问题标签 [codepages]

这个问题基本上说明了问题。

我正在使用 Windows XP Pro Service Pack 3
ComSpec=C:\WINDOWS\system32\cmd.exe
我通过 Start... Run-dialog... cmd.exe 启动了控制台

这是我的控制台的“视图”：
命令，然后是输出（以及我的 // 注释）

以上工作正常（如预期）。Windows 领域的事情很开心，但是当我切换到代码页 65001 时“调用”失败

这里发生了什么（没有发生）？

我正在研究代码页，并且遇到了许多相互冲突的术语用法，即使在不同的维基百科条目中也是如此。我只是找不到从头到尾说明整个字符处理过程的信息来源。精通该领域的人能否提出以下信息不准确或不正确的方式：

据我了解的字符表示过程：

• 我们从与任何特定平台无关的符号集（不确定此处的正确术语，可能是“脚本”）开始。例如，“西里尔字母”被理解为在 Windows 环境中指代与 Linux 中相同的实体。

• 这些集合的成员通常由供应商选择成束，以形成特定于平台的字符集。平台可能会分配这些不同的代码，例如 Windows 上的 GDI 值（例如，ANSI_CHARSET 为 0，此处提到的其他代码：http ://asa.diac24.net/wiki/index.php?title=ASS:fe&printable=yes ） . 我找不到关于这些集合的太多信息，例如它们是否实际上是编码字符集，或者它们是否只是无序和抽象的。

• 从这些集合中，开发出的各个代码页似乎与 GDI 值具有一对一的映射关系。由于这些 GDI 值似乎代表依赖于平台的集合，这是否意味着 Windows 代码页本质上是每个单独集合的编码版本？

我一直无法将这个想法与之前显示给我的链接（我已经丢失）协调起来，该链接显示了这些 GDI 字符集和跨不同平台的代码页之间的一对多映射。这是否准确，这些 GDI 值是否指向可以开发跨不同平台的不同代码页的集合？

• 每个代码页将抽象字符集的一个成员映射到一个整数上，以表示它在集合中的位置。在上述网页上提到的“更简单”代码页的情况下，可以使用更精确的“字符映射”术语来引用这些代码页。这个术语值得考虑还是区别太微妙和不重要？

• 如果字体包含用于该代码点的代码点，则字体将代码点解析为字形，否则报告失败。我还读到字体可能会为那些它不支持的代码点返回自己的空白字形。应用程序能否区分此空白字形和成功解析，即。字体是否会返回带有此空白字形的各种错误代码？

我相信这就是我困惑的程度。在这方面的任何澄清都是非常宝贵的。提前致谢。

我真的很想用这些东西变得更好。我对这样的国际化概念非常熟悉，但我需要更好地了解其背后的理论。

我读过Spolsky 的文章，但我仍然不清楚，因为这三个术语经常互换使用——即使在那篇文章中也是如此。我认为他们中至少有两个在谈论同一件事。

我怀疑有很大比例的开发人员每天都在摸索这些东西。我不想再成为那些开发人员中的一员了。

我们在 Delphi 2006 中编程，使用 Multilizer 5.1 来翻译程序。现在我们必须在 Multilizer 中添加波兰语作为新语言。但是当我们打开我们的可执行文件时，Multlizer 说“代码页不支持波兰语”。

如果我们将区域设置调整为波兰语，则每当我们打开可执行文件时，区域设置都会翻转回原始设置，即荷兰语。也许我们应该在我们的项目选项中设置 CodePage 设置，但下拉列表没有给我们任何选项。

有任何想法吗？

在我将代码页设置为 65001 后，下次我调用 chcp 时，它应该说活动代码页是 65001，而不是 437。我在 windows 命令提示符下尝试了这个，它起作用了。为什么它不能通过 python 代码工作？

我正在解析由 Word 2003+ 生成的 RTF 1.5+ 文件，这些文件可能包含其他语言的内容。此内容通常编码为十六进制文字 (\'xx)。我想将这些文字转换为 unicode 值。

