Question

我以为我对编码和Python一无所知，但今天我遇到了一个奇怪的问题：尽管控制台设置为第850页代码 - 而Python正确报告 - 我在命令行上放置的参数似乎是编码的代码页1252.如果我尝试用sys.stdin.encoding解码它们，我得到错误的结果。如果我假设'cp1252'，忽略sys.stdout.encoding报告的内容，它就有效。

我错过了什么，或者这是Python中的错误？ Windows？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，我检查文字是否被正确解释并且可以打印 - 这是有效的。但是我在命令行上传递的所有值似乎都被错误编码：

#!/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 ]

虽然我希望第四个字符的序数值 130 而不是233（请参阅代码页850和1252）。

注意：欧元符号的128值是个谜 - 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并运行相同的命令将控制台的代码页更改为1252，我（正确）获取

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

我缺少什么想法？

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.所以问题实际上只适用于命令行。那么，命令行的处理方式是否与标准输入不同？

编辑2：似乎我的关键字错误。我在SO上找到了另一个非常接近的主题：Read Unicode characters from command-line arguments in Python 2.x on Windows。但是，如果命令行没有像sys.stdin那样编码，并且由于sys.getdefaultencoding（）报告'ascii'，似乎无法知道它的实际编码。我找到了使用win32扩展的答案非常hacky。

Answer 1

回复自己：

在Windows上，控制台使用的编码（因此，sys.stdin / out的编码）与各种OS提供的字符串的编码不同 - 通过例如os.getenv（），sys.argv，当然还有更多。

sys.getdefaultencoding（）提供的编码实际上是 - 默认情况下，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'ascii'，并尝试使用便携式Python 3.1，它产生'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。

由于this page似乎已声明，操作系统提供的字符串使用的编码由活动代码页（ACP）控制。由于Python没有本机函数来检索它，我不得不使用ctypes：

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

编辑但正如Jacek建议的那样，实际上有更强大的Pythonic方法（semantics需要验证，但在证明错误之前，我会使用此方法）

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os_encoding = 'cp1252'上，所以它有效。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。我们肯定需要在Windows报告的ACP和Python编码名称之间使用某种转换表 - 这比仅仅预先添加'cp'要好。

不幸的是，这是一个黑客攻击，虽然我发现它比this ActiveState Code Recipe建议的更少侵扰（与我的问题的编辑2中提到的SO问题相关联）。我在这里看到的优点是，这可以应用于os.getenv（），而不仅仅适用于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。修正：

在cmd中运行chcp 65001，将编码更改为UTF-8。
将cmd字体更改为True-Type，如支持的Lucida控制台在65001之前的代码页之前

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更改。

Python，Windows控制台和编码（cp 850 vs cp1252）

2 个答案: