控制台命令和输出到 unicode

Question

我知道，这是一个老问题，但我找到的答案在以下情况下都没有帮助：

fc /u TextA.txt TextB.txt

比较两个 Unicode 编码的 txt 文件并在屏幕上正确显示结果 (!)。

正如所料，

fc /u TextA.txt TextB.txt > Comp.txt

不会生成 Unicode 编码文件。

不幸的是在类似情况下使用的方法

cmd /u /c fc /u TextA.txt TextB.txt > Comp.txt

不起作用，生成的文件是 ANSI 编码的。

我希望这里有人可以帮助...

已编辑（在第一次 cmets 之后）：问题似乎是 cmd /u（或 chcp）仅适用于“内部”命令（如 dir）。 fc 不是内部命令...（感谢 LotPings！）

Answer 1

简答：

使用 PowerShell 的Compare-Object cmdlet 如下：

Compare-Object  (Get-Content ".\fileA.txt") (Get-Content ".\fileB.txt")

基本自定义输出到文件：

Compare-Object (Get-Content ".\fileA.txt") (Get-Content ".\fileB.txt") |
  Format-Table -Property SideIndicator, InputObject -AutoSize -HideTableHeaders -Wrap |
    Out-File .\fileAB.txt -Encoding unicode

或

Compare-Object (Get-Content ".\fileA.txt") (Get-Content ".\fileB.txt") -PassThru |
    Out-File .\fileAB.txt -Encoding unicode

原始答案（另请参阅下面的修正）：

č 字母（带有 Caron 的拉丁小写字母 C，代码点 U+010D）出现在代码页 775/1257（Baltic）和852/1250（中欧）。我想后者是因为koča 这个词听起来像是英语 hut、cabin 或 cottage 的常用斯拉夫语术语。

重现问题。下一个示例显示了OEM 和ANSI 代码页之间可能的mojibake 情况；显然，cmd.exe 本身进行了一些隐式（以及不清楚）字符代码转换：

D:\test\Unicode> powershell -c "'fileA','fileB'|ForEach-Object {$_; Get-Content .\$_.txt}"
fileA
a lc ěščřžýáíé ď ť ň
a UC ĚŠČŘŽÝÁÍÉ Ď Ť Ň
fileB
b lc ěščřžýáíé ď ť ň
b UC ĚŠČŘŽÝÁÍÉ Ď Ť Ň

D:\test\Unicode> chcp
Active code page: 1250

D:\test\Unicode> fc.exe /U .\fileA.txt .\fileB.txt > .\CompAB_1250.txt

D:\test\Unicode> type .\CompAB_1250.txt
Comparing files .\fileA.txt and .\FILEB.TXT
***** .\fileA.txt
a lc Řçźý§ě ˇ‚ Ô ś ĺ
a UC ·ć¬ü¦íµÖ Ň › Ő
***** .\FILEB.TXT
b lc Řçźý§ě ˇ‚ Ô ś ĺ
b UC ·ć¬ü¦íµÖ Ň › Ő
*****

cmd 修复：

D:\test\Unicode> chcp 852
Active code page: 852

D:\test\Unicode> fc.exe /U .\fileA.txt .\fileB.txt > .\CompAB_852.txt

D:\test\Unicode> type .\CompAB_852.txt
Comparing files .\fileA.txt and .\FILEB.TXT
***** .\fileA.txt
a lc ěščřžýáíé ď ť ň
a UC ĚŠČŘŽÝÁÍÉ Ď Ť Ň
***** .\FILEB.TXT
b lc ěščřžýáíé ď ť ň
b UC ĚŠČŘŽÝÁÍÉ Ď Ť Ň
*****

在上面的例子中，CompAB_1250.txt（乱码）和CompAB_852.txt（有效）都被编码在一个单字节的代码页中。要获取 Unicode 输出，请使用 PowerShell，如下所示：

