查找 NFD 编码的文件名

Question

我已将一个目录从 Mac 同步到 Linux 机器，其中包含带有特殊字符（元音变音）的文件和文件夹。不幸的是，Mac 使用 NFD 编码（感谢 Apple！），rsync 没有将其转换为 NFC 标准文件名编码。rsync列出这些文件，例如传输期间Einversta?\\#210ndniserkla?\\#210rung.pdf应该包含的文件Einverst\xc3\xa4ndniserkl\xc3\xa4rung.pdf。在 Linux 机器上，这会导致重复文件，例如包含两个同名文件的文件夹Einverst\xc3\xa4ndniserkl\xc3\xa4rung.pdf（一个采用 NFD 编码，一个采用 NFC 编码）。

\n\n

如何找到 NFD 编码的所有文件并将其删除？这必须是可能的，例如通过使用find.

\n

Answer 1

有两种方法：

• 按照要求：尝试将文件名转换为 NFD，看看是否得到与输入相同的输出。如果这样做，文件名已经是 NFD。

• 更有用：尝试将文件名转换为NFC，看看是否得到相同的结果。如果不这样做，文件名可能是 NFD 或 NFKC 或 NFKD 或混合/格式错误的名称，但仍然不完全是 NFC。

要查找并重命名受影响的文件，请使用convmv：

convmv -f utf-8 -t utf-8 --nfc ...

对于更容易编写脚本的东西，您可以使用 Perl 的Unicode::Normalize：

find -type f | perl -C -MUnicode::Normalize -n -e'print if $_ eq NFD($_)'

要查找所有非 NFC 名称（包括 NFD 和非标准化名称）：

find -type f | perl -C -MUnicode::Normalize -n -e'print if $_ ne NFC($_)'