG exists but has no value.  Perl tried to believe you but could not.
  268. Instead, Perl gave up and fell back to the "C" locale, the default locale
  269. that is supposed to work no matter what.  This usually means your locale
  270. settings were wrong, they mention locales your system has never heard
  271. of, or the locale installation in your system has problems (for example,
  272. some system files are broken or missing).  There are quick and temporary
  273. fixes to these problems, as well as more thorough and lasting fixes.
  274.  
  275. =head2 Temporarily fixing locale problems
  276.  
  277. The two quickest fixes are either to render Perl silent about any
  278. locale inconsistencies or to run Perl under the default locale "C".
  279.  
  280. Perl's moaning about locale problems can be silenced by setting the
  281. environment variable PERL_BADLANG to a zero value, for example "0".
  282. This method really just sweeps the problem under the carpet: you tell
  283. Perl to shut up even when Perl sees that something is wrong.  Do not
  284. be surprised if later something locale-dependent misbehaves.
  285.  
  286. Perl can be run under the "C" locale by setting the environment
  287. variable LC_ALL to "C".  This method is perhaps a bit more civilized
  288. than the PERL_BADLANG approach, but setting LC_ALL (or
  289. other locale variables) may affect other programs as well, not just
  290. Perl.  In particular, external programs run from within Perl will see
  291. these changes.  If you make the new settings permanent (read on), all
  292. programs you run see the changes.  See L<ENVIRONMENT> for
  293. the full list of relevant environment variables and L<USING LOCALES>
  294. for their effects in Perl.  Effects in other programs are 
  295. easily deducible.  For example, the variable LC_COLLATE may well affect
  296. your B<sort> program (or whatever the program that arranges `records'
  297. alphabetically in your system is called).
  298.  
  299. You can test out changing these variables temporarily, and if the
  300. new settings seem to help, put those settings into your shell startup
  301. files.  Consult your local documentation for the exact details.  For in
  302. Bourne-like shells (B<sh>, B<ksh>, B<bash>, B<zsh>):
  303.  
  304.     LC_ALL=en_US.ISO8859-1
  305.     export LC_ALL
  306.  
  307. This assumes that we saw the locale "en_US.ISO8859-1" using the commands
  308. discussed above.  We decided to try that instead of the above faulty
  309. locale "En_US"--and in Cshish shells (B<csh>, B<tcsh>)
  310.  
  311.     setenv LC_ALL en_US.ISO8859-1
  312.  
  313. or if you have the "env" application you can do in any shell
  314.  
  315.     env LC_ALL=en_US.ISO8859-1 perl ...
  316.  
  317. If you do not know what shell you have, consult your local
  318. helpdesk or the equivalent.
  319.  
  320. =head2 Permanently fixing locale problems
  321.  
  322. The slower but superior fixes are when you may be able to yourself
  323. fix the misconfiguration of your own environment variables.  The
  324. mis(sing)configuration of the whole system's locales usually requires
  325. the help of your friendly system administrator.
  326.  
  327. First, see earlier in this document about L<Finding locales>.  That tells
  328. how to find which locales are really supported--and more importantly,
  329. installed--on your system.  In our example error message, environment
  330. variables affecting the locale are listed in the order of decreasing
  331. importance (and unset variables do not matter).  Therefore, having
  332. LC_ALL set to "En_US" must have been the bad choice, as shown by the
  333. error message.  First try fixing locale settings listed first.
  334.  
  335. Second, if using the listed commands you see something B<exactly>
  336. (prefix matches do not count and case usually counts) like "En_US"
  337. without the quotes, then you should be okay because you are using a
  338. locale name that should be installed and available in your system.
  339. In this case, see L<Permanently fixing your system's locale configuration>.
  340.  
  341. =head2 Permanently fixing your system's locale configuration
  342.  
  343. This is when you see something like:
  344.  
  345.     perl: warning: Please check that your locale settings:
  346.             LC_ALL = "En_US",
  347.             LANG = (unset)
  348.         are supported and installed on your system.
  349.  
  350. but then cannot see that "En_US" listed by the above-mentioned
  351. commands.  You may see things like "en_US.ISO8859-1", but that isn't
  352. the same.  In this case, try running under a locale
  353. that you can list and which somehow matches what you tried.  The
  354. rules for matching locale names are a bit vague because
  355. standardization is weak in this area.  See again the 
  356. L<Finding locales> about general rules.
  357.  
