]> git.proxmox.com Git - mirror_ubuntu-kernels.git/commitdiff
get_maintainer: correctly parse UTF-8 encoded names in files
authorAlvin Šipraga <alsi@bang-olufsen.dk>
Tue, 19 Dec 2023 01:25:14 +0000 (02:25 +0100)
committerLinus Torvalds <torvalds@linux-foundation.org>
Sun, 31 Dec 2023 18:57:42 +0000 (10:57 -0800)
While the script correctly extracts UTF-8 encoded names from the
MAINTAINERS file, the regular expressions damage my name when parsing
from .yaml files.  Fix this by replacing the Latin-1-compatible regular
expressions with the unicode property matcher \p{L}, which matches on
any letter according to the Unicode General Category of letters.

The proposed solution only works if the script uses proper string
encoding from the outset, so instruct Perl to unconditionally open all
files with UTF-8 encoding.  This should be safe, as the entire source
tree is either UTF-8 or ASCII encoded anyway.  See [1] for a detailed
analysis.

Furthermore, to prevent the \w expression from matching non-ASCII when
checking for whether a name should be escaped with quotes, add the /a
flag to the regular expression.  The escaping logic was duplicated in
two places, so it has been factored out into its own function.

The original issue was also identified on the tools mailing list [2].
This should solve the observed side effects there as well.

Link: https://lore.kernel.org/all/dzn6uco4c45oaa3ia4u37uo5mlt33obecv7gghj2l756fr4hdh@mt3cprft3tmq/
Link: https://lore.kernel.org/tools/20230726-gush-slouching-a5cd41@meerkat/
Signed-off-by: Alvin Šipraga <alsi@bang-olufsen.dk>
Signed-off-by: Linus Torvalds <torvalds@linux-foundation.org>
scripts/get_maintainer.pl

index 16d8ac6005b6fceae9aa0bd9e2e525e4986be76a..dac38c6e3b1cf51bf34ad8c810b17a909ab8e43d 100755 (executable)
@@ -20,6 +20,7 @@ use Getopt::Long qw(:config no_auto_abbrev);
 use Cwd;
 use File::Find;
 use File::Spec::Functions;
+use open qw(:std :encoding(UTF-8));
 
 my $cur_path = fastgetcwd() . '/';
 my $lk_path = "./";
@@ -445,7 +446,7 @@ sub maintainers_in_file {
        my $text = do { local($/) ; <$f> };
        close($f);
 
-       my @poss_addr = $text =~ m$[A-Za-zÀ-ÿ\"\' \,\.\+-]*\s*[\,]*\s*[\(\<\{]{0,1}[A-Za-z0-9_\.\+-]+\@[A-Za-z0-9\.-]+\.[A-Za-z0-9]+[\)\>\}]{0,1}$g;
+       my @poss_addr = $text =~ m$[\p{L}\"\' \,\.\+-]*\s*[\,]*\s*[\(\<\{]{0,1}[A-Za-z0-9_\.\+-]+\@[A-Za-z0-9\.-]+\.[A-Za-z0-9]+[\)\>\}]{0,1}$g;
        push(@file_emails, clean_file_emails(@poss_addr));
     }
 }
@@ -1152,6 +1153,17 @@ sub top_of_kernel_tree {
     return 0;
 }
 
+sub escape_name {
+    my ($name) = @_;
+
+    if ($name =~ /[^\w \-]/ai) {        ##has "must quote" chars
+       $name =~ s/(?<!\\)"/\\"/g;       ##escape quotes
+       $name = "\"$name\"";
+    }
+
+    return $name;
+}
+
 sub parse_email {
     my ($formatted_email) = @_;
 
@@ -1169,13 +1181,9 @@ sub parse_email {
 
     $name =~ s/^\s+|\s+$//g;
     $name =~ s/^\"|\"$//g;
+    $name = escape_name($name);
     $address =~ s/^\s+|\s+$//g;
 
-    if ($name =~ /[^\w \-]/i) {         ##has "must quote" chars
-       $name =~ s/(?<!\\)"/\\"/g;       ##escape quotes
-       $name = "\"$name\"";
-    }
-
     return ($name, $address);
 }
 
@@ -1186,13 +1194,9 @@ sub format_email {
 
     $name =~ s/^\s+|\s+$//g;
     $name =~ s/^\"|\"$//g;
+    $name = escape_name($name);
     $address =~ s/^\s+|\s+$//g;
 
-    if ($name =~ /[^\w \-]/i) {          ##has "must quote" chars
-       $name =~ s/(?<!\\)"/\\"/g;       ##escape quotes
-       $name = "\"$name\"";
-    }
-
     if ($usename) {
        if ("$name" eq "") {
            $formatted_email = "$address";
@@ -2462,13 +2466,13 @@ sub clean_file_emails {
            $name = "";
        }
 
-       my @nw = split(/[^A-Za-zÀ-ÿ\'\,\.\+-]/, $name);
+       my @nw = split(/[^\p{L}\'\,\.\+-]/, $name);
        if (@nw > 2) {
            my $first = $nw[@nw - 3];
            my $middle = $nw[@nw - 2];
            my $last = $nw[@nw - 1];
 
-           if (((length($first) == 1 && $first =~ m/[A-Za-z]/) ||
+           if (((length($first) == 1 && $first =~ m/\p{L}/) ||
                 (length($first) == 2 && substr($first, -1) eq ".")) ||
                (length($middle) == 1 ||
                 (length($middle) == 2 && substr($middle, -1) eq "."))) {