(转载)dotnet core 中文乱码 codepages

引子

转载自:http://www.jianshu.com/p/1c9c59c5749a

参考:.Net Core 控制台输出中文乱码

上文中我查阅了一些cli的源码, 闲来无事就继续翻代码, 冥冥之中自有天意, 在无尽的代码中, 我看到了这样一个注释

// by default, .NET Core doesn't have all code pages needed for Console apps.
// see the .NET Core Notes in https://msdn.microsoft.com/en-us/library/system.diagnostics.process(v=vs.110).aspx

dotnet core 团队的思路是好的, 提供一个比较小的程序集, 码农们按自己的需求自行添加需要的依赖, 可以生成更小的程序集, 完全同意. But, 我猜肯定有人坠坑过.

有人坠么?

随便google了一下得出以下结果

果不出我所料, 中奖的兄弟还不少, 不过也早有大神对此事进行过叙述, 并且早已在其文中给出解决方法, 大神的文章在此 难道.NET Core到R2连中文编码都不支持吗？(http://www.cnblogs.com/artech/archive/2016/05/18/5507092.html)
有人会问了, 那你还写个屁文干啥?

事还没完!

为啥没完? 因为看到大神文章的评论中一个兄弟在坑中还没爬上来. 川酷不能见死不救是不是?
据那位仁兄所说, 事情的经过是这样的.

        Console.WriteLine("你好, 世界!");
        Encoding.RegisterProvider(CodePagesEncodingProvider.Instance);
        Console.WriteLine("你好, 世界!");

按大神文章所述, 注册了CodePages 编码则为UTF-8, 中文不应该乱码, 可事实是

难道大神也错了吗? 当然不会!

        Encoding.RegisterProvider(CodePagesEncodingProvider.Instance);

正常情况下这句代码足矣解决问题, 依cli注释所说, 对于Console程序, 并没有添加所有的code page, 而且注释中给出的微软官方解决方案也是添加codepage 的dll程序集, 并添加上面那句代码.
这个时候我又找到了另外一个大神的blog,里面有另一种解决方案

    public static void Main(string[] args)
    {
        Console.OutputEncoding = System.Text.Encoding.UTF8;//第一种方式：指定编码
        //Encoding.RegisterProvider(CodePagesEncodingProvider.Instance);//第二种方式

        Console.Read();
    }

既然有方案一, 川酷肯定要试一下.

        Console.WriteLine("你好, 世界!");
        Console.OutputEncoding=Encoding.UTF8;
        //Encoding.RegisterProvider(CodePagesEncodingProvider.Instance);
        Console.WriteLine("你好, 世界!");

大神就是大神, 这招灵!

不过第二行的输出有一点小问题, 有兴趣的童鞋研究一下, 在此不再赘述.

让我带你飞!

依川酷的风格, 翻代码的时候到了! 既然问题出在Console中, 那就找Console的代码来看下. 有兴趣的可以在这里获取代码 . 让我们找到Console.cs这个文件, 可以看到相应的WriteLine方法的重载.

    [MethodImplAttribute(MethodImplOptions.NoInlining)]
    public static void WriteLine(String value)
    {
        Out.WriteLine(value);
    }

再看Out是个什么鬼.

    public static TextWriter Out
    {
        get { return Volatile.Read(ref s_out) ?? EnsureInitialized(ref s_out, () => CreateOutputWriter(OpenStandardOutput())); }
    }

然后我们发现s_out就是用于输出的TextWriter.
并且在第一次调用的时候会创建一个新的.

    private static TextWriter CreateOutputWriter(Stream outputStream)
    {
        return SyncTextWriter.GetSynchronizedTextWriter(outputStream == Stream.Null ?
            StreamWriter.Null :
            new StreamWriter(
                stream: outputStream,
                encoding: new ConsoleEncoding(OutputEncoding), // This ensures no prefix is written to the stream.
                bufferSize: DefaultConsoleBufferSize,
                leaveOpen: true) { AutoFlush = true });
    }

这样看来TextWriter的Encoding是使用的OutputEncoding, 那我们实践下, 这个初始的OutputEncoding到底是什么.

既然是UTF-8为何还是乱码? 此事还应该从微软的那句注释说起, 人家说了, 默认是没有添加codepage的, 即使你现在是UTF-8编码, 但是程序中没有codepage, 当然没办法处理. 我们来看看OutputEncoding的源码吧.

    public static Encoding OutputEncoding
    {
        get
        {
            return Volatile.Read(ref s_outputEncoding) ?? EnsureInitialized(ref s_outputEncoding, () => ConsolePal.OutputEncoding);
        }
        set
        {
            CheckNonNull(value, "value");

            lock (InternalSyncObject)
            {
                // Set the terminal console encoding.
                ConsolePal.SetConsoleOutputEncoding(value);

                // Before changing the code page we need to flush the data
                // if Out hasn't been redirected. Also, have the next call to
                // s_out reinitialize the console code page.
                if (Volatile.Read(ref s_out) != null && !s_isOutTextWriterRedirected)
                {
                    s_out.Flush();
                    Volatile.Write(ref s_out, null);
                }
                if (Volatile.Read(ref s_error) != null && !s_isErrorTextWriterRedirected)
                {
                    s_error.Flush();
                    Volatile.Write(ref s_error, null);
                }

                Volatile.Write(ref s_outputEncoding, (Encoding)value.Clone());
            }
        }
    }

我猜问题就出在了ConsolePal.SetConsoleOutputEncoding(value) 这一句.
我相信大家记得, 在我显性set了OutputEncoding为UTF-8之后控制台的中文显示就正常了. 也就是说对OutputEncoding做了set动作之后, 会强制Console窗口引入codepage文件.

Summary

比较一下两种解决方式, 其实两者有本质的不同, SetConsoleOutputEncoding是为这个控制台实例做编码的设置, 而 RegisterProvider 是为当前这个程序集添加codepage.
之所以 Encoding.RegisterProvider(CodePagesEncodingProvider.Instance)不起作用是因为前面的一句Console.WriteLine("你好, 世界!")已经使该命令行窗口初始化了编码. 执行Encoding.RegisterProvider(CodePagesEncodingProvider.Instance)并不对命令行窗口起作用, 在这里给做一个实验, 我相信大家就可以清楚中间到底发生了什么.
首先, 重复刚开始的代码.

        Console.WriteLine("你好, 世界!");
        // Console.OutputEncoding=Encoding.UTF8;
        Encoding.RegisterProvider(CodePagesEncodingProvider.Instance);
        Console.WriteLine("你好, 世界!");

得到的结果是这样的.

然后为该命令行执行这句Console.OutputEncoding=Encoding.UTF8;. 再看下结果.

其实此时的RegisterProvider方法已经没有意义了, 因为命令行已经加载了codepage. 就是这样, 完结!

欢迎大家讨论, 如果有觉得不对或不妥的地方也希望大家可以指正, 我会努力写一些高质量的文章.