  358. =head2 Fixing system locale configuration
  359.  
  360. Contact a system administrator (preferably your own) and report the exact
  361. error message you get, and ask them to read this same documentation you
  362. are now reading.  They should be able to check whether there is something
  363. wrong with the locale configuration of the system.  The L<Finding locales>
  364. section is unfortunately a bit vague about the exact commands and places
  365. because these things are not that standardized.
  366.  
  367. =head2 The localeconv function
  368.  
  369. The POSIX::localeconv() function allows you to get particulars of the
  370. locale-dependent numeric formatting information specified by the current
  371. C<LC_NUMERIC> and C<LC_MONETARY> locales.  (If you just want the name of
  372. the current locale for a particular category, use POSIX::setlocale()
  373. with a single parameter--see L<The setlocale function>.)
  374.  
  375.         use POSIX qw(locale_h);
  376.  
  377.         # Get a reference to a hash of locale-dependent info
  378.         $locale_values = localeconv();
  379.  
  380.         # Output sorted list of the values
  381.         for (sort keys %$locale_values) {
  382.             printf "%-20s = %s\n", $_, $locale_values->{$_}
  383.         }
  384.  
  385. localeconv() takes no arguments, and returns B<a reference to> a hash.
  386. The keys of this hash are variable names for formatting, such as
  387. C<decimal_point> and C<thousands_sep>.  The values are the
  388. corresponding, er, values.  See L<POSIX/localeconv> for a longer
  389. example listing the categories an implementation might be expected to
  390. provide; some provide more and others fewer.  You don't need an
  391. explicit C<use locale>, because localeconv() always observes the
  392. current locale.
  393.  
  394. Here's a simple-minded example program that rewrites its command-line
  395. parameters as integers correctly formatted in the current locale:
  396.  
  397.         # See comments in previous example
  398.         require 5.004;
  399.         use POSIX qw(locale_h);
  400.  
  401.         # Get some of locale's numeric formatting parameters
  402.         my ($thousands_sep, $grouping) =
  403.              @{localeconv()}{'thousands_sep', 'grouping'};
  404.  
  405.         # Apply defaults if values are missing
  406.         $thousands_sep = ',' unless $thousands_sep;
  407.  
  408.     # grouping and mon_grouping are packed lists
  409.     # of small integers (characters) telling the
  410.     # grouping (thousand_seps and mon_thousand_seps
  411.     # being the group dividers) of numbers and
  412.     # monetary quantities.  The integers' meanings:
  413.     # 255 means no more grouping, 0 means repeat
  414.     # the previous grouping, 1-254 means use that
  415.     # as the current grouping.  Grouping goes from
  416.     # right to left (low to high digits).  In the
  417.     # below we cheat slightly by never using anything
  418.     # else than the first grouping (whatever that is).
  419.     if ($grouping) {
  420.         @grouping = unpack("C*", $grouping);
  421.     } else {
  422.         @grouping = (3);
  423.     }
  424.  
  425.         # Format command line params for current locale
  426.         for (@ARGV) {
  427.             $_ = int;    # Chop non-integer part
  428.             1 while
  429.             s/(\d)(\d{$grouping[0]}($|$thousands_sep))/$1$thousands_sep$2/;
  430.             print "$_";
  431.         }
  432.         print "\n";
  433.  
  434. =head2 I18N::Langinfo
  435.  
  436. Another interface for querying locale-dependent information is the
  437. I18N::Langinfo::langinfo() function, available at least in UNIX-like
  438. systems and VMS.
  439.  
  440. The following example will import the langinfo() function itself and
  441. three constants to be used as arguments to langinfo(): a constant for
  442. the abbreviated first day of the week (the numbering starts from
  443. Sunday = 1) and two more constants for the affirmative and negative
  444. answers for a yes/no question in the current locale.
  445.  
  446.     use I18N::Langinfo qw(langinfo ABDAY_1 YESSTR NOSTR);
  447.  
  448.     my ($abday_1, $yesstr, $nostr) = map { langinfo } qw(ABDAY_1 YESSTR NOSTR);
  449.  
  450.     print "$abday_1? [$yesstr/$nostr] ";
  451.  
  452. In other words, in the "C" (or English) locale the above will probably
  453. print something like:
  454.  
  455.     Sun? [yes/no] 
  456.  
  457. See L<I18N::Langinfo> for more information.
  458.  
  459. =head1 LOCALE CATEGORIES
  460.  
