CentOS7下clang14编译带Sanitizer的Python3.9.13源码失败问题

• 构建阶段触发Unicode断言、报character U+6f002f is not in range错误：CentOS 7默认搭载2.17版本glibc，Python 3.9.13默认开启的C locale强制转换逻辑在该版本glibc下读取宽字符时会读到未初始化的栈脏数据；开启ASAN后栈内存不会默认填充0，就会解析出超出Unicode合法范围的非法值触发断言。仅手动设置UTF-8环境变量没有禁用该强制转换逻辑，只是降低了触发概率，未解决根本问题。
• 运行时UBSAN报applying zero offset to null pointer：属于Python 3.9.13的已知代码缺陷，C标准明确规定空指针参与指针运算（即使偏移量为0）属于未定义行为，原代码未做空指针前置判断就直接执行指针偏移计算，会被UBSAN拦截。
• 构建阶段LeakSanitizer报内存泄漏：是Python解释器初始化阶段分配的全局常驻内存，程序正常退出时不会主动释放，不属于真实内存泄漏，为LSAN误报。

按以下流程操作可完整保留ASAN、UBSAN、pydebug编译选项完成构建，同时解决运行时报错：

1. 先安装并生成UTF-8 locale，避免系统locale资源缺失：

   yum install -y glibc-langpack-en glibc-locale-source
   localedef -c -f UTF-8 -i en_US en_US.UTF-8
   

2. 调整configure参数，增加--without-c-locale-coerce选项禁用C locale强制转换逻辑，从根源避免非法宽字符读取问题，最终配置命令如下：

   ./configure --disable-ipv6 --with-address-sanitizer --with-undefined-behavior-sanitizer --with-pydebug --prefix=/foo/bar --without-c-locale-coerce
   

3. 修复Objects/call.c的空指针运算UB问题：打开文件定位到400行报错位置，在执行指针偏移计算前增加空指针判断，如果目标指针为NULL直接走错误返回分支，不要执行指针运算操作。
4. 构建前设置环境变量，绕过LSAN对初始化阶段常驻内存的误报，避免构建流程被打断：

   export LC_ALL=en_US.UTF-8
   export LANG=en_US.UTF-8
   export LANGUAGE=en_US.UTF-8
   export ASAN_OPTIONS=detect_leaks=0:allocator_may_return_null=1
   export UBSAN_OPTIONS=print_stacktrace=1:halt_on_error=0
   

5. 执行make -j$(nproc)、make install即可完成构建。

• 不要直接注释Objects/unicodeobject.c里的断言，该断言是非法Unicode值的最后一道拦截，直接注释会导致非法值流入后续逻辑触发更难排查的崩溃；按上述步骤禁用locale强制转换后，该断言不会被触发。
• 如果后续需要用构建好的解释器做内存泄漏检测，不需要一直关闭detect_leaks，编写LSAN抑制规则文件，将初始化阶段的常驻分配点加入抑制列表即可。
• 构建完成后运行解释器如果还存在其他非致命UBSAN告警，都是Python 3.9.13版本本身的已知小缺陷，不影响核心Sanitizer检测功能的使用，可按需给对应代码加判空逻辑修复。

内容的提问来源于stack exchange，提问作者user14717