/*-------------------------------------------------------------------------
 *
 * chklocale.c
 *  Functions for handling locale-related info
 *
 *
 * Copyright (c) 1996-2025, PostgreSQL Global Development Group
 *
 *
 * IDENTIFICATION
 *   src/port/chklocale.c
 *
 *-------------------------------------------------------------------------
 */

#ifndef FRONTEND
#include "postgres.h"
#else
#include "postgres_fe.h"
#endif

#ifndef WIN32
#include <langinfo.h>
#endif

#include "mb/pg_wchar.h"


/*
 * This table needs to recognize all the CODESET spellings for supported
 * backend encodings, as well as frontend-only encodings where possible
 * (the latter case is currently only needed for initdb to recognize
 * error situations).  On Windows, we rely on entries for codepage
 * numbers (CPnnn).
 *
 * Note that we search the table with pg_strcasecmp(), so variant
 * capitalizations don't need their own entries.
 */
struct encoding_match
{
 enum pg_enc pg_enc_code;
 const char *system_enc_name;
};

static const struct encoding_match encoding_match_list[] = {
 {PG_EUC_JP, "EUC-JP"},
 {PG_EUC_JP, "eucJP"},
 {PG_EUC_JP, "IBM-eucJP"},
 {PG_EUC_JP, "sdeckanji"},
 {PG_EUC_JP, "CP20932"},

 {PG_EUC_CN, "EUC-CN"},
 {PG_EUC_CN, "eucCN"},
 {PG_EUC_CN, "IBM-eucCN"},
 {PG_EUC_CN, "GB2312"},
 {PG_EUC_CN, "dechanzi"},
 {PG_EUC_CN, "CP20936"},

 {PG_EUC_KR, "EUC-KR"},
 {PG_EUC_KR, "eucKR"},
 {PG_EUC_KR, "IBM-eucKR"},
 {PG_EUC_KR, "deckorean"},
 {PG_EUC_KR, "5601"},
 {PG_EUC_KR, "CP51949"},

 {PG_EUC_TW, "EUC-TW"},
 {PG_EUC_TW, "eucTW"},
 {PG_EUC_TW, "IBM-eucTW"},
 {PG_EUC_TW, "cns11643"},
 /* No codepage for EUC-TW ? */

