Windows 控制台编码

Question

Windows 上的默认控制台编码是什么？有时它似乎是 ANSI 编码 (CP-1252)，有时它是由@987654323 给出的OEM 编码（西欧默认为CP-850） @ 命令。

• 命令行参数和环境变量触发ANSI编码（é = 0xe9）：

  > chcp 850
  Active code page: 850
  > python -c "print 'é'"
  Ú
  > python -c "print '\x82'"
  é
  > python -c "print '\xe9'"
  Ú
  > $env:foobar="é"; python -c "import os; print os.getenv('foobar')"
  Ú
  
  > chcp 1252
  Active code page: 1252
  > python -c "print 'é'"
  é
  > python -c "print '\x82'"
  ,
  > python -c "print '\xe9'"
  é
  > $env:foobar="é"; python -c "import os; print os.getenv('foobar')"
  é
  

• Python 控制台 和 标准输入 触发 OEM 编码（é = 0x82 如果 OEM 编码是 CP-850，é = 0xe9 如果 OEM 编码是 CP-1252）：

  > chcp 850
  Active code page: 850
  > python
  >>> print 'é'
  é
  >>> print '\x82'
  é
  >>> print '\xe9'
  Ú
  > python -c "print raw_input()"
  é
  é
  
  > chcp 1252
  Active code page: 1252
  > python
  >>> print 'é'
  é
  >>> print '\x82'
  ,
  >>> print '\xe9'
  é
  > python -c "print raw_input()"
  é
  é
  

注意。 – 在这些示例中，我在 Windows 10 上使用了 Powershell 5.1 和 CPython 2.7.14。

Answer 1

首先，对于所有非 ASCII 字符，这里重要的是您的控制台编码和 Windows 区域设置，您使用的是 字节字符串，而 Python 只是打印出它收到的字节。在将这些字节传递给 Python 之前，您的键盘输入会被控制台编码为特定的字节或字节序列。对 Python 来说，这只是不透明的数据（0-255 范围内的数字），print 将这些数据传回控制台，就像 Python 接收它们一样。

在 Powershell 中，通过命令行开关发送到 Python 的字节使用什么编码不是由 chcp 代码页决定，而是由 非 Unicode 程序的语言 设置决定控制面板（搜索 Region，然后找到 Administrative 选项卡）。 此设置将é 编码为 0xE9，然后将其作为命令行参数传递给 Python。有a large number of Windows codepages 使用0xE9 表示é（但也有no such thing as an ANSI encoding）。

这同样适用于环境变量。 Python 将 Windows 在这里使用的编码称为MBCS codec；您可以使用'mbcs' 编解码器将命令行参数或环境变量解码为Unicode，该编解码器使用MultiByteToWideChar() 和WideCharToMultiByte() Windows API 函数以及CP_ACP 标志。

使用交互式提示时，Python 会传递由 Powershell 控制台语言环境代码页编码的字节，设置为 chcp。对您来说，这是代码页 850，当您键入 é 时会收到一个十六进制值为 0x82 的字节。因为print 将相同的 0x82 字节发送回同一个控制台，所以控制台会将 0x82 转换回屏幕上的 é 字符。

只有当您使用 Unicode 文本（使用像 u'é' 这样的 unicode 字符串文字）时，Python 才会对数据进行任何解码和编码。 print 写入 sys.stdout，它被配置为将 Unicode 数据编码到当前语言环境（或 PYTHONIOENCODING，如果设置），所以 print u'é' 将把 Unicode 对象写入 sys.stdout，然后将对象编码为字节使用配置的编解码器，然后将这些字节写入控制台。

要从u'é' 源代码文本（本身是一个字节序列）生成unicode 对象，Python 必须对给定的源代码进行解码。对于-c 命令行，在are decoded as Latin-1 中传递的字节。在交互式控制台中，使用区域设置。所以python -c "print u'é'"和print u'é'在交互会话中会产生不同的输出。

需要注意的是，Python 3 始终使用 Unicode 字符串，命令行参数和环境变量通过 Windows 'wide' API 加载到 Python 中，以 UTF-16 格式访问数据，然后以 Unicode 字符串对象的形式呈现。您仍然可以以字节字符串的形式访问控制台数据和文件系统信息，但从 Python 3.6 开始，accessing the filesystem and stdin/stdout/stderr streams as binary uses UTF-8 encoded data（再次使用“宽”API）。