The locale decoder raises a UnicodeDecodeError instead of an OSError
Search the invalid character using mbrtowc().
This commit is contained in:
parent
1b57967b96
commit
2f197078fb
|
@ -3084,9 +3084,7 @@ wcstombs_errorpos(const wchar_t *wstr)
|
|||
#endif
|
||||
char outbuf[MB_LEN_MAX];
|
||||
const wchar_t *start, *previous;
|
||||
int save_errno;
|
||||
|
||||
save_errno = errno;
|
||||
#if SIZEOF_WCHAR_T == 2
|
||||
buf[2] = 0;
|
||||
#else
|
||||
|
@ -3114,14 +3112,11 @@ wcstombs_errorpos(const wchar_t *wstr)
|
|||
wstr++;
|
||||
#endif
|
||||
len = wcstombs(outbuf, buf, sizeof(outbuf));
|
||||
if (len == (size_t)-1) {
|
||||
errno = save_errno;
|
||||
if (len == (size_t)-1)
|
||||
return previous - start;
|
||||
}
|
||||
}
|
||||
|
||||
/* failed to find the unencodable character */
|
||||
errno = save_errno;
|
||||
return 0;
|
||||
}
|
||||
|
||||
|
@ -3199,7 +3194,7 @@ PyUnicode_EncodeLocale(PyObject *unicode, const char *errors)
|
|||
|
||||
len = wcstombs(NULL, wstr, 0);
|
||||
if (len == (size_t)-1) {
|
||||
error_pos = wcstombs_errorpos(wstr);
|
||||
error_pos = (size_t)-1;
|
||||
goto encode_error;
|
||||
}
|
||||
|
||||
|
@ -3211,7 +3206,7 @@ PyUnicode_EncodeLocale(PyObject *unicode, const char *errors)
|
|||
|
||||
len2 = wcstombs(PyBytes_AS_STRING(bytes), wstr, len+1);
|
||||
if (len2 == (size_t)-1 || len2 > len) {
|
||||
error_pos = wcstombs_errorpos(wstr);
|
||||
error_pos = (size_t)-1;
|
||||
goto encode_error;
|
||||
}
|
||||
PyMem_Free(wstr);
|
||||
|
@ -3221,12 +3216,23 @@ PyUnicode_EncodeLocale(PyObject *unicode, const char *errors)
|
|||
encode_error:
|
||||
errmsg = strerror(errno);
|
||||
assert(errmsg != NULL);
|
||||
|
||||
if (error_pos == (size_t)-1)
|
||||
error_pos = wcstombs_errorpos(wstr);
|
||||
|
||||
PyMem_Free(wstr);
|
||||
Py_XDECREF(bytes);
|
||||
|
||||
if (errmsg != NULL)
|
||||
reason = PyUnicode_DecodeLocale(errmsg, "surrogateescape");
|
||||
else
|
||||
if (errmsg != NULL) {
|
||||
size_t errlen;
|
||||
wstr = _Py_char2wchar(errmsg, &errlen);
|
||||
if (wstr != NULL) {
|
||||
reason = PyUnicode_FromWideChar(wstr, errlen);
|
||||
PyMem_Free(wstr);
|
||||
} else
|
||||
errmsg = NULL;
|
||||
}
|
||||
if (errmsg == NULL)
|
||||
reason = PyUnicode_FromString(
|
||||
"wcstombs() encountered an unencodable "
|
||||
"wide character");
|
||||
|
@ -3376,6 +3382,37 @@ PyUnicode_AsEncodedUnicode(PyObject *unicode,
|
|||
return NULL;
|
||||
}
|
||||
|
||||
static size_t
|
||||
mbstowcs_errorpos(const char *str, size_t len)
|
||||
{
|
||||
#ifdef HAVE_MBRTOWC
|
||||
const char *start = str;
|
||||
mbstate_t mbs;
|
||||
size_t converted;
|
||||
wchar_t ch;
|
||||
|
||||
memset(&mbs, 0, sizeof mbs);
|
||||
while (len)
|
||||
{
|
||||
converted = mbrtowc(&ch, (char*)str, len, &mbs);
