erlang 中文支持

转载：
http://blog.codingnow.com/2008/12/erlang_shell_utf-8.html


发现在 Ubuntu 下用 apt 装的 Erlang (5.6.5) 的 Shell 不支持中文，这让我郁闷了一把。:(

好在 Erlang 是开源的，有源码在手，有何畏惧。晚上，我卯足了劲研究 Erlang 的 source code ，想找到不支持中文显示的原因。

表现是这样的，我的环境是 UTF-8 ，当我输入汉字时，在 Erlang Shell 里立刻被转义为了 \xxx 这样的 8 进制数。在《Erlang 程序设计》的 2.11 / 21 页写道，“这实际上是显示终端的字符集和区域设定有问题”。我改了半天，都没有把汉字鼓捣出来，感觉不是我的设置问题。

但是，在同事的 Windows 机器上的 Erlang Shell 下却是可以正确显示中文的。

我想，读读源码也好，正好可以实际体会一下 Erlang 的代码风格。


--------------------------------------------------------------------------------

在读代码的过程中绕了不少弯路，找到许多貌似会影响输出的地方，改过后都没有效果。

比如在
erts/emulator/beam/erl_printf_term.c
里有一个
IS_CNTRL
的宏，为 LATIN1 的字符集 hard code 了一些东西，有兴趣的同学可以看看，其中也有一些字符转换的工作。

类似的地方就不多说了，稍微浏览过 Erlang 底层的一些 C 代码后，感觉质量还不错，不过在可移植性和 C 语言标准上，没有 Lua 的源代码严谨 。因为 Lua 里就没有为某些字符集特别定制的代码。好吧，我就看了几个小时而已，权当是一个偏见。

最终找到了关键的地方，一共有两处：

一处在
lib/stdlib/src/io_lib.erl
文件里，打开这个文件就可以看到前面有些关于 ISO 8859-1 / Latin-1 的信息。 搜索这个文件，会发现它把 $\240 到 $\377 之间的字符认为是可以打印的。但是对于 UTF-8 编码来说，这不够。把 $\240 改成 $\200 即可。

在 Erlang Shell 里，只有整个整数数组里的数字都是可打印字符，才会显示成 "xxxxx" 的形式，否则就是 [xxx,xxx,xxx,xxx] 这样的。做了这个修改后，就不会在有 UTF-8 的中文串被转换为 [数字] 了。

第二处在 C 代码里。

因为 Erlang 的内部是自己管理的若干进程（非操作系统进程），为了让用户输入和输出可以统一，所以实际上，和用户交互的 IO 是序列化在一个进程里完成的。因此，我们看到的 io:format 的输出，其实是向管理 IO 的进程发了一个消息而已。

为了找到这个最终真正处理输入输出的进程，我查看了 Erlang 的源代码，就是 lib/kernel/src 的部分。最后发现，是 user 模块做最终的汇总，然后交给
user_drv
去处理 IO 。

但是，我们知道 Erlang 自己是不可能完成 IO 操作的，必然会涉及 C 实现的代码，去跟 OS 交互。在
user_drv
里我们发现了一个叫
tty_sl
的东西。这就是 C 实现的终端部分了。

Erlang 和其它语言交互的方式很有趣，是用进程间（不一定是操作系统级的）通讯完成的，用二进制数据流交互。这跟我们游戏服务器的过进程结构很像。不得不说，Erlang 做的非常优美。今天太晚，不展开评论了。

回到主话题上，这个
tty_sl
的实现在
/erts/emulator/drivers/unix/ttsl_drv.c
。读一读这个源文件，大概就能理解 C 模块如何跟 Erlang 交互的了。

关于中文显示的问题，正在于，这个实现中，hard code 写死了当字符大于等于 128 时的处理方法：转换为 \八进制表示。

我简单增加了一个 ISPRINT 宏，替换掉原来的 isprint 调用，让大于等于 128 的字符也返回 true 。重新编译安装后，Erlang 的 Shell 就可以在 Ubuntu 下正确显示中文了。

不过还有一个问题，光标的处理不太正确，比如退格键可以消掉半个汉字。我想，比较简单并健壮的修改方法应该是把这个 tty 服务的内码改成 UCS-2 的，这样比较容易让单个汉字变成原子的。当然，想办法让它正确处理 UTF-8 的内码也行。

留到以后再改吧。