  461. The following subsections describe basic locale categories.  Beyond these,
  462. some combination categories allow manipulation of more than one
  463. basic category at a time.  See L<"ENVIRONMENT"> for a discussion of these.
  464.  
  465. =head2 Category LC_COLLATE: Collation
  466.  
  467. In the scope of S<C<use locale>>, Perl looks to the C<LC_COLLATE>
  468. environment variable to determine the application's notions on collation
  469. (ordering) of characters.  For example, 'b' follows 'a' in Latin
  470. alphabets, but where do 'E<aacute>' and 'E<aring>' belong?  And while
  471. 'color' follows 'chocolate' in English, what about in Spanish?
  472.  
  473. The following collations all make sense and you may meet any of them
  474. if you "use locale".
  475.  
  476.     A B C D E a b c d e
  477.     A a B b C c D d E e
  478.     a A b B c C d D e E
  479.     a b c d e A B C D E
  480.  
  481. Here is a code snippet to tell what "word"
  482. characters are in the current locale, in that locale's order:
  483.  
  484.         use locale;
  485.         print +(sort grep /\w/, map { chr } 0..255), "\n";
  486.  
  487. Compare this with the characters that you see and their order if you
  488. state explicitly that the locale should be ignored:
  489.  
  490.         no locale;
  491.         print +(sort grep /\w/, map { chr } 0..255), "\n";
  492.  
  493. This machine-native collation (which is what you get unless S<C<use
  494. locale>> has appeared earlier in the same block) must be used for
  495. sorting raw binary data, whereas the locale-dependent collation of the
  496. first example is useful for natural text.
  497.  
  498. As noted in L<USING LOCALES>, C<cmp> compares according to the current
  499. collation locale when C<use locale> is in effect, but falls back to a
  500. char-by-char comparison for strings that the locale says are equal. You
  501. can use POSIX::strcoll() if you don't want this fall-back:
  502.  
  503.         use POSIX qw(strcoll);
  504.         $equal_in_locale =
  505.             !strcoll("space and case ignored", "SpaceAndCaseIgnored");
  506.  
  507. $equal_in_locale will be true if the collation locale specifies a
  508. dictionary-like ordering that ignores space characters completely and
  509. which folds case.
  510.  
  511. If you have a single string that you want to check for "equality in
  512. locale" against several others, you might think you could gain a little
  513. efficiency by using POSIX::strxfrm() in conjunction with C<eq>:
  514.  
  515.         use POSIX qw(strxfrm);
  516.         $xfrm_string = strxfrm("Mixed-case string");
  517.         print "locale collation ignores spaces\n"
  518.             if $xfrm_string eq strxfrm("Mixed-casestring");
  519.         print "locale collation ignores hyphens\n"
  520.             if $xfrm_string eq strxfrm("Mixedcase string");
  521.         print "locale collation ignores case\n"
  522.             if $xfrm_string eq strxfrm("mixed-case string");
  523.  
  524. strxfrm() takes a string and maps it into a transformed string for use
  525. in char-by-char comparisons against other transformed strings during
  526. collation.  "Under the hood", locale-affected Perl comparison operators
  527. call strxfrm() for both operands, then do a char-by-char
  528. comparison of the transformed strings.  By calling strxfrm() explicitly
  529. and using a non locale-affected comparison, the example attempts to save
  530. a couple of transformations.  But in fact, it doesn't save anything: Perl
  531. magic (see L<perlguts/Magic Variables>) creates the transformed version of a
  532. string the first time it's needed in a comparison, then keeps this version around
  533. in case it's needed again.  An example rewritten the easy way with
  534. C<cmp> runs just about as fast.  It also copes with null characters
  535. embedded in strings; if you call strxfrm() directly, it treats the first
  536. null it finds as a terminator.  don't expect the transformed strings
  537. it produces to be portable across systems--or even from one revision
  538. of your operating system to the next.  In short, don't call strxfrm()
  539. directly: let Perl do it for you.
  540.  
  541. Note: C<use locale> isn't shown in some of these examples because it isn't
  542. needed: strcoll() and strxfrm() exist only to generate locale-dependent
  543. results, and so always obey the current C<LC_COLLATE> locale.
  544.  
  545. =head2 Category LC_CTYPE: Character Types
  546.  
