[文本处理] [分享]批处理用chcp 65001处理Unicode字符

Demon

问题出自《批处理有什么办法处理unicode字符？》一帖，摘录如下：

批处理有办法处理unicode字符吗? 例如: "☀☁☂☃☭☄☢" 的这些字符
如果我要用批处理建这样的一个文件夹:

md .\文件夹☁
复制代码

复制代码直接这样批处理是不会运行,有办法解决吗?

qzwqzw的回复

问题似乎无解
批处理必须以ANSI编码保存
否则cmd无法正常处理
而中文locale下的ANSI对应的GBK字符集
是没有楼主所提到的那些字符的

然后楼主就结帖了。

真的无法实现吗？对于权威我们要敢于怀疑，在无数次Google无数次链接被重置之后，我似乎找到了答案。

“批处理必须以ANSI编码保存，否则cmd无法正常处理”，真的是这样吗？把下面代码保存为utf-8.bat，保存时选择UTF-8编码

@echo 你好
复制代码

注：不要使用记事本保存，因为记事本保存UTF-8编码时会自动在文件前加上BOM（Byte Order Mark），即十六进制的EFBBBF，影响批处理的解析。推荐使用EditPlus，下载地址：http://www.editplus.com/download.html，注册码在线生成：http://demon.tw/my-work/editplus-regcode-online.html。

打开命令提示行，切换到utf-8.bat所在目录，运行之，输出：

C:\Users\Demon\Desktop>utf-8.bat
浣犲ソ
复制代码

输出乱码而不是预期的“你好”，为什么会这样呢？因为“中文locale下的ANSI对应的GBK字符集”，即代码页936。cmd.exe在解析批处理命令时是按照默认代码页的编码来解析的。众所周知，所有的文件都是以二进制的形式保存的，但是同样的二进制序列用不同的编码来解析得到的结果是不一样的，例如：

E4 BD A0 E5 A5 BD
复制代码

如果以UTF-8编码来解析是“你好”，而用GBK来解析是“浣犲ソ”，即上面输出的结果。

于是想到了用chcp来切换代码页，65001代码页对应的是UTF-8编码，于是输入：

C:\Users\Demon\Desktop>chcp 65001
Active code page: 65001
C:\Users\Demon\Desktop>utf-8.bat
The system cannot write to the specified device.
复制代码

结果却令人失望，也并不是预期的“你好”，Google了半天，传说是raster font（点阵字体）搞的鬼，于是右键单击命令提示行的标题栏，选择属性，将字体改成Lucida Console，确定，再次输入：

C:\Users\Demon\Desktop>utf-8.bat
你好
复制代码

得到了我们想要的输出，因为经过刚才的修改，cmd.exe已经将默认代码页改成65001了（注：但是右键属性中仍然显示936），解析批处理文件的时候使用的也是用UTF-8，所以能正确输出。于是下面代码也能正常运行（保存为UTF-8编码）：

md .\文件夹☁
复制代码

但是这样并没有可移植性性，因为需要手动修改cmd.exe的设置，幸运的是，cmd.exe的设置是保存在注册表的，在Windows 7系统（其他系统可能会不一样）可以通过导入下面.reg文件进行设置：

Windows Registry Editor Version 5.00

[HKEY_CURRENT_USER\Console\%SystemRoot%_system32_cmd.exe]
"CodePage"=dword:0000fde9
"WindowSize"=dword:00180050
"FontSize"=dword:000c0000
"FontFamily"=dword:00000036
"FontWeight"=dword:00000190
"FaceName"="Lucida Console"
复制代码

以上代码在Windows 7 Ultimate 英文版下通过测试，欢迎各位高手指点和补充。

参考链接（排名不分先后）：
1、http://blogs.msdn.com/b/michkap/archive/2008/03/18/8306597.aspx
2、http://stackoverflow.com/questio ... -if-chcp-was-called
3、http://stackoverflow.com/questio ... irection-on-cmd-exe