68 로케일 ① — 프로그램의 지역 설정

68.1 왜 있는가 — 관습은 나라마다 다르다

프로그램이 사람에게 무언가를 보여 줄 때, 「옳은 표기」는 하나가 아니다.

이것을 프로그램마다 손으로 적으면 나라 수만큼 코드가 늘어난다. 그래서 유닉스와 C는 다른 길을 택했다 — 관습을 데이터로 만들어 프로그램 밖에 두고, 프로그램은 “지금 어느 관습으로 일할지”만 고른다. 그 데이터 묶음의 이름이 로케일이다.

68.2 로케일은 프로그램 전역 상태다

로케일의 성격을 한 줄로 적으면 이렇다 — 프로세스 하나에 로케일 하나.

/* 로케일은 프로그램 전역 상태다 — 무엇으로 시작하고, 무엇으로 바뀌는가. */
#include <locale.h>
#include <stdio.h>
#include <stdlib.h>
#include <string.h>

/* setlocale 의 반환값은 "지금 설정된 로케일의 이름"이다.
   두 번째 인자를 NULL 로 주면 바꾸지 않고 묻기만 한다. */
static void show_current(const char *when)
{
    printf("%s LC_ALL=%s\n", when, setlocale(LC_ALL, NULL));
}

int main(void)
{
    /* ① 프로그램은 언제나 "C" 로케일로 시작한다 (표준 §7.11.1.1p4) */
    show_current("right at start: ");

    /* ② ""(빈 문자열)은 "환경이 정한 로케일"이라는 뜻이다.
          LC_ALL > LC_xxx > LANG 순으로 환경 변수를 본다. */
    const char *applied = setlocale(LC_ALL, "");
    if (applied)
        printf("setlocale(LC_ALL,\"\"): %s\n", applied);
    else
        puts("setlocale(LC_ALL,\"\") failed - the environment has no locale");

    /* ③ 한 글자를 담는 데 필요한 최대 바이트 수는 로케일에 달렸다.
          MB_CUR_MAX 는 매크로처럼 보이지만 *지금 로케일*을 보는 값이다. */
    printf("MB_CUR_MAX:            %zu\n", (size_t)MB_CUR_MAX);

    /* ④ 요청한 로케일이 이 기계에 없으면 setlocale 은 널을 돌려준다.
          그래서 반환값을 반드시 본다 — 조용히 실패하는 자리다. */
    static const char *candidates[] = {
        "C", "C.UTF-8", "en_US.UTF-8", "ko_KR.UTF-8", "ko_KR.EUC-KR",
        "de_DE.UTF-8", "tr_TR.UTF-8", "ja_JP.UTF-8", "no_SUCH.locale",
    };

    puts("\navailable on this machine:");
    char saved[128];
    snprintf(saved, sizeof saved, "%s", setlocale(LC_ALL, NULL));

    for (size_t i = 0; i < sizeof candidates / sizeof *candidates; i++) {
        const char *got = setlocale(LC_ALL, candidates[i]);
        if (got) printf("  %-15s yes  MB_CUR_MAX=%zu\n",
                        candidates[i], (size_t)MB_CUR_MAX);
        else     printf("  %-15s no\n", candidates[i]);
    }

    /* ⑤ 원래대로 되돌린다 — 이름 문자열을 그대로 다시 넘기면 된다.
          단, setlocale 이 돌려준 포인터는 다음 호출에 덮어써질 수 있으므로
          복사해 두어야 한다. */
    setlocale(LC_ALL, saved);
    show_current("after restoring:");

