windows 乱码之 gbk 与 cp936|4-3

事发原因

这是由于控制台输入的编码与 node 程序中使用的编码不一致导致的.

相关疑问

可能你要问: 那是不是都改为 utf8 就行了? 并不行. 这就是 windows 控制台没有默认是 utf8 的原因, 并且 utf8 与 gbk 也不是兼容的.

如果理解不兼容?

假设你修改 windows 控制台为 cp65001(utf8) 之后, 如果输出的文本编码是 utf8 的, 那么可以正常显示. 但是如果在控制台中运行了某个程序, 他输入的文本是 gbk 的, 那依然会乱码.

查看控制台使用的编码:

chcp

你可能要问: widnows 默认 gbk , 是不是代表它除了编码问题之外, 都显示几乎所有的文字? 并不行. 这就是为什么还有 utf8 utf-16 的原因… gbk 只是在制定这个规范的时候, 能显示几乎所有中国的常见汉字. 那些一百来划的字或者生僻字, 就可能不能显示了.

所以我认为, 编码问题并没有完美的解决方案. 那么在中国的 windows 环境下就暂认为都是 gbk 吧, 在基于这个的前提下, 我们就可以进行转换了.

解决方法

在 node 中可以使用 iconv-lite 来进行转换.

const { execSync } = require('child_process')
const { decode } = require('iconv-lite')

const res = execSync(`echo nihao 你好`)
console.log(`resres`, decode(res, `gbk`) )

扩展知识

在 windows 上我们可以用 chcp 获取编码来判断是不是要进行 gbk 转换, 如果不是的话, 会转换错误.

所以最好进行一下判断, 例如:

// 判断当前环境是不是 gbk 编码
const isGBK = require(`child_process`).execSync(`chcp`, {encoding: `utf8`}).match(/936/)

当然, 也可以粗暴一点直接判断是不是中文环境, 是则使用 gbk:

/**
 * 判断当前系统是不是中文
 * @returns 
 */
function isZh(){
  return [
    // 代码页为 936
    () => require(`child_process`).execSync(`chcp`, {encoding: `utf8`}).match(/936/),
    // 注册表安装语言为 0804
    () => require(`child_process`).execSync(`reg query "HKEY_LOCAL_MACHINE\\SYSTEM\\ControlSet001\\Control\\Nls\\Language" /v InstallLanguage`, {encoding: `utf8`}).match(/0804/),
    // 查看版本时输出双字节字符
    () => require(`child_process`).execSync(`ver`, {encoding: `utf8`}).match(/[\u4e00-\u9fa5]/),
    // 控制台语言配置为 zh_CN
    () => process.env.LANG.match(`zh_CN`),
  ].some(item => {
    try {
      return item()
    } catch (error) {
      return false
    }
  })
}

注, 一般情况下在其他系统下例如 mac 上是没有这个问题的, 应该不会乱码, 不需要转 GBK.

关于 cp936 与 gbk

cp936 是 gbk, 936 是因为 IBM 发明代码页时, gbk 在代码页的第 936 页.

关键字：NLS，cp936，GBK

• NLS（Native Language System）
• cp - code page
• GB - guo biao 国标
• GBK - guo biao kuo 国标扩展 - cp936
• ANSI - 表示默认

在“控制面板”-“区域和语言选项”-“高级”-“代码页转换表”可以看出“936 （ANSI/OEM - 简体中文 GBK）”