Temos um projeto no Team Foundation Server (TFS) que possui um caractere não inglês (š). Ao tentar criar scripts para algumas coisas relacionadas à construção, encontramos um problema - não podemos passar a letra š para as ferramentas de linha de comando. O prompt de comando ou o que não está errado , e o utilitário tf.exe não consegue encontrar o projeto especificado.

Eu tentei diferentes formatos para o arquivo .bat (ANSI, UTF-8 com e sem BOM ) e também o script em JavaScript (que é inerentemente Unicode) - mas sem sorte. Como executo um programa e transmito a ele uma linha de comando Unicode ?

Meu histórico: uso anos de entrada / saída Unicode em um console por anos (e faço isso diariamente. Além disso, desenvolvo ferramentas de suporte para exatamente essa tarefa). Existem muito poucos problemas, na medida em que você entende os seguintes fatos / limitações:

• CMDe "console" são fatores não relacionados. CMD.exeé apenas um dos programas prontos para "trabalhar dentro" de um console ("aplicativos de console").
• AFAIK, CMDpossui suporte perfeito para Unicode; você pode inserir / produzir todos os caracteres Unicode quando qualquer página de código estiver ativa.
• O console do Windows tem MUITO suporte para Unicode - mas não é perfeito (apenas “bom o suficiente”; veja abaixo).
• chcp 65001é muito perigoso A menos que um programa tenha sido especialmente projetado para solucionar defeitos na API do Windows (ou use uma biblioteca de tempo de execução C com essas soluções alternativas), ele não funcionaria de maneira confiável. O Win8 corrige ½ desses problemas cp65001, mas o restante ainda é aplicável ao Win10 .
• Eu trabalho em cp1252. Como eu já disse: Para inserir / enviar Unicode em um console, não é necessário definir a página de código .

Os detalhes

• Para ler / gravar Unicode em um console, um aplicativo (ou sua biblioteca de tempo de execução C) deve ser inteligente o suficiente para usar não a File-I/OAPI, mas a Console-I/OAPI. (Por exemplo, veja como o Python faz isso .)
• Da mesma forma, para ler argumentos da linha de comando Unicode, um aplicativo (ou sua biblioteca de tempo de execução C) deve ser inteligente o suficiente para usar a API correspondente.
• A renderização de fonte do console suporta apenas caracteres Unicode no BMP (em outras palavras: abaixo U+10000). Somente a renderização de texto simples é suportada (portanto, os idiomas europeu - e alguns do leste asiático - devem funcionar bem - desde que se use formulários pré-compostos). [Há uma pequena impressão fina aqui para o leste asiático e para os caracteres U + 0000, U + 0001, U + 30FB.]

Considerações práticas

• Os padrões no Windows não são muito úteis. Para uma melhor experiência, é necessário ajustar três partes da configuração:

  • Para saída: uma fonte abrangente de console. Para melhores resultados, recomendo minhas compilações . (As instruções de instalação estão presentes lá - e também listadas em outras respostas nesta página.)
  • Para entrada: um layout de teclado capaz. Para melhores resultados, recomendo meus layouts .
  • Para entrada: permita entrada HEX de Unicode .

• Mais uma dica com "Colar" em um aplicativo de console (muito técnico):

  • A entrada HEX fornece um caractere KeyUpde Alt; todas as outras maneiras de entregar um personagem acontecem KeyDown; tantas aplicações não estão prontas para ver um personagem KeyUp. (Aplicável apenas a aplicativos que usam Console-I/OAPI.)
  • Conclusão: muitos aplicativos não reagiriam aos eventos de entrada HEX.
  • Além disso, o que acontece com um caractere "Colado" depende do layout atual do teclado: se o caractere puder ser digitado sem o uso de teclas de prefixo (mas com uma combinação arbitrária e complicada de modificadores, como em Ctrl-Alt-AltGr-Kana-Shift-Gray*), ele será entregue com um pressionamento de tecla emulado. Isso é o que qualquer aplicativo espera - então colar qualquer coisa que contenha apenas esses caracteres é bom.
  • No entanto, os "outros" caracteres são entregues emulando a entrada HEX .