PowerShell 修复 #1。强制PowerShell 从命令行使用代码页852（在调用powershell 之前显式使用chcp 852 命令）：

D:\test\Unicode> chcp 852
Active code page: 852

D:\test\Unicode> powershell -c ". fc.exe /U .\fileA.txt .\fileB.txt > .\CompAB.txt"

D:\test\Unicode> powershell -c "'CompAB' | ForEach-Object {$_; Get-Content .\$_.txt}"
CompAB
Comparing files .\fileA.txt and .\FILEB.TXT
***** .\fileA.txt
a lc ěščřžýáíé ď ť ň
a UC ĚŠČŘŽÝÁÍÉ Ď Ť Ň
***** .\FILEB.TXT
b lc ěščřžýáíé ď ť ň
b UC ĚŠČŘŽÝÁÍÉ Ď Ť Ň
*****

PowerShell 修复 #2 强制 PowerShell 使用代码页 852 即时 无论活动控制台代码页如何并保持后者不变（例如，选择了1252 代码页，不包含大部分使用过的字母）：

D:\test\Unicode> chcp 1252
Active code page: 1252

D:\test\Unicode> powershell -c "[System.Console]::OutputEncoding=[System.Text.ASCIIEncoding]::GetEncoding(852);. fc.exe /U .\fileA.txt .\fileB.txt > .\CompAB.txt"

D:\test\Unicode> powershell -c "'CompAB' | ForEach-Object {$_; Get-Content .\$_.txt}"
CompAB
Comparing files .\fileA.txt and .\FILEB.TXT
***** .\fileA.txt
a lc ěščřžýáíé ď ť ň
a UC ĚŠČŘŽÝÁÍÉ Ď Ť Ň
***** .\FILEB.TXT
b lc ěščřžýáíé ď ť ň
b UC ĚŠČŘŽÝÁÍÉ Ď Ť Ň
*****

D:\test\Unicode> chcp
Active code page: 1252

请从新打开的cmd 窗口运行下一个命令以获取进一步解释：

powershell -c "[console]::OutputEncoding"
chcp 1252
powershell -c "[console]::OutputEncoding"
chcp 1250
powershell -c "[console]::OutputEncoding"
chcp 852
powershell -c "[console]::OutputEncoding"
rem etc. etc. etc.

编辑（修正）：最终在输入文件中添加了一些希腊字符进行了测试； fc.exe 从命令行 fc.exe /U .\fileA.txt .\fileB.txt 甚至从 Powershell 输出看起来都很好：

D:\test\Unicode> powershell -c ". fc.exe /U .\fileA.txt .\fileB.txt"
Comparing files .\fileA.txt and .\FILEB.TXT
***** .\fileA.txt
a lc ěščřžýáíé ď ť ň
a    Ελληνικά  ΕΛΛΗΝΙΚΆ
a UC ĚŠČŘŽÝÁÍÉ Ď Ť Ň
***** .\FILEB.TXT
b lc ěščřžýáíé ď ť ň
b    Ελληνικά  ΕΛΛΗΝΙΚΆ
b UC ĚŠČŘŽÝÁÍÉ Ď Ť Ň
*****

但是，> 将上述输出重定向到文件以及将| 管道传输到另一个 cmdlet 会导致信息丢失，因此某些字符要么出现乱码（通过 mojibake），要么至少被 @987654360 替换@问号，例如如下：

PS D:\test\Unicode> . fc.exe /U .\fileA.txt .\fileB.txt | ForEach-Object {$_}
Comparing files .\fileA.txt and .\FILEB.TXT
***** .\fileA.txt
a lc ěščřžýáíé ď ť ň
a    ????????  ????????
a UC ĚŠČŘŽÝÁÍÉ Ď Ť Ň
***** .\FILEB.TXT
b lc ěščřžýáíé ď ť ň
b    ????????  ????????
b UC ĚŠČŘŽÝÁÍÉ Ď Ť Ň
*****