Язык C: поработать со строками и не умереть

[beldmit]

Когда-то в ТЦИ делали исследовательский проект по интернациональной почте (то есть с не-латиницей до собаки). Я в рамках этого проекта начал реализовывать драфт по поддержке таких адресов в X.509-сертификатах. Реализовал, понятно, с ошибками, но патч засабмитил, его почитали в OpenSSL и заставили переделать драфт. В итоге документ стал RFC 8398 только в этом году.

Автор документа меня, однако, запомнил, и спросил, не допилю ли я патч. Начал допиливать и стал изживать одну из претензий к собственно патчу — зависимость от лишней библиотеки в OpenSSL сочли недопустимой. Ок, всего одна функция. Причём частично прописана в RFC в формате C-шного кода.

А дальше, блин, начинается кино. Разбить доменное имя на части по точке. Сконвертировать каждую часть в последовательность байт (UTF8 же), склеить. Не вылезя нигде за пределы буфера. А длину буфера вернуть, чтобы вызывающая сторона знала, какой буфер передать. В общем, тут даже при готовых функциях то, что на Perl с использованием библиотеки — три вызова, split, map и join, на C даёт пол-экрана.

Написать я это написал. Даже скомпилировал. А вот запускать и отлаживать страшно.

Специально для ufm: нет, не-ASCII символы в именах доменов и email-адресах — не коварный замысел страшных любителей чебурнета, а нормальный ход нормальных любителей денег. Которым аудиторию по месту (нелатиноалфавитную) очень хочется расширить.

Comments

[ufm]

Не всё что хочет бизнес - надо делать. Потому что если сравнивать хотелки государства и бизнеса - внезапно выясняется что "оба хуже".

Грубо говоря, тот кто придумывал как в колбасу поменьше положить мяса и побольше мясозаменителя - тоже ведь для бизнеса старался. Но ему, почему-то, в голову не приходило что потом есть эту колбасу ему и его детям. Потому что нормальную колбасу выпускать тупо перестанут. Бизнес, ничего личного.

Впрочем, зачем я работаю КО - мне самому не понятно.

[beldmit]

Не, мир с одним алфавитом и одной таймзоной был бы куда привлекательнее для меня. Но увы, що маемо то маемо.

То есть конкретно в этой хотелке я не вижу адского ужаса.

[ufm]

вася@some.net, вacя@some.net, ваcя@some.net
на какой сам сядешь

[beldmit]

То, что справа, регулируется, а про то, что слева - вопросы к админу.

[ufm]

Так админ тоже заказ бизнеса выполняет.

[beldmit]

Значит, бизнес устраивает процент потерь.

[ufm]

Меня - не устраивает.

P.S. Ну и удивляться что у меня отношение к людям, которые за деньги готовы делать что угодно - смысла нет.

[beldmit]

Квантор всеобщности ты тут зря употребляешь.

Ты до Киева добираешься? Я надеюсь в начале декабря доехать.

[ufm]

Слушай, до декабря почти полгода еще. Я месяц назад на твой вопрос ответил-бы отрицательно, сейчас - положительно. Буду я добираться до Киева в начале декабря - откуда-ж я знаю.

[beldmit]

Соберусь - свистну. Там мероприятие будет, до которого я доезжаю обычно.

[ufm]

И, да, _всё_ что теоретически можно использовать для ограничения общения - зло по определению.
Использование национальных алфавитов в базовых протоколах интернета - зло.

[beldmit]

По мне так это не органичение, а расширение аудитории.

[ufm]

Я вот прям с интересом представляю себе, как я тебе диктую по телефону емейл: "Эф, Э, Дэ, И, Эр, Собака, Ка, Ы, Йи, Вэ, точка, У, Ка, Эр". Точнее как я диктовать буду - ладно. А как ты сначала внезапно осознаешь что "и" и "ы" в этом тексте не то, что ты думаешь, а буква "йи" для тебя вобще неведома. А потом будешь набирать.

федір@київ.укр

И да, схалявить не получится - і - это ни разу не английская буква.

P.S. Господи, спасибо что вразумил телефонистов и не дал им "пойти на поводу у бизнеса".

[beldmit]

Смотря кому. Другому украинцу - легко. Китайцу - никак, да. Но ему и не надо.

[ufm]

Ну так я уже понял, что тебе в чебурнете будет жить хорошо и приятно. Ты-ж уже сам для себя объяснения придумал.

