Início / unix / Perguntas / 792464
Accepted
jsx97
Asked: 2025-03-14 23:58:59 +0800 CST

Reverter nomes de arquivos depois que eles foram distorcidos usando codificação diferente

  • 772

Eu tenho um arquivo

СМП бваг™вга†

As três primeiras letras são cirílicas e a parte restante é mojibake .

" Mojibake é um texto distorcido ou incompreensível que é o resultado de um texto decodificado usando uma codificação de caracteres não intencional." — Wikipédia

Originalmente, era

СМП структура

mas então ficou confuso de alguma forma, provavelmente porque o arquivo foi compactado no Windows XP e depois descompactado em um Mac, por um usuário inexperiente.

Tentei consertar usando convmvand iconv, assim:

convmv -r -f cp1251 -t utf-8 DIR

ls | iconv -f cp1251 -t cp850 | iconv -f cp866

mas ainda não obtive sucesso. Alguém pode ajudar com isso?

atualização 1

Hexdump de СМП бваг™вга†:

0000000    d0  a1  d0  9c  d0  9f  20  d0  b1  d0  b2  d0  b0  d0  b3  e2
           С   **  М   **  П   **      б   **  в  **   а  **   г   **  ™
0000020    84  a2  d0  b2  d0  b3  d0  b0  e2  80  a0  0a                
           **  **  в  **   г  **   а   **  †   **  **  \n                
0000034

Hexdump de СМП структура:

0000000    d0  a1  d0  9c  d0  9f  20  d1  81  d1  82  d1  80  d1  83  d0
           С   **  М   **  П   **      с  **   т  **   р  **   у  **   к
0000020    ba  d1  82  d1  83  d1  80  d0  b0  0a                        
           **  т   **  у   **  р   **  а   **  \n                        
0000032
filenames

1 respostas

  1. Best Answer

    Esses parecem nomes de arquivos que foram inicialmente codificados em CP866 , mas foram convertidos incorretamente para UTF-8, supondo que foram codificados em MAC-CYRILLIC .

    $ echo СМП структура | iconv -t cp866 | # cp866 encoded text
   iconv -f mac-cyrillic -t utf-8 # incorrectly converted to UTF-8
СМП бваг™вга†

    Para corrigir, reverta o processo:

    $ echo СМП бваг™вга† | iconv -f utf-8 -t mac-cyrillic | iconv -f cp866 -t utf-8
СМП структура

    Em sistemas diferentes do macOS,

    convmv --notest -r -f utf-8 --qto -t mac-cyrillic DIR &&
  convmv --notest -r --qfrom -f cp866 -t utf-8 DIR

    Deveria fazer isso.

    Mas o macOS não pode ter nomes de arquivo com valores de bytes arbitrários. Parece que sua API espera nomes de arquivo que sejam textos codificados em UTF-8 válidos e rename()rejeitaria com um EILSEQerro ( sequência de bytes ilegal ) uma tentativa de renomear um arquivo para algo que não seja codificado em UTF-8, como o que o primeiro convmvfaz.

    Então, precisaríamos executar essas duas etapas em uma para ir direto de UTF-8 para UTF-8.

    Poderia ser algo como:

    find DIR -depth -print0 |
  rename -0 -d -n -e '
    use Unicode::Normalize qw(NFC);
    use Encode qw(:all);
    my $check = DIE_ON_ERR | LEAVE_SRC;
    my $new = eval {encode("UTF-8",
                    decode("cp866",
                    encode("mac-cyrillic",
                    NFC(decode("UTF-8", $_, $check)), $check), $check))
                   };
    if ($new) {$_ = $new} else {warn$@}'

    (aqui assumindo o renamedo File::Renamemódulo perl e usando NFCpara contornar outra idiossincrasia do macOS, onde ele destrói alguns caracteres em nomes de arquivos convertendo-os para sua forma decomposta, algo que convmvtambém funciona internamente de forma automática ).

    Remova o -n(teste) se estiver satisfeito.

    • 12

relate perguntas