    /* ⑥ 범주는 따로 바꿀 수 있다. 실무의 관용구가 이것이다 —
          사람에게 보일 것은 환경대로, 기계가 읽을 숫자는 "C" 로. */
    setlocale(LC_ALL, "");
    setlocale(LC_NUMERIC, "C");
    printf("a mixed setting - LC_CTYPE=%s, LC_NUMERIC=%s\n",
           setlocale(LC_CTYPE, NULL), setlocale(LC_NUMERIC, NULL));
    /* LC_ALL 로 물으면 범주가 하나라도 다를 때 전체가 세미콜론으로 나열된다 */
    printf("asking through LC_ALL: %.60s...\n", setlocale(LC_ALL, NULL));
    return 0;
}

right at start:  LC_ALL=C
setlocale(LC_ALL,""): C.UTF-8
MB_CUR_MAX:            6

available on this machine:
  C               yes  MB_CUR_MAX=1
  C.UTF-8         yes  MB_CUR_MAX=6
  en_US.UTF-8     yes  MB_CUR_MAX=6
  ko_KR.UTF-8     yes  MB_CUR_MAX=6
  ko_KR.EUC-KR    yes  MB_CUR_MAX=2
  de_DE.UTF-8     yes  MB_CUR_MAX=6
  tr_TR.UTF-8     yes  MB_CUR_MAX=6
  ja_JP.UTF-8     yes  MB_CUR_MAX=6
  no_SUCH.locale  no
after restoring: LC_ALL=C.UTF-8
a mixed setting - LC_CTYPE=C.UTF-8, LC_NUMERIC=C
asking through LC_ALL: LC_CTYPE=C.UTF-8;LC_NUMERIC=C;LC_TIME=C.UTF-8;LC_COLLATE=C.U...

시연의 첫 줄이 표준의 규정을 그대로 보인다. 무엇을 하기도 전에 LC_ALL이 C다. 그리고 setlocale(LC_ALL, "") 한 번에 환경이 정한 로케일로 바뀐다.

전역 상태라는 사실에서 두 가지가 따라 나온다.

첫째, 내가 부르지 않아도 바뀔 수 있다. 링크한 라이브러리가 setlocale을 부르면 그 순간부터 내 printf("%f")도 영향을 받는다. GUI 툴킷이 흔히 그렇게 한다.

둘째, 스레드 사이에 경쟁이 된다. C23은 이 점을 명시한다 — setlocale 호출은 다른 setlocale 호출이나 로케일에 영향받는 함수들과 데이터 경쟁을 일으킬 수 있다(§7.11.1.1p5). 스레드마다 다른 로케일을 쓰고 싶다면 표준 C로는 길이 없고, POSIX의 uselocale 계열이 필요하다(69장).

68.3 여섯 범주 — 무엇이 무엇을 지배하는가

로케일은 한 덩어리가 아니라 범주(category)로 나뉜다. 표준이 정한 것은 여섯 개이고, 각 범주가 무엇에 영향을 주는지도 표준이 직접 열거한다.

이 표를 외울 필요는 없지만 LC_NUMERIC이 printf를 지배한다는 한 줄만은 기억해 둘 만하다. 이 장치가 실무에서 데이터를 망가뜨리는 거의 모든 사고가 그 한 줄에서 나온다(69장).

68.4 setlocale의 정확한 계약

함수는 하나뿐이고 모양도 단순한데, 계약이 촘촘하다.

char *setlocale(int category, const char *locale);

반환값의 계약이 두 갈래다. 성공하면 설정된(또는 지금 설정되어 있는) 로케일의 이름을 담은 문자열을 돌려주고, 실패하면 널을 돌려준다.

if (!setlocale(LC_ALL, "")) {
    fprintf(stderr, "경고: 로케일을 적용하지 못했다. C 로케일로 계속한다.\n");
}

반환된 포인터에도 규칙이 있다. 그 문자열은 다음 setlocale 호출이 덮어쓸 수 있는 정적 영역을 가리킨다. 나중에 되돌릴 생각이라면 시연처럼 복사해 두어야 한다.

setlocale(LC_ALL, "");        /* 우선 환경대로 전부 맞추고 */
setlocale(LC_NUMERIC, "C");   /* 숫자만 "C" 로 되돌린다 */

68.5 로케일 이름의 문법

ko_KR.UTF-8. 이 이름이 어떻게 생겼는지 뜯어보면 그 안에 국제 표준 네 개가 들어 있다.

전체 문법은 이렇게 적을 수 있다.

