Python、Windows 控制台和编码（cp 850 与 cp1252）

Question

我以为我对编码和 Python 了如指掌，但今天我遇到了一个奇怪的问题：虽然控制台设置为代码页 850 - Python 正确报告了它 - 我放在命令行上的参数似乎被编码为代码页 1252。如果我尝试使用 sys.stdin.encoding 对其进行解码，则会得到错误的结果。如果我假设“cp1252”，忽略 sys.stdout.encoding 报告的内容，它会起作用。

我是否遗漏了什么，或者这是 Python 中的一个错误？窗户？注意：我在 Windows 7 EN 上运行 Python 2.6.6，语言环境设置为法语（瑞士）。

在下面的测试程序中，我检查了文字是否被正确解释并且可以打印 - 这很有效。但是我在命令行上传递的所有值似乎都被错误地编码了：

#!/usr/bin/python
# -*- encoding: utf-8 -*-
import sys

literal_mb = 'utf-8 literal:   üèéÃÂç€ÈÚ'
literal_u = u'unicode literal: üèéÃÂç€ÈÚ'
print "Testing literals"
print literal_mb.decode('utf-8').encode(sys.stdout.encoding,'replace')
print literal_u.encode(sys.stdout.encoding,'replace')

print "Testing arguments ( stdin/out encodings:",sys.stdin.encoding,"/",sys.stdout.encoding,")"
for i in range(1,len(sys.argv)):
    arg = sys.argv[i]
    print "arg",i,":",arg
    for ch in arg:
        print "  ",ch,"->",ord(ch),
        if ord(ch)>=128 and sys.stdin.encoding == 'cp850':
            print "<-",ch.decode('cp1252').encode(sys.stdout.encoding,'replace'),"[assuming input was actually cp1252 ]"
        else:
            print ""

在新创建的控制台中，运行时

C:\dev>test-encoding.py abcé€

我得到以下输出

Testing literals
utf-8 literal:   üèéÃÂç?ÈÚ
unicode literal: üèéÃÂç?ÈÚ
Testing arguments ( stdin/out encodings: cp850 / cp850 )
arg 1 : abcÚÇ
   a -> 97
   b -> 98
   c -> 99
   Ú -> 233 <- é [assuming input was actually cp1252 ]
   Ç -> 128 <- ? [assuming input was actually cp1252 ]

虽然我希望第 4 个字符的序数值为 130 而不是 233（请参阅代码页 850 和 1252）。

注意：欧元符号的值 128 是个谜 - 因为 cp850 没有它。否则，'?'预期 - cp850 无法打印字符，我在转换中使用了“替换”。

如果我通过发出 chcp 1252 将控制台的代码页更改为 1252 并运行相同的命令，我（正确）获得

Testing literals
utf-8 literal:   üèéÃÂç€ÈÚ
unicode literal: üèéÃÂç€ÈÚ
Testing arguments ( stdin/out encodings: cp1252 / cp1252 )
arg 1 : abcé€
   a -> 97
   b -> 98
   c -> 99
   é -> 233
   € -> 128

任何想法我错过了什么？

编辑 1： 我刚刚通过阅读 sys.stdin 进行了测试。这按预期工作：在 cp850 中，键入 'é' 会导致序数值为 130。所以问题实际上只出在命令行上。那么，命令行与标准输入的处理方式不同吗？

编辑 2： 看来我的关键字有误。我在 SO 上找到了另一个非常接近的话题：Read Unicode characters from command-line arguments in Python 2.x on Windows。尽管如此，如果命令行没有像 sys.stdin 那样编码，并且由于 sys.getdefaultencoding() 报告“ascii”，似乎没有办法知道它的实际编码。我发现使用 win32 扩展的答案非常 hacky。

Answer 1

回复我自己：

在 Windows 上，控制台使用的编码（因此是 sys.stdin/out 的编码）与操作系统提供的各种字符串的编码不同 - 例如通过os.getenv()、sys.argv，当然还有更多。

sys.getdefaultencoding() 提供的编码实际上是一个默认值，由 Python 开发人员选择，以匹配解释器在极端情况下使用的“最合理的编码”。我在我的 Python 2.6 上得到了“ascii”，并尝试了可移植的 Python 3.1，它产生了“utf-8”。两者都不是我们想要的——它们只是编码转换函数的后备。

正如this page 所说，操作系统提供的字符串使用的编码由活动代码页 (ACP) 管理。由于 Python 没有本地函数来检索它，我不得不使用 ctypes：

from ctypes import cdll
os_encoding = 'cp' + str(cdll.kernel32.GetACP())

编辑：但正如 Jacek 所建议的那样，实际上有一种更健壮和 Pythonic 的方式来做到这一点（semantics 需要验证，但在证明错误之前，我会使用它）

import locale
os_encoding = locale.getpreferredencoding()
# This returns 'cp1252' on my system, yay!

然后

u_argv = [x.decode(os_encoding) for x in sys.argv]
u_env = os.getenv('myvar').decode(os_encoding)

在我的系统上，os_encoding = 'cp1252'，所以它可以工作。我很确定这会在其他平台上中断，所以请随意编辑并使其更通用。我们当然需要在 Windows 报告的 ACP 和 Python 编码名称之间建立某种转换表——这比仅仅在前面加上 'cp' 更好。

不幸的是，这是一个 hack，尽管我发现它比this ActiveState Code Recipe 建议的侵入性要小一些（由我的问题的编辑 2 中提到的 SO 问题链接）。我在这里看到的优点是这可以应用于 os.getenv()，而不仅仅是 sys.argv。

Answer 2

我尝试了解决方案。它可能仍然存在一些编码问题。我们需要使用真正的字体。 修复：

1. 在 cmd 中运行 chcp 65001 将编码更改为 UTF-8。
2. 将 cmd 字体更改为 True-Type 字体，例如支持 65001 之前的代码页

这是我对编码错误的完整修复：

def fixCodePage():
    import sys
    import codecs
    import ctypes
    if sys.platform == 'win32':
        if sys.stdout.encoding != 'cp65001':
            os.system("echo off")
            os.system("chcp 65001") # Change active page code
            sys.stdout.write("\x1b[A") # Removes the output of chcp command
            sys.stdout.flush()
        LF_FACESIZE = 32
        STD_OUTPUT_HANDLE = -11
        class COORD(ctypes.Structure):
        _fields_ = [("X", ctypes.c_short), ("Y", ctypes.c_short)]

        class CONSOLE_FONT_INFOEX(ctypes.Structure):
            _fields_ = [("cbSize", ctypes.c_ulong),
            ("nFont", ctypes.c_ulong),
            ("dwFontSize", COORD),
            ("FontFamily", ctypes.c_uint),
            ("FontWeight", ctypes.c_uint),
            ("FaceName", ctypes.c_wchar * LF_FACESIZE)]

        font = CONSOLE_FONT_INFOEX()
        font.cbSize = ctypes.sizeof(CONSOLE_FONT_INFOEX)
        font.nFont = 12
        font.dwFontSize.X = 7
        font.dwFontSize.Y = 12
        font.FontFamily = 54
        font.FontWeight = 400
        font.FaceName = "Lucida Console"
        handle = ctypes.windll.kernel32.GetStdHandle(STD_OUTPUT_HANDLE)
        ctypes.windll.kernel32.SetCurrentConsoleFontEx(handle, ctypes.c_long(False), ctypes.pointer(font))

注意：您可以在执行程序时看到字体变化。