自学内容网 自学内容网
自学内容网 > 正文

windows控制台编码@常见字符集标准@chcp程序设置活动页面代码@C&C++编译的程序打印中文乱码问题

🕗 发布于 2024-11-08 04:01 windows  c++  

文章目录

abstract

chcp 是 Windows 中用于更改或显示活动代码页的命令。代码页（Code Page）是字符编码表，定义了特定字符集的编码方式。不同的代码页对应不同的字符集和语言环境。例如，ASCII、Unicode 及其各种变种，以及特定国家或地区的字符编码等。chcp 命令在使用多种语言或在命令行中处理特定字符集时很有用。

chcp命令

更改活动控制台代码页。 如果使用不带参数， chcp 显示活动控制台代码页的数目。

PS[BAT:80%][MEM:24.09% (7.64/31.70)GB][11:36:46]
# [C:\Windows\System32]
 chcp /?
 
Displays or sets the active code page number.

CHCP [nnn]

  nnn   Specifies a code page number.

Type CHCP without a parameter to display the active code page number.

chcp code page

常见的每个受支持的代码页及其国家/地区或语言︰

更多详见:

常见部分

Code pageCountry/region or language
437United States👺
850Multilingual (Latin I)
852Slavic (Latin II)
855Cyrillic (Russian)
857Turkish
860Portuguese
861Icelandic
863Canadian-French
865Nordic
866Russian
869Modern Greek
936Chinese👺

最常见代码页列表👺

代码页描述
437美国英语
850西欧语言
936简体中文 (GBK)
65001UTF-8
1252Windows 拉丁-1 (ANSI)
1251西里尔文 (Windows)

注意事项

  • 字符显示问题：在切换代码页时，某些字符可能会因为不被当前代码页支持而无法正确显示。例如，从 936 切换到 65001 可能会导致一些特殊字符的显示错误。
  • 批处理脚本的影响：在批处理脚本中使用 chcp 可能会影响脚本的字符编码，因此在多语言环境中要小心使用。
  • 性能影响：某些代码页切换可能会影响命令提示符的性能，尤其是涉及到文件 I/O 或大型文本处理时。

通过正确设置代码页，可以更好地兼容多语言输入输出，特别是在需要处理多种语言字符的情况时尤为重要

案例

比如在英文系统上编译一个包含中文字符或者会打印中文字符的程序时,如果chcp设置不正确,会造成乱码

cmd /c chcp 65001>nul && g++ -fdiagnostics-color=always -g C:\repos\c_cpp_consoleapps\zh测试中文目录\分解质因数bak.cpp -o C:\repos\c_cpp_consoleapps/a.exe

上述代码将chcp设置为65001(表示unicode utf-8),vscode中c/c++插件的默认build行为

这里使用的gcc/g++信息如下,来自于mingw-winlibs-ucrt

PS [C:\Users\cxxu\Desktop]> gcm g++*

CommandType     Name                                               Version    Source
-----------     ----                                               -------    ------
Application     g++.exe                                            0.0.0.0    C:\ProgramData\scoop\apps\mingw-winlibs-ucrt\current\bin\g++.exe

如果如果不设置chcp,结果有乱码

PS [C:\Users\cxxu\Desktop]> chcp
Active code page: 437

PS [C:\Users\cxxu\Desktop]>  g++   "c:\repos\c_cpp_consoleapps\zh测试 中文目录\分解质因数bak.cpp" -o "c:\repos\c_cpp_consoleapps\a.exe"  ;  . "c:\repos\c_cpp_consoleapps\a.exe"
分析给定整数的所有质因数(构成的集合)
input a integer:                   

PS [C:\Users\cxxu\Desktop]> chcp 65001 ; g++   "c:\repos\c_cpp_consoleapps\zh测试中文目录\分解质因数bak.cpp" -o "c:\repos\c_cpp_consoleapps\a.exe"  ;  . "c:\repos\c_cpp_consoleapps\a.exe"
Active code page: 65001
分析给定整数的所有质因数(构成的集合)
input a integer:

注意,这里chcp 65001 ;应该随着g++编译命令行一起执行(跟准确的说,chcp要和a.exe一起执行,否则仍然会乱码

PS [C:\Users\cxxu\Desktop]> chcp
Active code page: 65001

PS [C:\Users\cxxu\Desktop]> rm  "c:\repos\c_cpp_consoleapps\a.exe"

PS [C:\Users\cxxu\Desktop]>  g++   "c:\repos\c_cpp_consoleapps\zh测试 中文目录\分解质因数bak.cpp" -o "c:\repos\c_cpp_consoleapps\a.exe"  ;  . "c:\repos\c_cpp_consoleapps\a.exe"
分析给定整数的所有质因数(构成的集合)
input a integer:

PS [C:\Users\cxxu\Desktop]> chcp 65001 ; g++   "c:\repos\c_cpp_consoleapps\zh测试中文目录\分解质因数bak.cpp" -o "c:\repos\c_cpp_consoleapps\a.exe"  ;  . "c:\repos\c_cpp_consoleapps\a.exe"
Active code page: 65001
分析给定整数的所有质因数(构成的集合)
input a integer:

进一步试验发现

PS [C:\Users\cxxu\Desktop]>  g++   "c:\repos\c_cpp_consoleapps\zh测试 中文目录\分解质因数bak.cpp" -o "c:\repos\c_cpp_consoleapps\a.exe"  ;  . "c:\repos\c_cpp_consoleapps\a.exe"
分析给定整数的所有质因数(构成的集合)
input a integer:

PS [C:\Users\cxxu\Desktop]> cd C:\repos\c_cpp_consoleapps\

PS [C:\repos\c_cpp_consoleapps]> .\a.exe
分析给定整数的所有质因数(构成的集合)
input a integer:

PS [C:\repos\c_cpp_consoleapps]> chcp 65001;.\a.exe
Active code page: 65001
分析给定整数的所有质因数(构成的集合)
input a integer:

要把chcp 65001和 . .\a.exe放在同一行,这样a.exe运行才不会打印出乱码

字符编码标准

ANSI

  • ANSI 字符集（American National Standards Institute character set）是美国国家标准协会开发的一种字符编码标准。它在计算机和通信系统中被广泛应用，用于表示不同的字符。ANSI 不是指一个特定的字符集，而是一个标准化的编码方式，其具体实现通常会依赖于所用的操作系统和区域设置（locale）。
主要特点
  • 与 ASCII 的关系：ANSI 字符集在其基本部分与 ASCII 字符集（美国标准信息交换码）兼容，这意味着它保留了从 0 到 127 的字符（包括常见的字母、数字和一些符号）。
  • 扩展字符：从 128 到 255 的位置可以包含扩展字符，比如用于表示带重音符号的字母、特殊符号以及各种语言的字符。因此，具体字符含义可能会因地区和代码页（code page）而有所不同。
  • 使用场景：在 Windows 系统中，ANSI 通常用于表示一个扩展的 8 位编码字符集，通常基于 Windows-1252 代码页，这种实现包含了拉丁语字母表扩展、符号以及其他一些区域字符。
举例说明

在 Windows 系统中，常见的 ANSI 代码页有：

  • Windows-1252：用于西欧语言字符集，包括法语、德语、西班牙语等。
  • Windows-1251：用于表示西里尔字母，支持俄语等语言。
区别与 Unicode
  • 字符数量：ANSI 只能编码 256 个字符（一个字节），这在多语言文本处理中有明显的局限性。而 Unicode 是一个更大的标准，能够支持超过百万个字符，包括世界上几乎所有书写系统的字符。
  • 跨平台支持：ANSI 主要用于老版本的 Windows 系统，而现代系统和编程环境通常更倾向于使用 Unicode（如 UTF-8 编码）来支持更广泛的国际化需求。