  547. In the scope of S<C<use locale>>, Perl obeys the C<LC_CTYPE> locale
  548. setting.  This controls the application's notion of which characters are
  549. alphabetic.  This affects Perl's C<\w> regular expression metanotation,
  550. which stands for alphanumeric characters--that is, alphabetic,
  551. numeric, and including other special characters such as the underscore or
  552. hyphen.  (Consult L<perlre> for more information about
  553. regular expressions.)  Thanks to C<LC_CTYPE>, depending on your locale
  554. setting, characters like 'E<aelig>', 'E<eth>', 'E<szlig>', and
  555. 'E<oslash>' may be understood as C<\w> characters.
  556.  
  557. The C<LC_CTYPE> locale also provides the map used in transliterating
  558. characters between lower and uppercase.  This affects the case-mapping
  559. functions--lc(), lcfirst, uc(), and ucfirst(); case-mapping
  560. interpolation with C<\l>, C<\L>, C<\u>, or C<\U> in double-quoted strings
  561. and C<s///> substitutions; and case-independent regular expression
  562. pattern matching using the C<i> modifier.
  563.  
  564. Finally, C<LC_CTYPE> affects the POSIX character-class test
  565. functions--isalpha(), islower(), and so on.  For example, if you move
  566. from the "C" locale to a 7-bit Scandinavian one, you may find--possibly
  567. to your surprise--that "|" moves from the ispunct() class to isalpha().
  568.  
  569. B<Note:> A broken or malicious C<LC_CTYPE> locale definition may result
  570. in clearly ineligible characters being considered to be alphanumeric by
  571. your application.  For strict matching of (mundane) letters and
  572. digits--for example, in command strings--locale-aware applications
  573. should use C<\w> inside a C<no locale> block.  See L<"SECURITY">.
  574.  
  575. =head2 Category LC_NUMERIC: Numeric Formatting
  576.  
  577. In the scope of S<C<use locale>>, Perl obeys the C<LC_NUMERIC> locale
  578. information, which controls an application's idea of how numbers should
  579. be formatted for human readability by the printf(), sprintf(), and
  580. write() functions.  String-to-numeric conversion by the POSIX::strtod()
  581. function is also affected.  In most implementations the only effect is to
  582. change the character used for the decimal point--perhaps from '.'  to ','.
  583. These functions aren't aware of such niceties as thousands separation and
  584. so on.  (See L<The localeconv function> if you care about these things.)
  585.  
  586. Output produced by print() is also affected by the current locale: it
  587. depends on whether C<use locale> or C<no locale> is in effect, and
  588. corresponds to what you'd get from printf() in the "C" locale.  The
  589. same is true for Perl's internal conversions between numeric and
  590. string formats:
  591.  
  592.         use POSIX qw(strtod);
  593.         use locale;
  594.  
  595.         $n = 5/2;   # Assign numeric 2.5 to $n
  596.  
  597.         $a = " $n"; # Locale-dependent conversion to string
  598.  
  599.         print "half five is $n\n";       # Locale-dependent output
  600.  
  601.         printf "half five is %g\n", $n;  # Locale-dependent output
  602.  
  603.         print "DECIMAL POINT IS COMMA\n"
  604.             if $n == (strtod("2,5"))[0]; # Locale-dependent conversion
  605.  
  606. See also L<I18N::Langinfo> and C<RADIXCHAR>.
  607.  
  608. =head2 Category LC_MONETARY: Formatting of monetary amounts
  609.  
  610. The C standard defines the C<LC_MONETARY> category, but no function
  611. that is affected by its contents.  (Those with experience of standards
  612. committees will recognize that the working group decided to punt on the
  613. issue.)  Consequently, Perl takes no notice of it.  If you really want
  614. to use C<LC_MONETARY>, you can query its contents--see 
  615. L<The localeconv function>--and use the information that it returns in your 
  616. application's own formatting of currency amounts.  However, you may well 
  617. find that the information, voluminous and complex though it may be, still 
  618. does not quite meet your requirements: currency formatting is a hard nut 
  619. to crack.
  620.  
  621. See also L<I18N::Langinfo> and C<CRNCYSTR>.
  622.  
  623. =head2 LC_TIME
  624.  
  625. Output produced by POSIX::strftime(), which builds a formatted
  626. human-readable date/time string, is affected by the current C<LC_TIME>
  627. locale.  Thus, in a French locale, the output produced by the C<%B>
  628. format element (full month name) for the first month of the year would
  629. be "janvier".  Here's how to get a list of long month names in the
  630. current locale:
  631.  
