Question

在Linux系统上，文件系统存储字节，只存储字节。

所以，如果一个程序认为应该发送文件名，比方说， UTF-16或ISO-8859-7编码，它将采用“Νικόλαος”之类的字符串并且文件系统将看到如下字节：

py> s = 'Νικόλαος' 
py> s.encode('UTF-16be') 
b'\x03\x9d\x03\xb9\x03\xba\x03\xcc\x03\xbb\x03\xb1\x03\xbf\x03\xc2' 

py> s.encode('iso-8859-7') 
b'\xcd\xe9\xea\xfc\xeb\xe1\xef\xf2'

请注意，相同的字符串会为您提供完全不同的字节。和同样，相同的字节会给你不同的字符串，具体取决于你使用的编码。

现在，如果您尝试使用期望UTF-8的程序读取文件名，它会看到某种mojibake垃圾字符，或者得到一些有点错误：

py> s.encode('UTF-16be').decode('utf-8') 
Traceback (most recent call last): 
  File "<stdin>", line 1, in <module> 
UnicodeDecodeError: 'utf-8' codec can't decode byte 0x9d in position 1: 
invalid start byte 

py> s.encode('iso-8859-7').decode('utf-8') 
Traceback (most recent call last): 
  File "<stdin>", line 1, in <module> 
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xcd in position 0: 
invalid continuation byte

我在该目录中有一些文件，其中文件名作为字节无效由python3解码为UTF-8，但我的系统设置为使用UTF-8。所以要解决这个问题需要使用一些不太关心的工具来重命名文件关于编码。

所以我试过了：

mv'Euxi touIhsou.mp3''ΕυχήτουΙησού.mp3'

string = 'Ευχή του Ιησού.mp3' 
above string in unknown charset bytes = '\305\365\367\336\364\357\365\ \311\347\363\357\375.mp3'

那么如何编写以下代码以便正确地将files.py读成希腊文件名呢？

# Compute a set of current fullpaths 
fullpaths = set() 
path = "/home/nikos/public_html/data/apps/" 

for root, dirs, files in os.walk(path): 
    for fullpath in files: 
            fullpaths.add( os.path.join(root, fullpath) ) 

# Load'em 
for fullpath in fullpaths: 
    try: 
            # Check the presence of a file against the database and insert if it doesn't exist 
            cur.execute('''SELECT url FROM files WHERE url = %s''', (fullpath,) ) 
            data = cur.fetchone()

Encoding = string - ＆gt; （使用了一些字符集） - ＆gt; charset字节解码=字节 - ＆gt; （必须知道使用了什么字符集） - ＆gt;原始字符串

我是否正确地指出，整个编码/解码过程的键是使用/必须使用的字符集？

我们不知道他们使用了密钥（charset），但是我们知道字符串的原始形式，所以如果我们编写一个python脚本来解码mojabike字节流到所有可用的字符集，那么就会发生这种情况。原始字符串将显示回来。

从英语重新命名时无法通过Python Cgi脚本打开文件=＆gt;希腊字符

0 个答案: