Имея немного борьбы с именами файлов Unicode в OS X и Python. Я пытаюсь использовать имена файлов в качестве ввода для регулярного выражения позже в коде, но кодировка, используемая в именах файлов, кажется, 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 åäö, используя это, это будет не так, как если бы я создал имя dir с той же строкой. Я ожидаю, что, когда я использую свою строку åäö для создания каталога и прочитаю его имя назад, 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, это в основном символы ASCII с добавлением диакритических знаков, например. o + ¨ = ö, что делает его двумя символами, а не одним. Как я могу избежать этого несоответствия, существует ли схема кодирования в Python, которая соответствует этому поведению OS X, и почему не получается getfilesystemencoding(), давая мне правильный результат?
Или я испортился?