  632.         use POSIX qw(strftime);
  633.         for (0..11) {
  634.             $long_month_name[$_] =
  635.                 strftime("%B", 0, 0, 0, 1, $_, 96);
  636.         }
  637.  
  638. Note: C<use locale> isn't needed in this example: as a function that
  639. exists only to generate locale-dependent results, strftime() always
  640. obeys the current C<LC_TIME> locale.
  641.  
  642. See also L<I18N::Langinfo> and C<ABDAY_1>..C<ABDAY_7>, C<DAY_1>..C<DAY_7>,
  643. C<ABMON_1>..C<ABMON_12>, and C<ABMON_1>..C<ABMON_12>.
  644.  
  645. =head2 Other categories
  646.  
  647. The remaining locale category, C<LC_MESSAGES> (possibly supplemented
  648. by others in particular implementations) is not currently used by
  649. Perl--except possibly to affect the behavior of library functions
  650. called by extensions outside the standard Perl distribution and by the
  651. operating system and its utilities.  Note especially that the string
  652. value of C<$!> and the error messages given by external utilities may
  653. be changed by C<LC_MESSAGES>.  If you want to have portable error
  654. codes, use C<%!>.  See L<Errno>.
  655.  
  656. =head1 SECURITY
  657.  
  658. Although the main discussion of Perl security issues can be found in
  659. L<perlsec>, a discussion of Perl's locale handling would be incomplete
  660. if it did not draw your attention to locale-dependent security issues.
  661. Locales--particularly on systems that allow unprivileged users to
  662. build their own locales--are untrustworthy.  A malicious (or just plain
  663. broken) locale can make a locale-aware application give unexpected
  664. results.  Here are a few possibilities:
  665.  
  666. =over 4
  667.  
  668. =item *
  669.  
  670. Regular expression checks for safe file names or mail addresses using
  671. C<\w> may be spoofed by an C<LC_CTYPE> locale that claims that
  672. characters such as "E<gt>" and "|" are alphanumeric.
  673.  
  674. =item *
  675.  
  676. String interpolation with case-mapping, as in, say, C<$dest =
  677. "C:\U$name.$ext">, may produce dangerous results if a bogus LC_CTYPE
  678. case-mapping table is in effect.
  679.  
  680. =item *
  681.  
  682. A sneaky C<LC_COLLATE> locale could result in the names of students with
  683. "D" grades appearing ahead of those with "A"s.
  684.  
  685. =item *
  686.  
  687. An application that takes the trouble to use information in
  688. C<LC_MONETARY> may format debits as if they were credits and vice versa
  689. if that locale has been subverted.  Or it might make payments in US
  690. dollars instead of Hong Kong dollars.
  691.  
  692. =item *
  693.  
  694. The date and day names in dates formatted by strftime() could be
  695. manipulated to advantage by a malicious user able to subvert the
  696. C<LC_DATE> locale.  ("Look--it says I wasn't in the building on
  697. Sunday.")
  698.  
  699. =back
  700.  
  701. Such dangers are not peculiar to the locale system: any aspect of an
  702. application's environment which may be modified maliciously presents
  703. similar challenges.  Similarly, they are not specific to Perl: any
  704. programming language that allows you to write programs that take
  705. account of their environment exposes you to these issues.
  706.  
  707. Perl cannot protect you from all possibilities shown in the
  708. examples--there is no substitute for your own vigilance--but, when
  709. C<use locale> is in effect, Perl uses the tainting mechanism (see
  710. L<perlsec>) to mark string results that become locale-dependent, and
  711. which may be untrustworthy in consequence.  Here is a summary of the
  712. tainting behavior of operators and functions that may be affected by
  713. the locale:
  714.  
  715. =over 4
  716.  
  717. =item  *
  718.  
  719. B<Comparison operators> (C<lt>, C<le>, C<ge>, C<gt> and C<cmp>):
  720.  
  721. Scalar true/false (or less/equal/greater) result is never tainted.
  722.  
  723. =item  *
  724.  
  725. B<Case-mapping interpolation> (with C<\l>, C<\L>, C<\u> or C<\U>)
  726.  
  727. Result string containing interpolated material is tainted if
  728. C<use locale> is in effect.
  729.  
  730. =item  *
  731.  
  732. B<Matching operator> (C<m//>):
  733.  
  734. Scalar true/false result never tainted.
  735.  
