extra code in pp_concat, Take 2
[p5sagit/p5-mst-13.2.git] / pod / perllocale.pod
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> (whitespace character), or C<\S>
740 (non whitespace 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