  Conclusão : a menos que seu layout de teclado suporta entrada de um lote de caracteres sem chaves prefixo, algumas aplicações de buggy pode pular caracteres quando vocêPastevia UI do Console:Alt-Space E P. ( Este é por isso que eu recomendo usar meus layouts de teclado!)

Também devemos ter em mente que os “consoles alternativos e 'mais capazes'” para Windows não são consoles . Eles não suportam Console-I/OAPIs, portanto, os programas que dependem dessas APIs para funcionar não funcionariam. (Os programas que usam apenas "APIs de E / S de arquivo para os identificadores de arquivo do console" funcionariam bem, no entanto).

Um exemplo desse não console é parte da MicroSoft Powershell. Eu não uso isso; para experimentar, pressione e solte WinKeye digite powershell.

(Por outro lado, existem programas como ConEmuou ANSICONque tentam fazer mais: eles “tentam” interceptar Console-I/OAPIs para fazer com que “aplicativos de console verdadeiros” funcionem também. Isso definitivamente funciona para programas de exemplo de brinquedos; na vida real, isso pode ou não pode não resolver seus problemas específicos. Experiência.)

Resumo

• definir fonte, layout do teclado (e, opcionalmente, permitir entrada HEX).

• use apenas programas que passam por Console-I/OAPIs e aceitam argumentos de linha de comando Unicode. Por exemplo, qualquer cygwinprograma compilado deve estar bem. Como eu já disse, também CMDestá bem.

UPD: Inicialmente, para um bug cp65001, eu estava misturando as camadas Kernel e CRTL ( UPD²: e API do modo de usuário do Windows!). Além disso: o Win8 corrige metade desse bug; Esclarei a seção sobre o aplicativo “melhor console” e adicionei uma referência a como o Python faz isso.

Experimentar:

chcp 65001

que mudará a página de código para UTF-8. Além disso, você precisa usar as fontes do console Lucida.

Eu tive o mesmo problema (eu sou da República Tcheca). Eu tenho uma instalação em inglês do Windows e tenho que trabalhar com arquivos em uma unidade compartilhada. Os caminhos para os arquivos incluem caracteres específicos do tcheco.

A solução que funciona para mim é:

No arquivo em lotes, altere a página de conjunto de caracteres

Meu arquivo em lote:

chcp 1250
copy "O:\VEŘEJNÉ\ŽŽŽŽŽŽ\Ž.xls" c:\temp

O arquivo em lote deve ser salvo no CP 1250.

Observe que o console não mostrará os caracteres corretamente, mas os entenderá ...

Verifique o idioma para programas não-Unicode. Se você tiver problemas com o russo no console do Windows, defina o russo aqui:

É muito difícil alterar a página de código padrão do console do Windows. Quando você pesquisa na web, encontra propostas diferentes, no entanto, algumas delas podem danificar seu Windows completamente, ou seja, seu PC não inicializa mais.

A solução mais segura é esta: Vá para a chave do Registro HKEY_CURRENT_USER\Software\Microsoft\Command Processore adicione o valor String Autorun= chcp 65001.

Ou você pode usar esse pequeno script em lote para as páginas de códigos mais comuns.

@ECHO off

SET ROOT_KEY="HKEY_CURRENT_USER"


FOR /f "skip=2 tokens=3" %%i in ('reg query HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlSet\Control\Nls\CodePage /v OEMCP') do set OEMCP=%%i

ECHO System default values:

ECHO.
ECHO ...............................................
ECHO Select Codepage 
ECHO ...............................................
ECHO.
ECHO 1 - CP1252
ECHO 2 - UTF-8
ECHO 3 - CP850
ECHO 4 - ISO-8859-1
ECHO 5 - ISO-8859-15
ECHO 6 - US-ASCII
ECHO.
ECHO 9 - Reset to System Default (CP%OEMCP%)
ECHO 0 - EXIT
ECHO.