  736. Subpatterns, either delivered as a list-context result or as $1 etc.
  737. are tainted if C<use locale> is in effect, and the subpattern regular
  738. expression contains C<\w> (to match an alphanumeric character), C<\W>
  739. (non-alphanumeric character), C<\s> (white-space character), or C<\S>
  740. (non white-space character).  The matched-pattern variable, $&, $`
  741. (pre-match), $' (post-match), and $+ (last match) are also tainted if
  742. C<use locale> is in effect and the regular expression contains C<\w>,
  743. C<\W>, C<\s>, or C<\S>.
  744.  
  745. =item  *
  746.  
  747. B<Substitution operator> (C<s///>):
  748.  
  749. Has the same behavior as the match operator.  Also, the left
  750. operand of C<=~> becomes tainted when C<use locale> in effect
  751. if modified as a result of a substitution based on a regular
  752. expression match involving C<\w>, C<\W>, C<\s>, or C<\S>; or of
  753. case-mapping with C<\l>, C<\L>,C<\u> or C<\U>.
  754.  
  755. =item *
  756.  
  757. B<Output formatting functions> (printf() and write()):
  758.  
  759. Results are never tainted because otherwise even output from print,
  760. for example C<print(1/7)>, should be tainted if C<use locale> is in
  761. effect.
  762.  
  763. =item *
  764.  
  765. B<Case-mapping functions> (lc(), lcfirst(), uc(), ucfirst()):
  766.  
  767. Results are tainted if C<use locale> is in effect.
  768.  
  769. =item *
  770.  
  771. B<POSIX locale-dependent functions> (localeconv(), strcoll(),
  772. strftime(), strxfrm()):
  773.  
  774. Results are never tainted.
  775.  
  776. =item *
  777.  
  778. B<POSIX character class tests> (isalnum(), isalpha(), isdigit(),
  779. isgraph(), islower(), isprint(), ispunct(), isspace(), isupper(),
  780. isxdigit()):
  781.  
  782. True/false results are never tainted.
  783.  
  784. =back
  785.  
  786. Three examples illustrate locale-dependent tainting.
  787. The first program, which ignores its locale, won't run: a value taken
  788. directly from the command line may not be used to name an output file
  789. when taint checks are enabled.
  790.  
  791.         #/usr/local/bin/perl -T
  792.         # Run with taint checking
  793.  
  794.         # Command line sanity check omitted...
  795.         $tainted_output_file = shift;
  796.  
  797.         open(F, ">$tainted_output_file")
  798.             or warn "Open of $untainted_output_file failed: $!\n";
  799.  
  800. The program can be made to run by "laundering" the tainted value through
  801. a regular expression: the second example--which still ignores locale
  802. information--runs, creating the file named on its command line
  803. if it can.
  804.  
  805.         #/usr/local/bin/perl -T
  806.  
  807.         $tainted_output_file = shift;
  808.         $tainted_output_file =~ m%[\w/]+%;
  809.         $untainted_output_file = $&;
  810.  
  811.         open(F, ">$untainted_output_file")
  812.             or warn "Open of $untainted_output_file failed: $!\n";
  813.  
  814. Compare this with a similar but locale-aware program:
  815.  
  816.         #/usr/local/bin/perl -T
  817.  
  818.         $tainted_output_file = shift;
  819.         use locale;
  820.         $tainted_output_file =~ m%[\w/]+%;
  821.         $localized_output_file = $&;
  822.  
  823.         open(F, ">$localized_output_file")
  824.             or warn "Open of $localized_output_file failed: $!\n";
  825.  
  826. This third program fails to run because $& is tainted: it is the result
  827. of a match involving C<\w> while C<use locale> is in effect.
  828.  
  829. =head1 ENVIRONMENT
  830.  
  831. =over 12
  832.  
  833. =item PERL_BADLANG
  834.  
  835. A string that can suppress Perl's warning about failed locale settings
  836. at startup.  Failure can occur if the locale support in the operating
  837. system is lacking (broken) in some way--or if you mistyped the name of
  838. a locale when you set up your environment.  If this environment
  839. variable is absent, or has a value that does not evaluate to integer
  840. zero--that is, "0" or ""-- Perl will complain about locale setting
  841. failures.
  842.  
  843. B<NOTE>: PERL_BADLANG only gives you a way to hide the warning message.
  844. The message tells about some problem in your system's locale support,
  845. and you should investigate what the problem is.
  846.  