 {PG_UTF8, "UTF-8"},
 {PG_UTF8, "utf8"},
 {PG_UTF8, "CP65001"},

 {PG_LATIN1, "ISO-8859-1"},
 {PG_LATIN1, "ISO8859-1"},
 {PG_LATIN1, "iso88591"},
 {PG_LATIN1, "CP28591"},

 {PG_LATIN2, "ISO-8859-2"},
 {PG_LATIN2, "ISO8859-2"},
 {PG_LATIN2, "iso88592"},
 {PG_LATIN2, "CP28592"},

 {PG_LATIN3, "ISO-8859-3"},
 {PG_LATIN3, "ISO8859-3"},
 {PG_LATIN3, "iso88593"},
 {PG_LATIN3, "CP28593"},

 {PG_LATIN4, "ISO-8859-4"},
 {PG_LATIN4, "ISO8859-4"},
 {PG_LATIN4, "iso88594"},
 {PG_LATIN4, "CP28594"},

 {PG_LATIN5, "ISO-8859-9"},
 {PG_LATIN5, "ISO8859-9"},
 {PG_LATIN5, "iso88599"},
 {PG_LATIN5, "CP28599"},

 {PG_LATIN6, "ISO-8859-10"},
 {PG_LATIN6, "ISO8859-10"},
 {PG_LATIN6, "iso885910"},

 {PG_LATIN7, "ISO-8859-13"},
 {PG_LATIN7, "ISO8859-13"},
 {PG_LATIN7, "iso885913"},

 {PG_LATIN8, "ISO-8859-14"},
 {PG_LATIN8, "ISO8859-14"},
 {PG_LATIN8, "iso885914"},

 {PG_LATIN9, "ISO-8859-15"},
 {PG_LATIN9, "ISO8859-15"},
 {PG_LATIN9, "iso885915"},
 {PG_LATIN9, "CP28605"},

 {PG_LATIN10, "ISO-8859-16"},
 {PG_LATIN10, "ISO8859-16"},
 {PG_LATIN10, "iso885916"},

 {PG_KOI8R, "KOI8-R"},
 {PG_KOI8R, "CP20866"},

 {PG_KOI8U, "KOI8-U"},
 {PG_KOI8U, "CP21866"},

 {PG_WIN866, "CP866"},
 {PG_WIN874, "CP874"},
 {PG_WIN1250, "CP1250"},
 {PG_WIN1251, "CP1251"},
 {PG_WIN1251, "ansi-1251"},
 {PG_WIN1252, "CP1252"},
 {PG_WIN1253, "CP1253"},
 {PG_WIN1254, "CP1254"},
 {PG_WIN1255, "CP1255"},
 {PG_WIN1256, "CP1256"},
 {PG_WIN1257, "CP1257"},
 {PG_WIN1258, "CP1258"},

 {PG_ISO_8859_5, "ISO-8859-5"},
 {PG_ISO_8859_5, "ISO8859-5"},
 {PG_ISO_8859_5, "iso88595"},
 {PG_ISO_8859_5, "CP28595"},

 {PG_ISO_8859_6, "ISO-8859-6"},
 {PG_ISO_8859_6, "ISO8859-6"},
 {PG_ISO_8859_6, "iso88596"},
 {PG_ISO_8859_6, "CP28596"},

 {PG_ISO_8859_7, "ISO-8859-7"},
 {PG_ISO_8859_7, "ISO8859-7"},
 {PG_ISO_8859_7, "iso88597"},
 {PG_ISO_8859_7, "CP28597"},

 {PG_ISO_8859_8, "ISO-8859-8"},
 {PG_ISO_8859_8, "ISO8859-8"},
 {PG_ISO_8859_8, "iso88598"},
 {PG_ISO_8859_8, "CP28598"},

 {PG_SJIS, "SJIS"},
 {PG_SJIS, "PCK"},
 {PG_SJIS, "CP932"},
 {PG_SJIS, "SHIFT_JIS"},

 {PG_BIG5, "BIG5"},
 {PG_BIG5, "BIG5HKSCS"},
 {PG_BIG5, "Big5-HKSCS"},
 {PG_BIG5, "CP950"},

 {PG_GBK, "GBK"},
 {PG_GBK, "CP936"},

 {PG_UHC, "UHC"},
 {PG_UHC, "CP949"},

 {PG_JOHAB, "JOHAB"},
 {PG_JOHAB, "CP1361"},

 {PG_GB18030, "GB18030"},
 {PG_GB18030, "CP54936"},

 {PG_SHIFT_JIS_2004, "SJIS_2004"},

 {PG_SQL_ASCII, "US-ASCII"},

 {PG_SQL_ASCII, NULL}  /* end marker */
};

#ifdef WIN32
/*
 * On Windows, use CP<code page number> instead of CODESET.
 *
 * This routine uses GetLocaleInfoEx() to parse short locale names like
 * "de-DE", "fr-FR", etc.  If those cannot be parsed correctly process falls
 * back to the pre-VS-2010 manual parsing done with using
 * <Language>_<Country>.<CodePage> as a base.
 *
 * Returns a malloc()'d string for the caller to free.
 */
static char *
win32_get_codeset(const char *ctype)
{
 char    *r = NULL;
 const char *codepage;
 uint32  cp;
 WCHAR  wctype[LOCALE_NAME_MAX_LENGTH];

 memset(wctype, 0, sizeof(wctype));
 MultiByteToWideChar(CP_ACP, 0, ctype, -1, wctype, LOCALE_NAME_MAX_LENGTH);

 if (GetLocaleInfoEx(wctype,
      LOCALE_IDEFAULTANSICODEPAGE | LOCALE_RETURN_NUMBER,
      (LPWSTR) &cp, sizeof(cp) / sizeof(WCHAR)) > 0)
 {
  r = malloc(16);   /* excess */
  if (r != NULL)
  {
   /*
    * If the return value is CP_ACP that means no ANSI code page is
    * available, so only Unicode can be used for the locale.
 */
   if (cp == CP_ACP)
    strcpy(r, "utf8");
   else
    sprintf(r, "CP%u", cp);
  }
 }
 else
 {
  /*
   * Locale format on Win32 is <Language>_<Country>.<CodePage>.  For
   * example, English_United States.1252.  If we see digits after the
   * last dot, assume it's a codepage number.  Otherwise, we might be
   * dealing with a Unix-style locale string; Windows' setlocale() will
   * take those even though GetLocaleInfoEx() won't, so we end up here.
   * In that case, just return what's after the last dot and hope we can
   * find it in our table.
 */
  codepage = strrchr(ctype, '.');
  if (codepage != NULL)
  {
   size_t  ln;

