将 windows-1251 目录名称转换为 unicode（使用 Python）

Question

我使用 php 脚本创建目录，使用从站点 (utf-8) 获取的单词（类别名称），但是当我创建这些目录时，我看到有不可读的字符而不是真实的字。

Windows 下的 AFAIK PHP 在 cp1251 语言环境下工作，不能在 utf-8 文件名/目录名下工作。

所以问题是，是否可以使用 Python 遍历所有目录并将它们重命名为 utf-8 字符集？

看起来那段代码有效，现在我只需要递归遍历目录并重命名它们。

basedir = "C:\\Users\\alex\\Desktop\\1\\save"
dirs = os.listdir(basedir)
for fn in dirs:
    print fn
    nn = fn.decode('utf-8')
    os.rename(os.path.join(basedir,fn), os.path.join(basedir,nn))

Answer 1

如果 php 将您的 utf-8 文件名保存为 cp1251，那么您可以将它们重新编码：

>>> correct_filename = u"торт.txt"
>>> mojibake = correct_filename.encode('utf-8').decode('cp1251') # WRONG
>>> print(mojibake) # if you see this;
торт.txt
>>> print(mojibake.encode('cp1251').decode('utf-8')) # recode
торт.txt

在 Windows 上始终使用 Unicode 类型的文件名。

要重命名给定目录中的所有 .txt 文件：

#!/usr/bin/env python2
import os
from glob import glob

dirpath = os.path.expanduser(ur"~\Desktop\1\save")
for mojibake_path in glob(os.path.join(dirpath, '*.txt')):
    path = mojibake_path.encode('cp1251').decode('utf-8')
    os.rename(mojibake_path, path)

注意：dirpath 是一个 Unicode 字符串。

Answer 2

有几点需要澄清：

• UTF-8 是一种编码，而不是字符集。该字符集称为 Unicode。 ? 是该字符集中的字符 128169。

• 字符串"?.txt" 包含5 个字符。您可以使用 UTF-8 或 UTF-16 等编码将这些字符编码为 bytes。计算机存储字节，因此程序必须使用其中一种编码在内部表示该字符串。

• 因此，没有“将目录重命名为 Unicode 字符集”之类的事情。文件名?.txt 就是这 5 个字符，无论操作系统如何将这些字符存储在磁盘上。

问题出在 PHP 本身。在 Windows 上，PHP 在本地 ANSI 代码页中对字符串进行内部编码。该代码页可能无法对字符 ? 进行编码，因此 PHP 无法在内部表示此字符串。因此，您永远无法在 PHP 中访问文件 ?.txt。唯一的解决方法是使用特殊模块来访问这些文件。见How to open file in PHP that has unicode characters in its name?。