C 如何在mingw中检测命令行参数的字符编码

可以安全地假设它们是ISO-8859-15（Window-1252？），或者我可以调用一些函数来查询它吗？最终目标是转换为UTF-8

---

背景： 出现的问题是因为XMLStarlet假定其命令行参数为UTF-8。在Windows下，它们似乎实际上是ISO-8859-15（Windows-1252？），或者至少在

main

的开头添加了以下内容以使事情正常进行：

char **utf8argv = malloc(sizeof(char*) * (argc+1));
utf8argv[argc] = NULL;

{
    iconv_t windows2utf8 = iconv_open("UTF-8", "ISO-8859-15");
    int i;
    for (i = 0; i < argc; i++) {
        const char *arg = argv[i];
        size_t len = strlen(arg);
        size_t outlen = len*2 + 1;
        char *utfarg = malloc(outlen);

        char *out = utfarg;
        size_t ret = iconv(windows2utf8,
            &arg, &len,
            &out, &outlen);

        if (ret < 0) {
            perror("iconv");
            utf8argv[i] = NULL;
            continue;
        }

        out[0] = '\0';
        utf8argv[i] = utfarg;
    }

    argv = utf8argv;
}

但我们看到230和198报告了哪些匹配：

在代码页之外传递字符会导致有损转换 使用参数

αβγ

（这些参数在代码页1252中不存在）创建到

cmd chars.exe

的快捷方式

---

哪个是

aß？

你好像在windows下

在这种情况下，可以调用

system（）

来运行

CHCP

命令

   #include <stdlib.h>     // Uses: system()
   #include <stdio.h> 
   // ..... 

   // 1st: Store the present windows codepage in a text file:
   system("CMD /C \"CHCP > myenc.txt\"");

   // 2nd: Read the first line in the file:
   FILE *F = fopen("myenc.txt", "r");      
   char buffer[100];
   fgets(buffer, F);
   fclose(F);

   // 3rd: Analyze the loaded string to find the Windows codepage:
   int codepage = my_CHCP_analizer_func(buffer);   

   // The function my_CHCP_analizer_func() must be written for you,
   // and it has to take in account the way in that CHCP prints the information.  

#包括//用途：系统（）
#包括
// ..... 
//第一：将当前windows代码页存储在文本文件中：
系统（“CMD/C\”CHCP>myenc.txt\”）；
//第二：读取文件中的第一行：
文件*F=fopen（“myenc.txt”、“r”）；
字符缓冲区[100]；
fgets（缓冲区，F）；
fclose（F）；
//第3步：分析加载的字符串以查找Windows代码页：
int codepage=my\u CHCP\u analizer\u func（缓冲区）；
//必须为您编写函数my_CHCP_analizer_func（），
//它必须考虑CHCP打印信息的方式。

最后，可以检查CHCP发送的代码页，例如：

您可以使用调用作为第一个参数来调用，以获取

argv

样式的宽字符串数组中的命令行参数。这是唯一可移植的Windows方式，尤其是在代码页混乱的情况下；例如，日语字符可以通过Windows快捷方式传递。之后，您可以使用代码页参数

CP_UTF8

将每个宽字符

argv

元素转换为UTF-8

请注意，在输出缓冲区大小（字节计数）为0的情况下调用

WideCharToMultiByte

，将允许您确定指定字符数所需的UTF-8字节数（或者如果希望将-1作为宽字符数传递以简化代码，则可以确定整个宽字符串（包括空终止符））。然后，您可以使用

malloc

等来分配所需的字节数，并使用正确的字节数而不是0再次调用

WideCharToMultiByte

。如果这是性能关键的，那么另一种解决方案可能是最好的，但由于这是一个获取命令行参数的一次性函数，我认为性能的任何降低都可以忽略不计

当然，不要忘记释放所有内存，包括调用

LocalFree

，将

CommandLineToArgvW

返回的指针作为参数

---

有关函数及其使用方法的更多信息，请单击链接以查看MSDN文档。

命令行参数位于系统默认代码页中，该代码页随系统设置而变化。您可以指定

“char”

或

“

”，而不是指定特定的源字符集，并让

iconv\u open（）

了解系统字符集的实际内容：

iconv_t windows2utf8 = iconv_open("UTF-8", "char");

---

否则，您最好将命令行检索为UTF-16而不是Ansi，然后您可以使用

iconv\u open（“UTF-8”、“UTF-16LE”）

或

WideCharToMultiByte（CP\u UTF8）

像Chrono建议的那样直接将其转换为UTF-8。

我认为这不起作用，

CHCP

告诉我在代码页850，但当我查看程序接收到的实际值时，它们与1252匹配。代码页850和1252是相似的。请在我提供的链接中更详细地研究Windows代码页。值850是正确的。它是命令行中使用的代码页。如果需要，您可以将其更改为1252。不，它们是不同的。请看我在测试编码标题下添加到问题中的示例程序。好的，我应该投反对票。我会面对现实，无论如何，我不会删除我的答案。哦，我错过了那个选项。虽然它确实让我想知道libiconv是如何计算编码的。libiconv是开源的，所以你可以自己看看它到底做了什么。我没有亲自查看，但我怀疑它使用了或类似的代码，然后将报告的代码页映射到其相应的字符集。看起来它至少明确支持一些代码页，例如：关于通过快捷方式的参数，这一点很好，似乎代码页之外的字符会被系统尽最大努力进行音译，所以这个解决方案是唯一保证获得正确字符的解决方案。

C:\Users\npostavs\tmp>cmd-chars æÆ
230 198

C:\Users\npostavs\tmp>shortcut-cmd-chars.lnk
97 223 63

   #include <stdlib.h>     // Uses: system()
   #include <stdio.h> 
   // ..... 

   // 1st: Store the present windows codepage in a text file:
   system("CMD /C \"CHCP > myenc.txt\"");

   // 2nd: Read the first line in the file:
   FILE *F = fopen("myenc.txt", "r");      
   char buffer[100];
   fgets(buffer, F);
   fclose(F);

   // 3rd: Analyze the loaded string to find the Windows codepage:
   int codepage = my_CHCP_analizer_func(buffer);   

   // The function my_CHCP_analizer_func() must be written for you,
   // and it has to take in account the way in that CHCP prints the information.  

iconv_t windows2utf8 = iconv_open("UTF-8", "char");