powershell - 如何使用PowerShell将UTF-8字符传递给clip.exe，而无需转换为另一个字符集？

Question

我是Windows和Powershell的新手。我来自Linux Land。我曾经在自己的.bashrc中拥有这个小Bash函数，该函数会为我复制一个“shruggie”(¯\_(ツ)_/¯)到剪贴板，以便我可以将其粘贴到Slack等上的对话中。

我的Bash别名如下所示:alias shruggie='printf "¯\_(ツ)_/¯" | xclip -selection c && echo "¯\_(ツ)_/¯"'
我意识到这个问题是青少年问题，但是答案对我来说确实很有值(value)，因为我确信将来在某个时候需要将非UTF-8字符通过管道输出到Powershell脚本中。

我在PowerShell配置文件中编写了此函数:

function shruggie() {
  '¯\_(ツ)_/¯' | clip
  Write-Host '¯\_(ツ)_/¯ copied to clipboard.' -foregroundcolor yellow
}

但是，这给了我:??\_(???)_/??(将未知的UTF-8字符转换为?)，当我在命令行上调用它时。

我看过 [System.Text.Encoding]::UTF8 和一些other questions，但是我不知道如何将我的字符串转换为UTF-8并通过clip.exe传递，并在另一边(在剪贴板上)接收UTF-8。

Answer 1

有两个不同的独立方面:

使用¯\_(ツ)_/¯将clip.exe复制到剪贴板

将¯\_(ツ)_/¯写(回送)到控制台

必备组件:PowerShell必须正确识别源代码的编码才能使以下解决方案正常工作:如果您的源代码是UTF-8编码的，请确保将包含附件的文件另存为带有Windows PowerShell BOM的UTF-8。认识它。

在没有BOM的情况下，Windows PowerShell将源解释为“ANSI”编码，指的是有效的旧版单字节扩展ASCII代码页，例如美式英语系统上的Windows-1252，因此错误地解释了UTF-8编码的源代码。

请注意，相比之下，PowerShell Core使用UTF-8作为默认设置，因此不再需要BOM(但仍然可以识别)。

使用¯\_(ツ)_/¯将clip.exe复制到剪贴板:

在 Windows PowerShell v5.1 + 中，您可以使用内置的Set-Clipboard cmdlet 从PowerShell内部将文本复制到剪贴板；鉴于PowerShell使用能够表示所有Unicode字符的.NET System.String类型，因此不存在编码问题。

请注意，即使在Windows上运行，PowerShell Core也没有此cmdlet(从PowerShell Core v6.0.0-rc.2开始)

有关可在早期PowerShell版本以及PowerShell Core中运行的剪贴板功能的信息，请参阅我的this answer。

在Windows PowerShell的早期版本中和PowerShell Core 中，可以使用替代，但要使用则需要其他工作:

function shruggie() {
  $OutputEncoding = (New-Object System.Text.UnicodeEncoding $False, $False).psobject.BaseObject
  '¯\_(ツ)_/¯' | clip
  Write-Verbose -Verbose "Shruggie copied to clipboard." # see section about console output
}

clip.exe创建New-Object System.Text.UnicodeEncoding $False, $False可以理解的无BOM的UTF16-LE编码。

不幸的是，神奇的clip.exe咒语需要围绕bug来解决；在PSv5 +中，您可以改用以下命令来绕过此错误:.psobject.BaseObject

将该编码分配给首选项变量[System.Text.UnicodeEncoding]::new($False, $False)可确保PowerShell使用该编码将数据通过管道传输到外部实用程序$OutputEncoding。

将clip.exe写入控制台:

注意:Unix平台上的PowerShell Core通常使用默认编码为(无BOM)UTF-8的控制台(终端)，因此在此无需进行其他工作。

仅回显(打印)Unicode字符(超出8位范围)，将切换到可以显示 Unicode字符(超出扩展的ASCII范围)的字体就足够了，因为PetSerAl指出了这一点，PowerShell uses the Unicode version of the ¯\_(ツ)_/¯ Windows API function打印到控制台。

为了支持(最多)Unicode字符，大多数切换为“TT”(TrueType)字体之一。

PetSerAl在评论中指出，Windows上的控制台窗口当前仅限于每个输出字符(单元)使用单个16位代码单元。鉴于BMP (Basic Multilingual Plane)中只有(大多数)字符是独立的16位代码单元，因此无法表示超出BMP的(稀有)字符。

遗憾的是，即使对于某些(BMP)Unicode字符而言，这可能还不够，因为Unicode标准的已版本化，并且字体表示/实现可能会落后于。

确实，从Windows 10发行版ID 1703开始的，只有选择几种字体才能呈现 WriteConsole (Unicode字符ツ，KATAKANA LETTER TU，UTF-8:U+30C4):

E3 83 84

MS Gothic

请注意，如果要(也)更改其他应用程序解释此类输出的方式，则必须再次设置NSimSum :

例如，要使PowerShell期望来自外部实用程序的UTF-8输入以及将UTF-8编码的数据输出到外部实用程序，请使用以下命令:

$OutputEncoding = [console]::InputEncoding = [console]::OutputEncoding = New-Object System.Text.UTF8Encoding

上面隐含地将代码页更改为$OutputEncoding(UTF-8)，反射(reflect)在65001(chcp)中。

请注意，为了向后兼容，Windows控制台窗口仍默认为单字节扩展ASCII旧OEM代码页，例如美国英语系统上的chcp.com。

不幸的是，从v6.0.0-rc.2开始，这也适用于PowerShell Core，即使它已经切换为无BOM的UTF-8作为默认编码，这也反射(reflect)在437中。