А вот мне - не приятно. И, да. Мне приходилось общаться с китайцами и в емейле и в чатике и голосом. И слава богу, что и у него и у меня были латинские буквы на клавиатуре. И мы оба худо-бедно, но английский оба знали. И свой емейл я смог продиктовать по телефону, а он его набрать.

[beldmit]

Ну так ты сам говоришь граничное условие - "оба худо-бедно, но английский оба знали". Китаец, дикутющий свой email другому китайцу, английский может не знать.

[ufm]

Человек, сидящий за столом, может не уметь пользоваться ножом, вилкой, ложкой, ручкой, уметь писать. Давай на них тоже ориентироваться?

Мне, как умеющему всё выше перечисленное, можно иметь _только_один_ емейл который, при этом, не содержит национальных символов?

Можно я буду посылать нахер всех, кто попытается мне продиктовать емейл с национальными буквами, а я в этот момент буду сидеть за компьютером на котором нет данной локали?

Можно я буду считать ... всех тех, кто вместо того что-бы послать бизнес с такими хотелками нахер, идёт на поводу ради денег?

[beldmit]

Человек, сидящий за столом, может не уметь пользоваться ножом, вилкой, ложкой, ручкой, уметь писать. Давай на них тоже ориентироваться?

Так на них и ориентируются. Вилкой не особо, а палочками - ого-го как.

Ну а как я могу тебе запретить кого-то кем-то считать, я не представляю :)

[yurikhan]

Ну, положим, диктовать по телефону латинские буквы среднестатистическому русскоязычному собеседнику тоже больно. Потому что «сьерра» он не понимает, а учить таблицу «эс как доллар» — это унизительно.

[ufm]

Это унизительно, но технически возможно.
Если у тебя на клавиатуре нет украинской раскладки, хоть объобясняйся, ты этот адрес не введёш.

Когда китайский станет языком межнационального общения и на каждой клавиатуре всегда будет китайская раскладка, то я вздохну и пойду учить китайский.

[beldmit]

Введёшь через таблицу символов. Но с китайским да. будет ЖОППА.

[phd_ru]

> Использование национальных алфавитов в базовых протоколах интернета - зло.

Один русский, не знающий английского (нормальная ситуация в России) пересылает белорусу, не знающему английского, ссылку на статью в Интернете на украинском языке. Зачем им в этой ситуации латинские буквы в адресах?

Один еврей, не знающий английского (нормальная ситуация в Израиле) пересылает другому еврею, не знающему английского, ссылку на книгу в Интернете на иврите. Зачем им в этой ситуации латинские буквы в адресах?

Один китаец, не знающий английского, пересылает корейцу, не знающему английского, файл на японском языке. Зачем им в этой ситуации латинские буквы в адресах и именах файлов?

Краткое резюме сказанного: использование латинского алфавита в базовых протоколах интернета — пережиток западно-европейского империализьма, и это зло должно быть и будет искоренено.

[ufm]

uk.wikipedia.org/wiki/Київ

Я хотел-бы уточнить, если можно, как этот самый "один русский" этот адрес набирать будет?

[phd_ru]

На ивритской клавиатуре может вообще не быть латиницы:



Символы и цифры есть.

[gegmopo4]

Выгляд совсем не сложно. Только тут скорее не пол-экрана, а полтора, если учитывать все случаи.

Есть причина конвертировать в UTF8 каждую часть отдельно?

[beldmit]

Есть, они закодированы или нет каждая отдельно.

[gegmopo4]

А как они закодированы, если не в UTF8?

[beldmit]

Punycode (RFC 3490-3492). Но для сравнения их надо в UTF-8 переводить.

[elglin]

Давай я тебе накидаю тривиальной мотивирующей фигни.
Во-первых, ну, Си есть кроссплатформенный ассемблер, с уважением, ваш Кэп. Когда его писали, дороги не минировали обработку строк не поддерживал ни один процессор, да и вообще строки были менее популярны, чем числодробление.
Во-вторых, в те дни, когда мир был юн, на голом Си был написан, к примеру, awk, в котором была вся современная строковая магия и интерпретатор Тьюринг-полного языка.
В-третьих, всю строковую магию Питона до сих пор очень широко интерпретирует CPython, который написан на таком же голом Си.
В-четвертых, при современных отладчиках с их построчным выполнением, брейкпойнтами, отслеживанием значений переменных и т.п. отлаживаться не в пример проще, чем в те дни, когда мир был юн.

[beldmit]

Ну это да. И я даже, перечитав, первого раза ошибок не нашёл. Но пока на плотное тестирование ресурса нет. В августе...