|
||||
if (converted == 0)
|
||||
/* Reached end of string */
|
||||
break;
|
||||
if (converted == (size_t)-1 || converted == (size_t)-2) {
|
||||
/* Conversion error or incomplete character */
|
||||
return str - start;
|
||||
}
|
||||
else {
|
||||
str += converted;
|
||||
len -= converted;
|
||||
}
|
||||
}
|
||||
/* failed to find the undecodable byte sequence */
|
||||
return 0;
|
||||
#endif
|
||||
return 0;
|
||||
}
|
||||
|
||||
PyObject*
|
||||
PyUnicode_DecodeLocaleAndSize(const char *str, Py_ssize_t len,
|
||||
const char *errors)
|
||||
|
@ -3386,6 +3423,9 @@ PyUnicode_DecodeLocaleAndSize(const char *str, Py_ssize_t len,
|
|||
size_t wlen, wlen2;
|
||||
PyObject *unicode;
|
||||
int surrogateescape;
|
||||
size_t error_pos;
|
||||
char *errmsg;
|
||||
PyObject *reason, *exc;
|
||||
|
||||
if (locale_error_handler(errors, &surrogateescape) < 0)
|
||||
return NULL;
|
||||
|
@ -3415,10 +3455,8 @@ PyUnicode_DecodeLocaleAndSize(const char *str, Py_ssize_t len,
|
|||
#else
|
||||
wlen = len;
|
||||
#endif
|
||||
if (wlen == (size_t)-1) {
|
||||
PyErr_SetFromErrno(PyExc_OSError);
|
||||
return NULL;
|
||||
}
|
||||
if (wlen == (size_t)-1)
|
||||
goto decode_error;
|
||||
if (wlen+1 <= smallbuf_len) {
|
||||
wstr = smallbuf;
|
||||
}
|
||||
|
@ -3436,8 +3474,7 @@ PyUnicode_DecodeLocaleAndSize(const char *str, Py_ssize_t len,
|
|||
if (wlen2 == (size_t)-1) {
|
||||
if (wstr != smallbuf)
|
||||
PyMem_Free(wstr);
|
||||
PyErr_SetFromErrno(PyExc_OSError);
|
||||
return NULL;
|
||||
goto decode_error;
|
||||
}
|
||||
#ifdef HAVE_BROKEN_MBSTOWCS
|
||||
assert(wlen2 == wlen);
|
||||
|
@ -3447,6 +3484,38 @@ PyUnicode_DecodeLocaleAndSize(const char *str, Py_ssize_t len,
|
|||
PyMem_Free(wstr);
|
||||
}
|
||||
return unicode;
|
||||
|
||||
decode_error:
|
||||
errmsg = strerror(errno);
|
||||
assert(errmsg != NULL);
|
||||
|
||||
error_pos = mbstowcs_errorpos(str, len);
|
||||
if (errmsg != NULL) {
|
||||
size_t errlen;
|
||||
wstr = _Py_char2wchar(errmsg, &errlen);
|
||||
if (wstr != NULL) {
|
||||
reason = PyUnicode_FromWideChar(wstr, errlen);
|
||||
PyMem_Free(wstr);
|
||||
} else
|
||||
errmsg = NULL;
|
||||
}
|
||||
if (errmsg == NULL)
|
||||
reason = PyUnicode_FromString(
|
||||
"mbstowcs() encountered an invalid multibyte sequence");
|
||||
if (reason == NULL)
|
||||
return NULL;
|
||||
|
||||
exc = PyObject_CallFunction(PyExc_UnicodeDecodeError, "sy#nnO",
|
||||
"locale", str, len,
|
||||
(Py_ssize_t)error_pos,
|
||||
(Py_ssize_t)(error_pos+1),
|
||||
reason);
|
||||
Py_DECREF(reason);
|
||||
if (exc != NULL) {
|
||||
PyCodec_StrictErrors(exc);
|
||||
Py_XDECREF(exc);
|
||||
}
|
||||
return NULL;
|
||||
}
|
||||
|
||||
PyObject*
|
||||
|
|
Loading…
Reference in New Issue