Stop pos() from being confused by changing utf8ness
authorFather Chrysostomos <sprout@cpan.org>
Tue, 23 Jul 2013 20:15:34 +0000 (13:15 -0700)
committerFather Chrysostomos <sprout@cpan.org>
Sun, 25 Aug 2013 19:22:40 +0000 (12:22 -0700)
commit25fdce4a165b6305e760d4c8d94404ce055657a0
tree7c3aa76b83b1518991bf23909ee072c55de29138
parent428ccf1e2d78d72b07c5e959e967569a82ce07ba
Stop pos() from being confused by changing utf8ness

The value of pos() is stored as a byte offset.  If it is stored on a
tied variable or a reference (or glob), then the stringification could
change, resulting in pos() now pointing to a different character off-
set or pointing to the middle of a character:

$ ./perl -Ilib -le '$x = bless [], chr 256; pos $x=1; bless $x, a; print pos $x'
2
$ ./perl -Ilib -le '$x = bless [], chr 256; pos $x=1; bless $x, "\x{1000}"; print pos $x'
Malformed UTF-8 character (unexpected end of string) in match position at -e line 1.
0

So pos() should be stored as a character offset.

The regular expression engine expects byte offsets always, so allow it
to store bytes when possible (a pure non-magical string) but use char-
acters otherwise.

This does result in more complexity than I should like, but the alter-
native (always storing a character offset) would slow down regular
expressions, which is a big no-no.
16 files changed:
dump.c
embed.fnc
embed.h
ext/Devel-Peek/t/Peek.t
inline.h
mg.c
mg.h
pp.c
pp_ctl.c
pp_hot.c
proto.h
regexec.c
regexp.h
sv.c
sv.h
t/op/pos.t