  847. =back
  848.  
  849. The following environment variables are not specific to Perl: They are
  850. part of the standardized (ISO C, XPG4, POSIX 1.c) setlocale() method
  851. for controlling an application's opinion on data.
  852.  
  853. =over 12
  854.  
  855. =item LC_ALL
  856.  
  857. C<LC_ALL> is the "override-all" locale environment variable. If
  858. set, it overrides all the rest of the locale environment variables.
  859.  
  860. =item LANGUAGE
  861.  
  862. B<NOTE>: C<LANGUAGE> is a GNU extension, it affects you only if you
  863. are using the GNU libc.  This is the case if you are using e.g. Linux.
  864. If you are using "commercial" UNIXes you are most probably I<not>
  865. using GNU libc and you can ignore C<LANGUAGE>.
  866.  
  867. However, in the case you are using C<LANGUAGE>: it affects the
  868. language of informational, warning, and error messages output by
  869. commands (in other words, it's like C<LC_MESSAGES>) but it has higher
  870. priority than L<LC_ALL>.  Moreover, it's not a single value but
  871. instead a "path" (":"-separated list) of I<languages> (not locales).
  872. See the GNU C<gettext> library documentation for more information.
  873.  
  874. =item LC_CTYPE
  875.  
  876. In the absence of C<LC_ALL>, C<LC_CTYPE> chooses the character type
  877. locale.  In the absence of both C<LC_ALL> and C<LC_CTYPE>, C<LANG>
  878. chooses the character type locale.
  879.  
  880. =item LC_COLLATE
  881.  
  882. In the absence of C<LC_ALL>, C<LC_COLLATE> chooses the collation
  883. (sorting) locale.  In the absence of both C<LC_ALL> and C<LC_COLLATE>,
  884. C<LANG> chooses the collation locale.
  885.  
  886. =item LC_MONETARY
  887.  
  888. In the absence of C<LC_ALL>, C<LC_MONETARY> chooses the monetary
  889. formatting locale.  In the absence of both C<LC_ALL> and C<LC_MONETARY>,
  890. C<LANG> chooses the monetary formatting locale.
  891.  
  892. =item LC_NUMERIC
  893.  
  894. In the absence of C<LC_ALL>, C<LC_NUMERIC> chooses the numeric format
  895. locale.  In the absence of both C<LC_ALL> and C<LC_NUMERIC>, C<LANG>
  896. chooses the numeric format.
  897.  
  898. =item LC_TIME
  899.  
  900. In the absence of C<LC_ALL>, C<LC_TIME> chooses the date and time
  901. formatting locale.  In the absence of both C<LC_ALL> and C<LC_TIME>,
  902. C<LANG> chooses the date and time formatting locale.
  903.  
  904. =item LANG
  905.  
  906. C<LANG> is the "catch-all" locale environment variable. If it is set, it
  907. is used as the last resort after the overall C<LC_ALL> and the
  908. category-specific C<LC_...>.
  909.  
  910. =back
  911.  
  912. =head1 NOTES
  913.  
  914. =head2 Backward compatibility
  915.  
  916. Versions of Perl prior to 5.004 B<mostly> ignored locale information,
  917. generally behaving as if something similar to the C<"C"> locale were
  918. always in force, even if the program environment suggested otherwise
  919. (see L<The setlocale function>).  By default, Perl still behaves this
  920. way for backward compatibility.  If you want a Perl application to pay
  921. attention to locale information, you B<must> use the S<C<use locale>>
  922. pragma (see L<The use locale pragma>) to instruct it to do so.
  923.  
  924. Versions of Perl from 5.002 to 5.003 did use the C<LC_CTYPE>
  925. information if available; that is, C<\w> did understand what
  926. were the letters according to the locale environment variables.
  927. The problem was that the user had no control over the feature:
  928. if the C library supported locales, Perl used them.
  929.  
  930. =head2 I18N:Collate obsolete
  931.  
  932. In versions of Perl prior to 5.004, per-locale collation was possible
  933. using the C<I18N::Collate> library module.  This module is now mildly
  934. obsolete and should be avoided in new applications.  The C<LC_COLLATE>
  935. functionality is now integrated into the Perl core language: One can
  936. use locale-specific scalar data completely normally with C<use locale>,
  937. so there is no longer any need to juggle with the scalar references of
  938. C<I18N::Collate>.
  939.  
  940. =head2 Sort speed and memory use impacts
  941.  