SET /P  CP="Select a Codepage: "

if %CP%==1 (
    echo Set default Codepage to CP1252
    reg add "%ROOT_KEY%\Software\Microsoft\Command Processor" /v Autorun /t REG_SZ /d "@chcp 1252>nul" /f
) else if %CP%==2 (
    echo Set default Codepage to UTF-8
    reg add "%ROOT_KEY%\Software\Microsoft\Command Processor" /v Autorun /t REG_SZ /d "@chcp 65001>nul" /f
) else if %CP%==3 (
    echo Set default Codepage to CP850
    reg add "%ROOT_KEY%\Software\Microsoft\Command Processor" /v Autorun /t REG_SZ /d "@chcp 850>nul" /f
) else if %CP%==4 (
    echo Set default Codepage to ISO-8859-1
    add "%ROOT_KEY%\Software\Microsoft\Command Processor" /v Autorun /t REG_SZ /d "@chcp 28591>nul" /f
) else if %CP%==5 (
    echo Set default Codepage to ISO-8859-15
    add "%ROOT_KEY%\Software\Microsoft\Command Processor" /v Autorun /t REG_SZ /d "@chcp 28605>nul" /f
) else if %CP%==6 (
    echo Set default Codepage to ASCII
    add "%ROOT_KEY%\Software\Microsoft\Command Processor" /v Autorun /t REG_SZ /d "@chcp 20127>nul" /f
) else if %CP%==9 (
    echo Reset Codepage to System Default
    reg delete "%ROOT_KEY%\Software\Microsoft\Command Processor" /v AutoRun /f
) else if %CP%==0 (
    echo Bye
) else (
    echo Invalid choice
    pause
)

Usar em @chcp 65001>nulvez de chcp 65001suprime a saída "Página de código ativa: 65001" que você obteria toda vez que iniciar uma nova janela de linha de comando.

Uma lista completa de todos os números disponíveis que você pode obter nos Identificadores da Página de Código

Observe que as configurações serão aplicadas apenas ao usuário atual. Se você deseja defini-lo para todos os usuários, substitua linha SET ROOT_KEY="HKEY_CURRENT_USER"porSET ROOT_KEY="HKEY_LOCAL_MACHINE"

Na verdade, o truque é que o prompt de comando realmente entende esses caracteres que não estão em inglês, apenas não pode exibi-los corretamente.

Quando insiro um caminho no prompt de comando que contém alguns caracteres que não estão em inglês, ele é exibido como "?? ?????? ?????". Quando você envia seu comando (cd "??? ?????? ?????" no meu caso), tudo está funcionando como esperado.

Em uma máquina Windows 10 x64, fiz com que o prompt de comando exibisse caracteres não ingleses da seguinte maneira:

Abra um prompt de comando elevado (execute o CMD.EXE como administrador). Consulte seu registro para obter fontes TrueType disponíveis no console:

    REG query "HKLM\SOFTWARE\Microsoft\Windows NT\CurrentVersion\Console\TrueTypeFont"

Você verá uma saída como:

    0    REG_SZ    Lucida Console
    00    REG_SZ    Consolas
    936    REG_SZ    *新宋体
    932    REG_SZ    *ＭＳ ゴシック

Agora precisamos adicionar uma fonte TrueType que suporte os caracteres necessários, como Courier New. Fazemos isso adicionando zeros ao nome da string, portanto, neste caso, o próximo seria "000":

    REG ADD "HKLM\SOFTWARE\Microsoft\Windows NT\CurrentVersion\Console\TrueTypeFont" /v 000 /t REG_SZ /d "Courier New"

Agora, implementamos o suporte UTF-8:

    REG ADD HKCU\Console /v CodePage /t REG_DWORD /d 65001 /f

Defina a fonte padrão como "Courier New":

    REG ADD HKCU\Console /v FaceName /t REG_SZ /d "Courier New" /f

Defina o tamanho da fonte como 20:

    REG ADD HKCU\Console /v FontSize /t REG_DWORD /d 20 /f

Ative a edição rápida, se desejar:

    REG ADD HKCU\Console /v QuickEdit /t REG_DWORD /d 1 /f

Como não vi respostas completas para o Python 2.7, descreverei as duas etapas importantes e uma opcional que é bastante útil.

1. Você precisa de uma fonte com suporte Unicode. O Windows vem com o Lucida Console, que pode ser selecionado clicando com o botão direito do mouse na barra de título do prompt de comando e clicando na Defaultsopção Isso também dá acesso às cores. Observe que você também pode alterar as configurações das janelas de comando invocadas de determinadas maneiras (por exemplo, abra aqui, Visual Studio) escolhendo Properties.
2. Você precisa definir a página de código como cp65001, que parece ser a tentativa da Microsoft de oferecer suporte a UTF-7 e UTF-8 no prompt de comando. Faça isso executando chcp 65001no prompt de comando . Uma vez definido, permanece assim até que a janela seja fechada. Você precisará refazer isso sempre que iniciar o cmd.exe.

Para uma solução mais permanente, consulte esta resposta no Superusuário. Em resumo, crie uma REG_SZentrada (String) usando regedit em HKEY_LOCAL_MACHINE\Software\Microsoft\Command Processore nomeie-a AutoRun. Mude o valor dele para chcp 65001. Se você não quiser ver a mensagem de saída do comando, use @chcp 65001>nul.

Alguns programas têm problemas para interagir com essa codificação, sendo o MinGW notável que falha ao compilar com uma mensagem de erro sem sentido. No entanto, isso funciona muito bem e não causa bugs na maioria dos programas.

Eu achei esse método útil em novas versões do Windows 10:

Ative este recurso: "Beta: use Unicode UTF-8 para suporte mundial ao idioma"

Painel de controle -> Configurações regionais -> guia Administrativo -> Alterar local do sistema ...

Uma opção realmente simples é instalar um shell do Windows bash como o MinGW e usá-lo:

Há um pouco de uma curva de aprendizado, pois você precisará usar a funcionalidade de linha de comando do Unix, mas você adorará o poder dela e poderá definir o conjunto de caracteres do console para UTF-8.

Claro que você também recebe todos os brindes * nix habituais, como grep, find, less, etc.

Para um problema semelhante, (meu problema era mostrar caracteres UTF-8 do MySQL em um prompt de comando),

Eu resolvi assim:

1. Alterei a fonte do prompt de comando para o Lucida Console. (Essa etapa deve ser irrelevante para a sua situação. Tem a ver apenas com o que você vê na tela e não com o que realmente é o personagem).

2. Alterei a página de código para Windows-1253. Você faz isso no prompt de comando por "chcp 1253". Funcionou no meu caso em que eu queria ver o UTF-8.

Este problema é bastante irritante. Normalmente, tenho caracteres chineses no meu nome de arquivo e conteúdo do arquivo. Observe que estou usando o Windows 10, eis a minha solução:

Para exibir o nome do arquivo , como dirou lsse você instalou o Ubuntu bash no Windows 10

1. Defina a região para suportar caracteres não utf 8.

2. Depois disso, a fonte do console será alterada para a fonte daquele código do idioma e também mudará a codificação do console.

Depois de executar as etapas anteriores, para exibir o conteúdo do arquivo UTF-8 usando a ferramenta de linha de comando

1. Mude a página para utf-8 chcp 65001
2. Altere para a fonte que suporta utf-8, como Lucida Console
3. Use o typecomando para espiar o conteúdo do arquivo ou catse você instalou o Ubuntu bash no Windows 10
4. Observe que, depois de definir a codificação do console como utf-8, não consigo digitar caracteres chineses no cmd usando o método de entrada chinês.

