Windows のコードページ (Windows10)とUnicodeの関係

Windows では API が２種類ある。

• ANSI系API
  • API名が「A」で終わっている
  • 文字列が MBCS (Multi Byte Charactor System)。１文字が複数バイト
  • 英語＋もう一種類の言語という構成。もう一種類の言語はモードで切り替える（コードページ）
• Unicode系API
  • API名が「W」で終わっている
  • 文字列が W (Wide Character)：UTF16 で表現する
  • 全ての言語の文字をモード切替なく表現できる
  • 昔は１文字がかならず２バイト固定だったが、今は４バイト以上の時もある

Windows で UTF8 を扱おうとすると、２つのアプローチがある。

• 言語のライブラリ層で、UTF8 を UTF16 に変換して、Unicode系APIを使う
  • Cygwin、Go言語などがこの方法をとっている
  • アプリケーションはコードページを気にしなくてよくなる
  • ただし、CMD.EXE がサポートしていない（バッチファイルを UTF16 で書きたい）
• コードページを 65001 (UTF8) に切り替えて、ANSI系APIを使う
  • 一つのフォントは一つのコードページにしか属せない（過去形）
    • 日本語環境で chcp 65001 などでコードページを切り替えても日本語フォントが利用できない（過去形）

Windows10 の最近のアップデートでは、１フォント１コードページという縛りがなくなったらしく、「chcp 65001」の後も、引き続き、それまで使っていたフォントが利用できるようになった。すばらしい

コードページの設定は三種類ある。

• アクティブなコードページ(定数 CP_ACPで指定される)
• スレッドのコードページ(定数 CP_THREAD_ACPで指定される)
• コンソールのコードページ (API GetConsoleCP() で得られる)

子プロセスで CMD.EXE を呼び出すような場合、その CMD.EXE はスレッドのコードページではなく「コンソールのコードページ」で動作する（参考：problem : batchfile arg UTF-8 data broken. · Issue #322 · zetamatta/nyagos）ので、バッチファイルを生成して実行する場合は注意が必要だ。

以上