bash-4.4

研究题目： bash中有时候输入的汉字不能显示，或者有的是显示了，但是不能使用光标，光标走过汉字时，汉字就坏了。

相关文章： bash 中文汉字乱码问题

前面的研究文章中提到，当正确的设置了LANG编码时，bash是可以正确处理汉字的，但是，今天遇到的情况是，bash进程的环境变量LANG=zh_CN.UTF-8 是没问题的，但是，依然不能正确处理汉字，而且不是能显示汉字，光标走过汉字时，汉字坏掉；而是，汉字根本就不显示，strace结果如下：

我输入的是’汉’字，读入到第二个字节的时候，发现不对了，往标准错误写了一些错误消息，这个错误消息从源码上来看，是通过 _rl_arg_getchar() 输出的。

正常来讲，bash是停留在 下面代码处等待输入的：

从函数名可知（实际调试也是如此），该函数只读取一个字节，对于多字节字符来讲，该函数执行多次，正常来讲，多字节字符被完全读入之前，是不会被回显的，至于该多字节字符由几个字节组成的，这个问题不是该函数来处理的,而是用函数： rl_insert() 来处理的。

正常情况下等待输入时的调用栈如下；

当readline_internal_char通过rl_read_key -> rl_getc 读到一个字节时，就将该字节交给_rl_dispatch -> _rl_dispatch_subseq 来处理，当前如果处于bash的插入模式，则交由rl_insert 函数来处理，如下：

每次read一个字符是函数 readline_internal_char() 发起的，但是，具体需要读入几个字节算一个字符，是函数rl_insert() 中判断的，并根据判断结果来调用适当次数的rl_read_key()函数。而rl_insert函数也是bash在insert模式下调用的函数，（如果是替换模式就是函数_rl_overwrite_char()了 ？）。

rl_insert 中调用了 _rl_insert_char() 可以判断还有几个字节需要读入。

从MB_LEN_MAX 常量来看，多字节字符最少支持16字节的字符的。

bash编译时，需要定义 HANDLE_MULTIBYTE 常量，才能支持多字节的，如何判断bash是否支持多字节呢？

strings /bin/bash |grep _rl_read_mbstring

如果存在该字符串，基本就算是支持了，因为该函数在 #if defined (HANDLE_MULTIBYTE) 中定义的；然而，真正本次讨论的问题，和该函数并无关系。

关于多字节的很多逻辑都在下面文件中：

当需要读入一个完整的多字节时，将多字节的内容缓存到pending_bytes数组中，用pending_bytes_length 来记录已读入字节的长度，通过函数 mbrtowc 来判断输入字符是否完整，该函数并不属于bash，（至此，似乎和bash本身没啥关系了）。

参考： man mbrtowc ；该man页中最下面有个NOTE：

The behavior of mbrtowc() depends on the LC_CTYPE category of the current locale.

然后，我们试试：

# export LC_CTYPE=zh_CN.UTF-8
bash: warning: setlocale: LC_CTYPE: cannot change locale (zh_CN.UTF-8)

参考： https://www.cnblogs.com/kevingrace/p/8191929.html

因为我使用的是ubuntu容器，里面没有中文相关软件包，locale -a查看如下：

如果仅仅是为了让bash能正确处理汉字，其实，设置正确的编码已经足够，如上图：

export LC_CTYPE=C.UTF-8

或

export LC_ALL=C.UTF-8

至于如何才能正确支持 LC_CTYPE=zh_CN.UTF-8 或者 LC_CTYPE=en_US.UTF-8 ，稍后研究

看来LC_ALL不是一个简单的变量，不管export与否，bash都知道这是一个需要特殊处理的变量。虽然该变量的设置是能被bash察觉的，但是依然不能影响当前bash的编码。

虽然这里看似设置错误了，实际上，变量赋值时成功的：