为什么这个Postgres存储过程要使用`utf8`？

Question

我在使用Postgres 9.2和Perl 5.12.4中的plperl存储过程时发现了一个奇怪的问题。

这种奇怪的行为可以使用以下“错误”的存储过程进行复现：

CREATE FUNCTION foo(VARCHAR) RETURNS VARCHAR AS $$
    my ( $re ) = @_;
    $re = ''.qr/\b($re)\b/i;
    return $re;
$$ LANGUAGE plperl;

执行时：

# select foo('foo');
ERROR:  Unable to load utf8.pm into plperl at line 3.
BEGIN failed--compilation aborted.
CONTEXT:  PL/Perl function "foo"

然而，如果我将qr//操作移到eval语句中，它就可以工作：

CREATE OR REPLACE FUNCTION bar(VARCHAR) RETURNS VARCHAR AS $$
    my ( $re ) = @_;
    eval "\$re = ''.qr/\\b($re)\\b/i;";
    return $re;
$$ LANGUAGE plperl;

结果：

# select bar('foo');
       bar       
-----------------
 (?^i:\b(foo)\b)
(1 row)

1. 为什么 eval 会绕过自动的 use utf8？

2. 为什么首先需要使用 use utf8？我的代码不是 UTF8 格式，据说只有在这种情况下才需要使用 use utf8。

   如果有什么问题，我可能希望 eval 版本在没有 use utf8 的情况下出现错误，比如输入脚本包含非 ASCII 值的情况。（进一步测试表明将非 ASCII 值传递给 bar() 确实会导致 eval 失败并显示相同的错误）

---

请注意，许多 Postgres 安装程序会在 perl 解释器启动时自动加载 'utf8'。至少在 Debian 中，通过执行 DO 'elog(WARNING, join ", ", sort keys %INC)' language plperl; 可以证明这一点：

WARNING: Carp.pm, Carp/Heavy.pm, Exporter.pm, feature.pm, overload.pm, strict.pm, unicore/Heavy.pl, unicore/To/Fold.pl, unicore/lib/Perl/SpacePer.pl, utf8.pm, utf8_heavy.pl, vars.pm, warnings.pm, warnings/register.pm
CONTEXT: PL/Perl anonymous code block
DO

但在表现奇怪的机器上并非如此：

WARNING: Carp.pm, Carp/Heavy.pm, Exporter.pm, feature.pm, overload.pm, overloading.pm, strict.pm, vars.pm, warnings.pm, warnings/register.pm
CONTEXT: PL/Perl anonymous code block
DO

这个问题不是关于如何让我的目标机器自动加载 utf8；我知道如何做。我想知道为什么似乎首先需要这样做。

- Jonathan Hall

---

由于您忘记转义\，因此无法正常工作。您还应该转义第二个$。 - ikegami

@ikegami：第二个 $ 不应该被转义，但是对于 \ 字符的好召唤；现在我得到了正确的输出，这使问题更加神秘。 - Jonathan Hall

是的，应该这样做。如果您不转义第二个 $，则会在 $re='/; system("rm -rf /"); qr/'; 中失败。注入错误！ - ikegami

@ikegami：确实；为了测试的目的，可以忽略那种情况。虽然转义 $ 也会导致 eval 以同样的方式失败。嗯。 - Jonathan Hall

@ikegami：这也会导致它死亡，并显示“无法加载utf8.pm”的错误。看起来Perl对传递给qr//或eval()的字符串类型非常聪明。默认情况下，$re是一个Unicode字符串（按照Perl的默认设置），因此在执行qr时会相应地表现。 - Jonathan Hall

Answer 1

在失败的版本中，您正在执行

$re = ''.qr/\b($re)\b/i

在后续版本中，您正在执行。

$re = ''.qr/\b(foo)\b/i

听起来像qr//在编译为Unicode模式的情况下需要utf8.pm，但是后者并没有编译为Unicode模式。

---

加载utf8.pm失败是由plperl创建的Safe隔离环境所限制造成的。

解决方法是在Safe隔离环境之外加载该模块。

解决办法是使用更高效的

$re = '(?^u:\\b(?i:'.$re.')\\b)';

- ikegami

---

我认为你回答了这个问题；尽管你的解决方法并不是真正的解决方法，因为它并没有做同样的事情。 - Jonathan Hall

不管是 $re=qr/foo/i; 还是 $re='/foo/i'; 都是一样的。（不确定你指的是哪一个）。唯一想到的区别是，如果 $re 中的模式非法，它不会死亡。 - ikegami

我会进一步调查qr。谢谢。 - Jonathan Hall

Answer 2

我曾经遇到过同样的问题，后来通过添加以下代码解决了这个问题

plperl.on_init = 'use utf8; use re; package utf8; require "utf8_heavy.pl";'

修改postgresql.conf文件。

希望这能帮到某些人。

- Vajira Lasantha