Unicode

Unicode 是一种字符编码标准，旨在为世界上所有语言中的每个字符分配一个唯一的编号。

它的目的是解决不同语言、不同字符集之间的编码兼容性问题。

早期计算机系统中，各种字符编码标准（如 ASCII、ISO 8859、GBK 等）使用不同的字节表示同一个字符，导致字符显示混乱和乱码问题。

Unicode 统一了这些字符集，使得全球范围内的文本可以以一致的方式表示和处理。

Unicode 具有多个编码形式，如 UTF-8、UTF-16 和 UTF-32。每种编码方式使用不同的字节长度来表示字符。

什么是 UTF-8

UTF-8（8-bit Unicode Transformation Format）是 Unicode 的一种字符编码方式，广泛用于网络和跨平台文本交换。

UTF-8 具有以下主要特点：

  1. 兼容 ASCII：UTF-8 向后兼容 ASCII 编码。对于标准 ASCII 字符（范围 0x00 到 0x7F），UTF-8 使用单个字节表示，这与 ASCII 编码相同。
  2. 可变长度编码：UTF-8 使用 1 到 4 个字节来编码一个字符。对于常见的西文字符，它仅使用 1 个字节，而对于其他较复杂或稀有的字符，如汉字、表情符号等，UTF-8 使用 2 到 4 个字节。
  3. 全球通用：UTF-8 是互联网上最常用的编码方式，特别是在网页内容中。它能够表示所有 Unicode 字符，因此适用于多语言环境。
UTF-8 的编码规则

UTF-8 使用一系列前缀位来指示字符的长度：

  • 1 字节：0xxxxxxx，即第一个字节以 0 开头。它表示 7 位 ASCII 字符，兼容传统 ASCII。
  • 2 字节：110xxxxx 10xxxxxx，表示非 ASCII 字符，通常用于欧洲特殊字符。
  • 3 字节：1110xxxx 10xxxxxx 10xxxxxx，常用于亚洲字符，如汉字、日语和韩语。
  • 4 字节：11110xxx 10xxxxxx 10xxxxxx 10xxxxxx，表示少量特殊字符和表情符号等。
例子

  1. 字母 “A”（ASCII 码 65）

    • 二进制：01000001
    • UTF-8 编码：01000001（单字节，与 ASCII 相同）

  2. 汉字 “你”（Unicode 码点为 U+4F60）

    • 二进制：100111101100000
    • UTF-8 编码：11100100 10111101 10100000（三个字节）

  3. 表情符号 “😊”（Unicode 码点为 U+1F60A）

    • 二进制：0001 1111 0110 0000 1010
    • UTF-8 编码：11110000 10011111 10011000 10101010（四个字节）
Unicode utf-8优势与应用
  1. 全球支持：UTF-8 可以编码所有 Unicode 字符，因此适用于多语言应用程序和网页开发。
  2. 存储效率：UTF-8 对于常见的 ASCII 字符非常高效，只占用 1 个字节；对于较少使用的字符，它使用更多字节，但避免了固定宽度编码的空间浪费。
  3. 无 BOM (Byte Order Mark)：在文件中通常不需要使用 BOM 标记，因此 UTF-8 文件在跨平台传输时更加简单。
在实际应用中的使用
  • HTML 和 XML：默认使用 UTF-8 编码，以便支持多语言内容。
  • 操作系统和文件系统：许多现代操作系统（如 Linux 和 macOS）默认使用 UTF-8 作为文件名和文本编码格式。
  • 编程语言支持：大多数现代编程语言都支持 UTF-8 编码，使得多语言字符串处理变得简单。