   codepage++;
   ln = strlen(codepage);
   r = malloc(ln + 3);
   if (r != NULL)
   {
    if (strspn(codepage, "0123456789") == ln)
     sprintf(r, "CP%s", codepage);
    else
     strcpy(r, codepage);
   }
  }
 }

 return r;
}

#ifndef FRONTEND
/*
 * Given a Windows code page identifier, find the corresponding PostgreSQL
 * encoding.  Issue a warning and return -1 if none found.
 */
int
pg_codepage_to_encoding(UINT cp)
{
 char  sys[16];
 int   i;

 sprintf(sys, "CP%u", cp);

 /* Check the table */
 for (i = 0; encoding_match_list[i].system_enc_name; i++)
  if (pg_strcasecmp(sys, encoding_match_list[i].system_enc_name) == 0)
   return encoding_match_list[i].pg_enc_code;

 ereport(WARNING,
   (errmsg("could not determine encoding for codeset \"%s\"", sys)));

 return -1;
}
#endif
#endif       /* WIN32 */

/*
 * Given a setting for LC_CTYPE, return the Postgres ID of the associated
 * encoding, if we can determine it.  Return -1 if we can't determine it.
 *
 * Pass in NULL to get the encoding for the current locale setting.
 * Pass "" to get the encoding selected by the server's environment.
 *
 * If the result is PG_SQL_ASCII, callers should treat it as being compatible
 * with any desired encoding.
 *
 * If running in the backend and write_message is false, this function must
 * cope with the possibility that elog() and palloc() are not yet usable.
 */
int
pg_get_encoding_from_locale(const char *ctype, bool write_message)
{
 char    *sys;
 int   i;

#ifndef WIN32
 locale_t loc;
#endif

 /* Get the CODESET property, and also LC_CTYPE if not passed in */
 if (!ctype)
  ctype = setlocale(LC_CTYPE, NULL);


 /* If locale is C or POSIX, we can allow all encodings */
 if (pg_strcasecmp(ctype, "C") == 0 ||
  pg_strcasecmp(ctype, "POSIX") == 0)
  return PG_SQL_ASCII;


#ifndef WIN32
 loc = newlocale(LC_CTYPE_MASK, ctype, (locale_t) 0);
 if (loc == (locale_t) 0)
  return -1;    /* bogus ctype passed in? */

 sys = nl_langinfo_l(CODESET, loc);
 if (sys)
  sys = strdup(sys);

 freelocale(loc);
#else
 sys = win32_get_codeset(ctype);
#endif

 if (!sys)
  return -1;    /* out of memory; unlikely */

 /* Check the table */
 for (i = 0; encoding_match_list[i].system_enc_name; i++)
 {
  if (pg_strcasecmp(sys, encoding_match_list[i].system_enc_name) == 0)
  {
   free(sys);
   return encoding_match_list[i].pg_enc_code;
  }
 }

 /* Special-case kluges for particular platforms go here */

#ifdef __darwin__

 /*
  * Current macOS has many locales that report an empty string for CODESET,
  * but they all seem to actually use UTF-8.
 */
 if (strlen(sys) == 0)
 {
  free(sys);
  return PG_UTF8;
 }
#endif

 /*
  * We print a warning if we got a CODESET string but couldn't recognize
  * it.  This means we need another entry in the table.
 */
 if (write_message)
 {
#ifdef FRONTEND
  fprintf(stderr, _("could not determine encoding for locale \"%s\": codeset is \"%s\""),
    ctype, sys);
  /* keep newline separate so there's only one translatable string */
  fputc('\n', stderr);
#else
  ereport(WARNING,
    (errmsg("could not determine encoding for locale \"%s\": codeset is \"%s\"",
      ctype, sys)));
#endif
 }

 free(sys);
 return -1;
}