将Unicode命令行参数传递给控制台应用程序

Question

我正在尝试编写一个控制台应用程序，可以接受文件名参数，并希望它能够处理Unicode文件名。问题是我不知道如何测试它。

如何将Unicode参数传递给控制台应用程序？

我尝试创建一个调用程序并传递一些Unicode字符的Unicode批处理文件，但它不起作用；命令提示符无法启动该程序，因为它在文件名中遇到了null字符。我尝试将代码页更改为65001，并在命令行上使用Alt键输入Unicode字符，但也没有成功。

下面是一个示例程序。我正在寻找一种方法来获得以下输出：

C:\> unicodeargtest Foobar
46, 0, 6f, 0

// UnicodeArgTest.cpp
#define UNICODE
#include <tchar.h>
#include <stdio.h>
int wmain (int argc, wchar_t**argv) {
    printf("%x, %x, %x, %x\n", argv[1][0], argv[1][1], argv[1][2], argv[1][3]);
}

- Synetech

---

cmd.exe 支持 Unicode 吗？我认为不支持（因为要兼容旧的 DOS 程序）。也许问题就出在这里，所以尝试使用 MS PowerShell。 - Raxillan

@Raxillan：确实如此。CDM.EXE与旧的DOS程序不兼容，它完全是32位（或64位）。它确实与批处理文件有一些兼容性，但DOS批处理文件是基于ASCII文本的，而ASCII是Unicode的子集。 - MSalters

@MSalters，仅在Windows 7中还是之前的版本也适用？所以：您认为在命令行中键入“chcp 65001”并插入一些Unicode符号是否有效？据我了解，作者尝试过这样做，但没有结果。 - Raxillan

@Raxillan：不，CHCP 不是正确的方法。65001 是 UTF-8 的代码页，但 Windows 使用 UTF-16 进行 Unicode 编码。CHCP 只适用于双字节字符集，而 UTF-8 可以使用多达 4 个字节。这在从 NT 3.1 到 8 版本中都是一样的。 - MSalters

@Raxillan：不存在。CMD.EXE 支持 Unicode，但不支持 UTF-8。你的备选方案 MS PowerShell 使用 .Net 字符串，它们也是 UTF-16。 - MSalters

Answer 1

哦，糟糕！又发生了。我来自汇编语言的背景，因此偶尔会被一些 C++ 的东西绊倒。我经常忘记的一件事是在 C++ 中，编译器会自动补偿类型大小，计算索引、指针等。

例如：

DWORD dwa[4] = {1,2,3,4};
//dwa[2] references the third DWORD in the array (i.e., the ninth BYTE),
//NOT the second BYTE in the array

或者

struct EGS {
    char  str[5];
    int   num;
};
EGS   eg = {0};
EGS* peg = ⪚
peg++;
//peg is incremented by a whole EGS’ worth of bytes, NOT just 1
//for EGS, it is increased by 12 (5+4=9, rounded to the nearest 4, equals 12)

---

在这种情况下，因为参数被解释为宽字符（2字节），argv [1] [1] 不是空字符，而是第二个 Unicode 字符。

使用原始程序并传递一个 Unicode 字符，我得到了这个结果：

C:\>unicodeargtest ‽‽‽‽
203d, 203d, 203d, 203d

我只是将感叹问号粘贴到命令提示符中。在我的正常命令提示符模式下（使用光栅字体和代码页437），它们显示为?而不是‽，但结果仍然相同。

通过将参数转换为char或BYTE：

printf("%x, %x, %x, %x\n",
    ((BYTE*)(argv[1]))[0], ((BYTE*)(argv[1]))[1],
    ((BYTE*)(argv[1]))[2], ((BYTE*)(argv[1]))[3]
);

我得到了预期的结果：

C:\>unicodeargtest ‽‽‽‽
3d, 20, 3d, 20

C:\>unicodeargtest Foobar
46, 0, 6f, 0

---

粘贴Unicode字符可以正常工作，但使用批处理文件仍然不行。使用Unicode编码的批处理文件由于空字符的解释错误而存在问题，并且将其保存为UTF-8会导致它根本无法运行。

- Synetech

---

记录一下，这不是C++的特性。C的行为完全相同。 - Harry Johnston

这并不是什么大发现！我知道的每种语言都这样做。 - David Heffernan

批处理文件应该支持Unicode。尝试使用记事本的“另存为Unicode”功能，这样可以得到正确的格式（确切地说，是带有字节顺序标记）。 - MSalters

@MSalters，你试过了吗？我试过了，就像我说的那样，它没有起作用；程序名称包含空字符：'■u'不被识别为内部或外部命令，可执行程序或批处理文件。（在“u”之前的字符是一个空字符。） - Synetech

嗯，不对，我有点想错了。你说得对 - 它并不像我想的那样工作。CMD.EXE在其“TYPE”命令和其他命令中支持Unicode，但并非所有地方都支持。因此，即使它可以正确显示批处理文件的内容，它也无法运行它。：\ - MSalters

Answer 2

拖放应该能解决问题。在资源管理器中，将要作为参数传递的文件拖到测试可执行文件上。(您可能首先想要更改可执行文件，使其在退出之前等待。)

- Harry Johnston