언어[_지역][.문자집합][@변종]

ko_KR.UTF-8      한국어, 대한민국, UTF-8
de_DE@euro       독일어, 독일, 유로 이전/이후 변종
sr_RS@latin      세르비아어를 라틴 문자로
C  또는  POSIX   표준이 정한 최소 로케일

여기서 언어와 지역이 다른 표준의 코드를 빌려 온 것이라는 점이 중요하다. ko는 ISO 639-1이 한국어에 준 코드이고 KR은 ISO 3166-1이 대한민국에 준 코드다. 즉 로케일 이름은 C가 발명한 것이 아니라, 이미 있던 국제 코드 체계를 조립한 것이다.

68.5.1 문자집합 이름과 정규화

.UTF-8, .utf8, .UTF8 — 셋 다 같은 것을 가리킨다. glibc는 이름에서 대소문자 와 -를 무시하고 견주기 때문이다. 그래서 locale -a가 ko_KR.utf8이라고 찍어도 프로그램에서는 "ko_KR.UTF-8"로 요청해도 된다.

문자집합 이름 자체는 또 다른 등록부에서 온다. UTF-8·EUC-KR·ISO-8859-1 같은 이름은 IANA의 문자집합 등록부에 등록된 것이고, 그 뿌리에는 ISO/IEC 8859 계열이나 유니코드(ISO/IEC 10646)가 있다.

문자집합 부분이 이름의 나머지보다 중요할 때가 많다. ko_KR.UTF-8과 ko_KR.EUC-KR은 언어와 지역이 같지만 한 글자가 몇 바이트인지가 다르다. 시연에서 두 로케일의 MB_CUR_MAX가 6과 2로 갈린 것이 그 차이다.

68.5.2 다른 세계의 이름 — BCP 47과 Windows

같은 「한국어(대한민국)」를 가리키는 이름이 체계마다 다르다.

BCP 47은 인터넷 표준으로, HTML의 lang="ko-KR"이나 HTTP의 Accept-Language 헤더에 쓰이는 그 태그다. 밑줄 대신 붙임표를 쓰고 문자집합 부분이 없다 — 웹은 인코딩을 따로 다루기 때문이다. 문자체계를 밝힐 때는 sr-Latn-RS처럼 ISO 15924 코드가 가운데 들어간다.

프로그램이 두 세계에 걸쳐 있으면 이름을 옮겨야 한다. 브라우저가 보낸 ko-KR을 받아 setlocale에 넘기려면 ko_KR.UTF-8로 바꿔야 하고, 그 변환표를 어디선가 들고 있어야 한다는 뜻이다. 이 자리에서 실수가 잦다.

68.6 환경 변수의 우선순위

setlocale(LC_ALL, "")이 「환경이 정한 로케일」을 쓴다고 했다. 그 환경이 정확히 무엇인가 — POSIX가 우선순위를 정해 두었다.

즉 LANG=ko_KR.UTF-8 LC_NUMERIC=C ./program처럼 부르면 대부분은 한국어 관습을 쓰되 숫자만 C 관습이 된다. 서버 프로그램을 띄우는 스크립트가 LC_ALL=C를 박아 두는 것도 같은 이유다 — 로그와 파싱을 환경으로부터 격리하는 것이다.

$ locale                 # 지금 환경이 무엇을 정하고 있는지 본다
$ locale -a              # 이 기계에 설치된 로케일 목록
$ locale -k LC_NUMERIC   # 특정 범주의 값들을 자세히

68.7 로케일 데이터는 어디에 있는가

로케일은 프로그램에 들어 있지 않다. 기계에 설치되어 있어야 한다.

이 구조를 알면 앞의 “없는 로케일” 문제를 스스로 풀 수 있다. 컨테이너에서 ko_KR.UTF-8이 없다면 정의 파일을 넣고 localedef로 만들면 된다.

localedef -i ko_KR -f UTF-8 <경로>/ko_KR.UTF-8
localedef -i de_DE -f UTF-8 <경로>/de_DE.UTF-8
export LOCPATH=<경로>

로케일이 무엇이고 어떻게 고르는지를 보았다. 다음 장은 그것이 무엇을 어떻게 바꾸는지다 — 숫자, 통화, 시간, 정렬을 차례로 뜯어본다.