  942. Comparing and sorting by locale is usually slower than the default
  943. sorting; slow-downs of two to four times have been observed.  It will
  944. also consume more memory: once a Perl scalar variable has participated
  945. in any string comparison or sorting operation obeying the locale
  946. collation rules, it will take 3-15 times more memory than before.  (The
  947. exact multiplier depends on the string's contents, the operating system
  948. and the locale.) These downsides are dictated more by the operating
  949. system's implementation of the locale system than by Perl.
  950.  
  951. =head2 write() and LC_NUMERIC
  952.  
  953. Formats are the only part of Perl that unconditionally use information
  954. from a program's locale; if a program's environment specifies an
  955. LC_NUMERIC locale, it is always used to specify the decimal point
  956. character in formatted output.  Formatted output cannot be controlled by
  957. C<use locale> because the pragma is tied to the block structure of the
  958. program, and, for historical reasons, formats exist outside that block
  959. structure.
  960.  
  961. =head2 Freely available locale definitions
  962.  
  963. There is a large collection of locale definitions at
  964. ftp://dkuug.dk/i18n/WG15-collection .  You should be aware that it is
  965. unsupported, and is not claimed to be fit for any purpose.  If your
  966. system allows installation of arbitrary locales, you may find the
  967. definitions useful as they are, or as a basis for the development of
  968. your own locales.
  969.  
  970. =head2 I18n and l10n
  971.  
  972. "Internationalization" is often abbreviated as B<i18n> because its first
  973. and last letters are separated by eighteen others.  (You may guess why
  974. the internalin ... internaliti ... i18n tends to get abbreviated.)  In
  975. the same way, "localization" is often abbreviated to B<l10n>.
  976.  
  977. =head2 An imperfect standard
  978.  
  979. Internationalization, as defined in the C and POSIX standards, can be
  980. criticized as incomplete, ungainly, and having too large a granularity.
  981. (Locales apply to a whole process, when it would arguably be more useful
  982. to have them apply to a single thread, window group, or whatever.)  They
  983. also have a tendency, like standards groups, to divide the world into
  984. nations, when we all know that the world can equally well be divided
  985. into bankers, bikers, gamers, and so on.  But, for now, it's the only
  986. standard we've got.  This may be construed as a bug.
  987.  
  988. =head1 Unicode and UTF-8
  989.  
  990. The support of Unicode is new starting from Perl version 5.6, and
  991. more fully implemented in the version 5.8.  See L<perluniintro> and
  992. L<perlunicode> for more details.
  993.  
  994. Usually locale settings and Unicode do not affect each other, but
  995. there are exceptions, see L<perlunicode/Locales> for examples.
  996.  
  997. =head1 BUGS
  998.  
  999. =head2 Broken systems
  1000.  
  1001. In certain systems, the operating system's locale support
  1002. is broken and cannot be fixed or used by Perl.  Such deficiencies can
  1003. and will result in mysterious hangs and/or Perl core dumps when the
  1004. C<use locale> is in effect.  When confronted with such a system,
  1005. please report in excruciating detail to <F<perlbug@perl.org>>, and
  1006. complain to your vendor: bug fixes may exist for these problems
  1007. in your operating system.  Sometimes such bug fixes are called an
  1008. operating system upgrade.
  1009.  
  1010. =head1 SEE ALSO
  1011.  
  1012. L<I18N::Langinfo>, L<perluniintro>, L<perlunicode>, L<open>,
  1013. L<POSIX/isalnum>, L<POSIX/isalpha>,
  1014. L<POSIX/isdigit>, L<POSIX/isgraph>, L<POSIX/islower>,
  1015. L<POSIX/isprint>, L<POSIX/ispunct>, L<POSIX/isspace>,
  1016. L<POSIX/isupper>, L<POSIX/isxdigit>, L<POSIX/localeconv>,
  1017. L<POSIX/setlocale>, L<POSIX/strcoll>, L<POSIX/strftime>,
  1018. L<POSIX/strtod>, L<POSIX/strxfrm>.
  1019.  
  1020. =head1 HISTORY
  1021.  
  1022. Jarkko Hietaniemi's original F<perli18n.pod> heavily hacked by Dominic
  1023. Dunlop, assisted by the perl5-porters.  Prose worked over a bit by
  1024. Tom Christiansen.
  1025.  
  1026. Last update: Thu Jun 11 08:44:13 MDT 1998
  1027.