☰

如何查找包含 4 个符号 unicode 字符的目录，例如 ``

tag-icon • tag-icon bash zsh ls unicode
如何查找包含 4 个符号 unicode 字符的目录，例如 ``

在备份我的目录时，名称包含 ę、ą、ż、ź 等波兰语字符的目录被“重复”。

当我这样做时，ls -al我得到如下回复：

drwxrwxr-x+ 310 root users     313 Oct  9 16:18  .
drwxrwxr-x+  13 root users      14 Dec  1  2019  ..
drwxrwxr-x+   2 root users      83 May 16  2021 '050805 - PKP Międzyzdroje'
drwxrwxr-x+   2 root users      83 Nov  8  2019 '050805 - PKP Międzyzdroje'

但是，当我尝试对目录执行某些操作（例如ls或mv）时，zsh 会以不同的方式自动完成目录：

  1. 带有正确编码的“ę”的选项：ls 050805\ -\ PKP\ Międzyzdroje/

  2. 带有 4 符号 unicode 字符“<0328>”的选项：ls 050805\ -\ PKP\ Mie<0328>dzyzdroje/

问题：如何找到包含这些 4 符号 unicode 字符的所有目录，以便将其重命名为某个 ASCII 名称，然后对它们进行重复数据删除？

FWIW，我的主机在 Debian 上，但我可能是通过 Samba 使用 macOS 客户端导致了这个问题。

答案1

您有一些文件的ę预组合形式（U+0119 带有 OGONEK 的拉丁文小写字母 E）和一个其分解形式的文件，e后跟 U+0328 COMBINING OGONEK。

众所周知，macOS 会将文件名中的文本转换为分解形式，从而导致各种问题。

要查找包含 U+0328 字符的文件名，请使用zsh：

ls -ld -- **/*$'\u328'*(D)

或者找到那些带有任何组合标记的：

set -o rematchpcre
ls -ld -- **/*(De['[[ $REPLY:t =~ "\pM" ]]'])

或者定义一个辅助函数：

hasMarks() {
  set -o localoptions -o rematchpcre
  [[ $REPLY:t =~ '\pM' ]]
}
ls -ld -- **/*(D+hasMarks)

要从分解转换为预组合，在任何类似 POSIX 的 shell 中并假设文件名不以换行符结尾：

precomposed=$(printf '%s\n' "$decomposed" | uconv -x nfc)

或者zsh不必做出这样的假设：

printf -rN - $decomposed | uconv -x nfc | IFS= read -rd '' precomposed

（在 Debian 上的包uconv中icu-devtools）。

因此，要重命名它们，请在zsh：

set -o rematchpcre -o pipefail
for file (**/*(NDode['[[ $REPLY:t =~ "\pM" ]]']))
  print -rN - $file:t | uconv -x nfc | IFS= read -rd '' new &&
    mv -Tvi -- $file $file:h/$new

相关内容