好的，这是我公司目前用于源代码控制的内容：
TortoiseHg 2.10版 使用Mercurial-2.8，Python-2.7.3，PyQt-4.10.2，Qt-4.8.4
我们的母公司是一家日本公司，他们与我们共享源代码。它们变得懒惰和草率，并将各种文件放在包含日文字符的子目录中。每当我们获得新项目的源代码并手动处理它们时，必须通过所有子目录，这是一个皇家的痛苦。我一直在阅读有关如何自动化的大量信息，但我仍然没有看到相对简单的方法。我们不知道我们会遇到哪些日文字符，所以它必须是动态的。我们无法对每个可能的日文字符进行硬编码。
Mercurial不能处理ASCII 255以上的时髦字符吗？我们正在尝试创建新的Mercurial存储库，并在将文件添加到存储库或调用一些将处理它们的Mercurial选项之前，使用批处理文件或脚本文件转换这些日文字符。
任何人都有解决方案吗？
答案 0 :(得分：0)
Mercurial说文件名“被明确地视为未知编码中的二进制数据”，并建议不要转换为Unicode或从Unicode转换文件名或内容。它不会转码非ASCII文件名，但我不知道这是否意味着它不接受它们。
您无需对任何字符进行硬编码。 所有日语，中文和韩语Unicode字符都在特定范围内。 http://docs.oracle.com/cd/B19306_01/server.102/b14225/appunicode.htm
平假名：范围：3040-309F http://www.unicode.org/charts/PDF/U3040.pdf
片假名：范围：30A0-30FF http://www.unicode.org/charts/PDF/U30A0.pdf
CJK汉字：范围：4E00-9FCC http://www.unicode.org/charts/PDF/U4E00.pdf
因此，例如在Python 2.x中，范围u'[\u3040-\u309F]'应包含所有平假名字符。
你可以grep目录＆amp;这些范围内任何unicode字符的文件名。 ...或者更确切地说，任何不在ASCII /欧洲范围内的东西。 u'[\u0020-\uD7FF]'并处理您遇到的日文字符。
那么问题是你想要将字符转换为什么？
罗马字的日语音译？或者只是一些占位符？如果您关心它是什么，您可以获得Unicode值＆amp;然后使用这样的东西将它转换为romaji：http://unidecode.codeplex.com/然后将该音译放回子目录名称。
如果您不关心角色是什么，只需用某种占位符替换它。
根据这个链接：How do I check if a string is unicode or ascii?和Python 2.x一个字符串可以是str或unicode，所以你也可以检查它 - 只能显示有问题的目录名。