A correspondência entre códigos e caracteres
Uma code page, ou página de código, define correspondências entre códigos numéricos e caracteres. No Windows, cada página recebe um identificador, como 1252 para Windows-1252 e 65001 para UTF-8. O programa precisa conhecer a codificação para interpretar corretamente os bytes de um arquivo ou de uma mensagem.
Os mesmos bytes podem produzir textos diferentes conforme a codificação utilizada na leitura. Isso explica parte dos problemas de acentuação na troca de arquivos entre programas: o conteúdo pode chegar inteiro e ainda aparecer com caracteres incorretos. A documentação da Microsoft recomenda Unicode para novas aplicações e explica a compatibilidade com interfaces antigas.
A codificação ativa do console
No Prompt de Comando do Windows, o comando abaixo consulta qual página de código está ativa no console:
chcpA saída informa um número. O valor 850, por exemplo, identifica uma página de código usada com texto de línguas da Europa Ocidental. Uma alteração com chcp 850 muda a configuração do console, mas não converte os bytes de um arquivo que já existe. Você ainda precisa conferir a codificação que o programa de origem gravou e a que o programa de destino utiliza.
O manual do chcp também registra que programas iniciados anteriormente, com exceção do Cmd.exe, continuam usando a codificação anterior. Por isso, a consulta ao console não descreve necessariamente o comportamento de todos os programas abertos. O catálogo de identificadores permite relacionar o número exibido à codificação correspondente.
Dúvidas frequentes
Perguntas frequentes sobre code page
- Trocar a fonte corrige um texto decodificado incorretamente?
- A fonte desenha os caracteres já interpretados pelo programa. Ela pode resolver a ausência de um glifo, mas não corrige a associação errada entre os bytes recebidos e os caracteres.
- Windows-1252 e ISO-8859-1 são iguais?
- A Microsoft documenta diferenças entre essas codificações, apesar da origem e de várias correspondências em comum. Tratar os nomes como equivalentes pode alterar a interpretação de certos bytes.
- Uma code page usa necessariamente um byte por caractere?
- Há páginas de código de um byte e de múltiplos bytes. O Windows também identifica UTF-8 pelo número 65001, portanto o termo code page não se limita às codificações antigas de um byte.
Para continuar
Recursos relacionados
Documentação
Microsoft: caracteres e páginas de código
Explicação das páginas de código do Windows e de sua relação com as interfaces Unicode e os programas antigos.
Abrir recursoDocumentação
Microsoft: identificadores de páginas de código
Relação entre os números das páginas de código e as codificações correspondentes.
Abrir recursoDocumentação
Microsoft: comando chcp
Consulta e alteração da página de código do console, com o comportamento dos programas já iniciados.
Abrir recursoAplicação na formação
Developer Workspace
A troca de texto entre programas e terminais exige compatibilidade entre a codificação produzida e a utilizada na leitura.
Conhecer a formação
Fontes consultadas
Referências deste verbete
Este verbete ajudou você?
Obrigado pela resposta. Ela fica salva apenas neste navegador.