总结来说，UTF-8 是一种高效、灵活且广泛兼容的字符编码方式，是全球互联网和现代软件开发中的首选字符集标准。

UTF-8、UTF-16 和 UTF-32 介绍

UTF-8、UTF-16 和 UTF-32 是三种不同的 Unicode 编码方式，主要区别在于它们使用的字节数和编码规则。它们各自具有不同的优缺点和应用场景。下面介绍它们的特点和差异：

1. UTF-8
  • 字节数：使用 1 到 4 个字节编码一个字符，是一种可变长度编码。
  • 编码规则：
    • 1 字节：用于 ASCII 字符（兼容传统 ASCII 编码），范围为 0x00 到 0x7F。
    • 2 字节：用于扩展的拉丁字符、希腊字母等。
    • 3 字节：用于常见的汉字、日语、韩语等。
    • 4 字节：用于较少见的符号、表情符号、一些历史字符等。
  • 优点：
    • 向后兼容 ASCII：ASCII 字符只需 1 个字节，与现有系统和文本文件兼容性好。
    • 存储空间效率高：对以英文为主的文本而言，UTF-8 占用更少的存储空间。
    • 全球广泛使用：在网络协议和文件编码中最常用，如 HTML、JSON 等。
  • 缺点：
    • 处理字符串时，字符长度和字节长度不同，计算字符串长度需要更多逻辑。
2. UTF-16
  • 字节数：使用 2 或 4 个字节编码一个字符，是可变长度编码。
  • 编码规则：
    • 大多数常用字符（包括 BMP - Basic Multilingual Plane 里的字符）使用 2 字节表示。
    • 较不常见的字符或需要表示更大范围 Unicode 码点的字符使用 4 字节（这种扩展称为代理对，Surrogate Pair）。
  • 优点：
    • 适合亚洲语言：对汉字、日文假名等字符较多的文本而言，通常比 UTF-8 更节省空间，因为常用字符都用 2 字节。
    • 在早期的 Windows 系统和许多编程语言的内部字符串处理中（如 Java、C#）广泛使用。
  • 缺点：
    • 与 ASCII 不兼容：需要至少 2 字节，不适合英文为主的内容，可能浪费空间。
    • 处理复杂文本时，需要考虑代理对，增加了编码复杂性。
3. UTF-32
  • 字节数：始终使用 4 个字节编码一个字符，是固定长度编码。
  • 编码规则：每个 Unicode 字符都用 4 字节表示，无论其复杂性或使用频率如何。
  • 优点：
    • 简单：每个字符固定占用 4 字节，处理和索引字符时非常简单，没有编码转换和代理对问题。
    • 易于字符串索引：按字符长度和字节长度一致，遍历和访问字符串更加直接。
  • 缺点：
    • 空间浪费：对于大多数文本（如 ASCII 文本、常用汉字），UTF-32 占用的空间最多，存储效率低。
    • 通常用于内部处理或某些特殊场景（如高性能字符处理的场景），较少用于文件存储和传输。

UTF-8、UTF-16 和 UTF-32 对比总结

编码方式字节数优点缺点适用场景
UTF-81-4- 兼容 ASCII
- 全球广泛支持
- 存储效率高（尤其是英文）		- 可变长度
- 索引复杂		网络传输、网页、跨平台文本
UTF-162-4- 常见字符用 2 字节
- 适合亚洲语言文本		- 可变长度
- 需处理代理对		Windows 系统、部分编程语言
UTF-324- 固定长度
- 字符处理简单		- 占用空间大
- 不适合常规文本		内部处理、特殊场景

选择合适的编码方式

  • 网络传输和跨平台文本存储通常使用 UTF-8，因为它兼容性好且存储效率较高。
  • 内存处理时，如果主要操作复杂的多字节字符集合，可能会选择 UTF-16。
  • UTF-32更适用于对每个字符进行快速、简单处理的场景，但通常只在极少数场景中使用。

原文地址：https://blog.csdn.net/xuchaoxin1375/article/details/143607358

免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！

相关文章

自学内容网
Copyright © 2015-2024