我通过查找 ansicpg (\ansi\ansicpg1252) 知道我的文档的代码页。

当我使用 ansicpg 代码页解码为 Unicode 时，许多语言（如法语）似乎都转换为我期望的 Unicode 字符值。

但是，当我看到俄语文本（如下所示）时，代码页 1252 会将内容解码为乱码。

\f277\lang1049\langfe1033\langnp1049\insrsid5989826\charrsid6817286 \'d1\'f2\'f0\'e0\'ed\'e8\'f6\'fb \'e1\'e5\'e7 \'ed\' e0\'e7\'e2\'e0\'ed\'e8\'ff。\'dd\'f2 \'e0 \'f1\'f2\'f0\'e0\'ed\'e8\'f6\'e0 \'ed\'e5 \'e4\'ee\'eb\' e6\'ed\'e0 \'ee\'f2\'ee\'e1\'f0\'e0\'e6\'e0\'f2\'fc\'f1\'ff \'e2 \'f2\ 'e0\'e1\'eb\'e8\'f6\'e5 \'e2 \'f1\'ee\'e4\'e5\'f0\'e6\'e0\'ed\'e8\'e8 .

我假设 lang1049、langfe1033、langnp1049 应该为我提供线索，以便我可以以编程方式为它们引用的文本选择不同的（非默认）代码页？如果是这样，我在哪里可以找到解释如何将 lang* 代码映射到代码页的信息？还是我应该寻找其他一些 RTF 命令/指令来为我提供我正在寻找的信息？（或者我必须使用 \f277 作为字体参考，看看它是否有相关的代码页？）

代码：

mysqlpp::Query acc_query = connection->query("SELECT * FROM accounts;");

以下代码产生：

_Gfirst = 0x00c67718 "从账户中选择 *；ээээ«««««««««юоюою"

就像在 Visual Studio 调试器中一样。它似乎导致我的查询失败并出现奇怪的结果。

有没有其他人遇到过？

找不到在这些位置有重音符号的代码页或其他单字节编码：

xC1 中的坟墓 xC2 中 xD0 中的尖音

在哪里可以找到有关每个语言版本的 Windows 的默认代码页的信息？即每个语言版本的“ANSI”代码页。

我找到了Windows 支持的代码页，但我找不到每种语言的默认值。

我猜想，例如，Windows-1253（希腊语）是安装希腊语版本时的默认设置。但是其他代码页呢？Windows-1253 是任何其他语言版本的默认设置吗？

更新（回应第一个答案，来自 Hans Passant）：我想我没有很好地解释我的用例。此应用程序旨在让人们以“主”语言（很可能是英语，但不一定）输入数据，然后方便输入另一种语言的翻译。这一切都是通过富文本框界面完成的。

因此，无论他们想使用什么字体来输入翻译，都必须是支持他们正在翻译的语言的脚本的字体。

如果我知道“目标语言”，最好只列出支持以该语言输入文本的字体。

==================================================== =====================

我正在开发一个带有 SQL Server 后端的 VB.net 应用程序。我们将支持多种语言的富文本条目（用户接受），包括那些不是西方文字的（例如中文、日语、阿拉伯语等）

我们有一个对话框，用户可以从中选择他们想要使用的语言。对于每种语言，用户必须指定一种合适的（默认）字体，以便在应用程序的富文本框中输入该语言的任何文本。

示例：用户想要输入中文文本，因此选择“中文”作为我们应用程序中使用的语言。用户必须指定输入汉字的字体；所以我们显示一个 Windows.Forms.FontDialog。

在这个字体选择对话框中，我希望能够根据他们选择的语言的代码页（脚本）过滤可用字体列表。

例如，“Brush Script MT”字体只支持西方字符——不支持中文——所以如果用户选择输入中文文本的字体，那么“Brush Script MT”字体不应出现在列表中。

有人对如何实现这一点有任何想法吗？我已经开始使用 System.Text.Encoding 来获取本地系统正在使用的 Windows 代码页的编号 - 我走的是正确的道路吗？

谢谢你的帮助！

马特