Немного борьбы с именами файлов Unicode в OS X и Python. Я пытаюсь использовать имена файлов в качестве входных данных для регулярного выражения позже в коде, но кодировка, используемая в именах файлов, похоже, отличается от того, что говорит мне sys.getfilesystemencoding (). Возьмите следующий код:
#!/usr/bin/env python
# coding=utf-8
import sys,os
print sys.getfilesystemencoding()
p = u'/temp/s/'
s = u'åäö'
print 's', [ord(c) for c in s], s
s2 = s.encode(sys.getfilesystemencoding())
print 's2', [ord(c) for c in s2], s2
os.mkdir(p+s)
for d in os.listdir(p):
print 'dir', [ord(c) for c in d], d
Выводит следующее:
utf-8
s [229, 228, 246] åäö
s2 [195, 165, 195, 164, 195, 182] åäö
dir [97, 778, 97, 776, 111, 776] åäö
Итак, кодировка файловой системы - utf-8, но когда я кодирую свое имя файла с помощью этого, оно не будет таким, как если бы я создал имя dir с той же строкой. Я ожидаю, что когда я использую мою строку åäö для создания dir и читаю его имя обратно, он должен использовать те же коды, как если бы я применил кодировку напрямую.
Если мы посмотрим на кодовые точки 97, 778, 97, 776, 111, 776, то это в основном символы ASCII с добавлением диакритического знака, например, o + ¨ = ö, что делает его двумя символами, а не одним. Как я могу избежать этого несоответствия, есть ли в Python схема кодирования, которая соответствует этому поведению в OS X, и почему getfilesystemencoding () не дает мне правильный результат?
Или я все испортил?