A solução mais preguiçosa: basta usar um emulador de console como http://cmder.net/

Vejo várias respostas aqui, mas elas não parecem responder à pergunta - o usuário deseja obter entrada Unicode na linha de comando.

O Windows usa UTF-16 para codificar em duas cadeias de bytes, portanto, você precisa obtê-las no sistema operacional do seu programa. Existem duas maneiras de fazer isso -

1) A Microsoft possui uma extensão que permite ao main obter uma ampla matriz de caracteres: int wmain (int argc, wchar_t * argv []); https://msdn.microsoft.com/en-us/library/6wd819wh.aspx

2) Chame a API do Windows para obter a versão unicode da linha de comando wchar_t win_argv = (wchar_t ) CommandLineToArgvW (GetCommandLineW (), & nargs); https://docs.microsoft.com/en-us/windows/desktop/api/shellapi/nf-shellapi-commandlinetoargvw

Leia isto: http://utf8everywhere.org para obter informações detalhadas, principalmente se você estiver suportando outros sistemas operacionais.

A partir de junho de 2019, com o Windows 10, você não precisará alterar a página de códigos.

Consulte " Introdução ao Windows Terminal " (de Kayla Cinnamon ) e o Microsoft / Terminal .
Com o uso da fonte Consolas, parcial será fornecido suporte Unicode.

Conforme documentado na Microsoft/Terminaledição 387 :

Atualmente, existem 87.887 ideogramas em Unicode. Você precisa de todos eles também?
Precisamos de um limite, e os caracteres além desse limite devem ser tratados por fallback / link de fonte / qualquer coisa que seja.

O que os Consolas devem cobrir:

• Caracteres usados ​​como símbolos usados ​​pelos programas OSS modernos na CLI.
• Esses caracteres devem seguir o design e as métricas do Consolas e alinhados adequadamente aos caracteres existentes do Consolas.

O que os Consolas NÃO devem cobrir:

• Caracteres e pontuação de scripts que, além do latim, grego e cirílico, especialmente caracteres, precisam de formas complexas (como o árabe).
• Esses caracteres devem ser tratados com fallback de fonte.

Uma decisão rápida para os arquivos .bat se o computador exibir o nome do caminho / arquivo correto quando você o digitar na janela do DOS:

1. copiar com temp.txt [pressione Enter]
2. Digite o nome do caminho / arquivo [pressione Enter]
3. Pressione Ctrl-Z [pressione Enter]

Dessa forma, você cria um arquivo .txt - temp.txt. Abra-o no bloco de notas, copie o texto (não se preocupe, ele ficará ilegível) e cole-o no seu arquivo .bat. A execução do .bat criado dessa maneira na janela do DOS funcionou para mim (cirílico, búlgaro).

Uma coisa melhor para limpar: basta instalar o pacote de idiomas japonês da Microsoft disponível e gratuito. (Outros pacotes de idiomas orientais também funcionarão, mas eu testei o japonês.)

Isso fornece as fontes com os conjuntos maiores de glifos, torna o comportamento padrão, altera as várias ferramentas do Windows, como cmd, WordPad etc.

Alterar a página de código para 1252 está funcionando para mim. O problema para mim é que o símbolo double doller § está sendo convertido em outro símbolo pelo DOS no Windows Server 2008.

Eu usei o CHCP 1252 e um limite antes dele na minha declaração do BCP ^ §.

Eu resolvi um problema semelhante ao excluir arquivos nomeados Unicode, consultando-os no arquivo em lotes por seus nomes abreviados (8 pontos 3).

Os nomes abreviados podem ser visualizados fazendo dir /x. Obviamente, isso funciona apenas com nomes de arquivos Unicode que já são conhecidos.