有关linux与windows中文件名的编码问题总结

最近在整理各种裤子，由于太大用了ntfs-3g挂载硬盘，拷贝到了centos服务器上，结果没有注意文件名的编码问题，总要修改所以说config/i18n配置文件，而且通过ssh连接要经常切换客户端的字符集，无奈，拷回硬盘上，在window上弄吧，结果，文件名出现各种乱码。。。。崩溃了。安心学习了。。。

（其中涉及到了ntfs-3g，ssh远程客户端，以及linux的/etc/sysconfig/i18n配置，没有一一测试，除了ntfs-3g不知道是否涉及字符集，其他都涉及到了，思路比较乱，想到哪写到哪了）

问题根源：由于Linux与windows采用了不同的字符集来处理中文文件名，Linux用了utf-8而windows用了gbk，进而导致文件名处理的混乱。

我的做法是：

1、利用convmv 在linux上将所有文件名编码转换为gbk，再通过ntfs-3g将文件拷到移动硬盘，最后拷回电脑，在windows上能够正常显示。

2、处理文件

3、将文件拷回linux

4、利用convmv将文件名转回utf8

由于习惯了在windows上开发， 想自己写一个py脚本实现在windows上将文件名字符编码进行转换的功能，但是马上问题就出现了。

下面请看：

def conv_gbk_to_utf8(path):
    if os.path.exists(path):
        print 'converting filename to utf8...'
    elif os.path.exists(path):
        print 'The path is invalid!'
        return -1
    for root, dirs, files in os.walk(path):
        for filename in files:
            charset = chardet.detect(filename)
            if charset.get('encoding') in ['utf-8', 'ascii']:
                continue
            else:
                print charset
                conv_filename = filename.decode('gbk').encode()
                res_filename = os.path.join(root, filename)
                conv_filename = os.path.join(root, conv_filename)
                shutil.move(res_filename, conv_filename)
    # modified the charset of name of the dirs
    for root, dirs, files in os.walk(path):
        for dir in dirs:
            charset = chardet.detect(dir)
            if charset.get('encoding') in ['utf-8', 'ascii']:
                continue
            else:
                conv_dir = dir.decode('gb2312').encode()
                res_dir = os.path.join(root, dir)
                conv_dir = os.path.join(root, conv_dir)
                print res_dir, conv_dir
                shutil.move(res_dir, conv_dir)

对于一般的文件名都没问题，但是由于windows对文件命名有着一个限制。就是 ？ : " < > 等符号无法被作为合法字符。

那么当一个名为 新建文件夹 的文件夹 ，将字符集从gbk转换为utf8之后，会显示为：鏂板缓鏂囦欢澶， 其编码为：E6 96 B0 E5 BB BA E6 96 87 E4 BB B6 E5 A4 B9 ，如果用编辑工具转换发现实际转换后的字符应该是鏂板缓鏂囦欢澶? B9被丢弃了。

结论：在用程序转换后，出现的特殊字符，会被操作系统丢弃，因而也无法复原。所以这种方法，目前走不通。。。也隐约证明了，为什么之前在网上搜索文件名编码转换工具都找不到了吧。。。。

ps:回去又研究了下，shutil.move的实现方法是对文件直接调用os.rename对文件夹采用copytree和rmtree来实现重命名目录的。在copytree中调用了

os.makedirs(dst)

然后调用了nt.py中的

mkdir(name, mode)

这步是有c实现的底层库，而在这步就会产生丢字节B9的现象，因此如果想实现此功能需要修改底层实现。