Python'；s glob模块和unix'；查找命令don'；不能识别非ascii码

我使用的是Mac OS X 10.8.2

当我试图查找文件名包含非ASCII字符的文件时，我没有得到任何结果，尽管我确信它们是存在的。以控制台输入为例

> find */Bärlauch*

我没有结果。但是如果我不尝试，我会

> find */B*rlauch*
images/Bärlauch1.JPG

所以这个文件肯定存在。如果我将文件重命名为“ae”，将“ä”替换为“ae”，则会找到该文件

类似地，Python模块

glob

无法找到文件：

>>> glob.glob('*/B*rlauch*')
['images/Bärlauch1.JPG']
>>> glob.glob('*/Bärlauch*')
[]

# -*- coding: <your encoding> -*-

---

我想这一定与编码有关，但我的终端设置为utf-8，我使用的是使用unicode字符串的Python 3.3.0。

Python程序基本上是文本文件。按照惯例，人们只使用ASCII字符集中的字符来编写它们，因此不必考虑它们所使用的编码：所有字符集都同意ASCII字符的解码方式

您已经使用非ASCII字符编写了一个Python程序。因此，您的程序带有隐式编码（您没有提到）：要保存这样的文件，您必须决定如何在磁盘上表示a-umlaut。我猜也许你的编辑为你选择了一些非Unicode的东西

无论如何，有两种方法可以解决这个问题：要么限制自己在程序的源代码中只使用ASCII字符，要么向Python声明希望它以特定编码读取文本文件

要实现前者，您应该用Unicode转义序列替换a-umlaut（我认为这是

\x0228

，但目前无法测试）。要执行后者，应在文件顶部添加编码声明：

>>> glob.glob('*/B*rlauch*')
['images/Bärlauch1.JPG']
>>> glob.glob('*/Bärlauch*')
[]

# -*- coding: <your encoding> -*-

#-*-编码：-*-

Mac OS X始终对HFS+上的文件名使用非规范化字符。使用

unicodedata.normalize（'NFD'，pattern）

对全局模式进行非规范化

import unicodedata

glob.glob(unicodedata.normalize('NFD', '*/Bärlauch*'))

---

默认情况下，Mac使用分解的unicode字符。试着在

'*/Ba\xcc\x88rlauch*.

@MartijnPieters上匹配我刚才用

find

和

glob

尝试了你的建议。没有结果。。。但是感谢您的帮助在os.listdir（）中，

[repr（e）for e]

在该目录下给了您什么？请给出确切的python表示。@MartijnPieters我想我们的想法是一样的。。。我回忆起2.x系列中的

glob

和

fnmatch

的问题（不同的位凌驾于unicode之上，回到了其他的位置），但很可能是2.6-ish解决了这些问题）。我也会尝试使用

glob（'*'）

，然后使用

fnmatch.filter

来查看发生了什么…

[“.DS_Store”“”、“'images3 1440x960”“”、“'Baum.csv”“、'BaumUTF-8.csv”“、'images 012013”“、'images”“、'convImg.py”“、'DB.csv”“、'images2 1440x960']

是python shell返回的确切python表示形式。设置UTF8的源代码与python 3无关，因为这已经是假定的了。@mmgp啊，我没有意识到这一点。谢谢。进一步阅读：是的，你可能是对的。程序应该只用ASCII码编写。为了澄清这一点，我在pythonshell中运行了python命令，还尝试编写了一个源文件，并按照您的建议添加了编码。两者都不起作用。我还尝试了转义

\u00E4

，但也没有成功。但是谢谢你的建议@Martijn我不确定您的情况，但我认为类似的内容可能会出现在Python的bug tracker上……同样的问题也请参见。这不是Python的错误。@mmgp好的-但是没有理由Python不借助上面的代码就不能做到这一点。。。（stdlib中已经有足够多的内容处理不同的平台/系统——我看不出这与那些平台/系统有太大的不同）这可能会带来很多问题，因为在比较规范化和非规范化文本时需要格外小心。实际上，即使是在规范化文本之间，但不同的规范化也会带来麻烦。@JonClements：它完全取决于文件系统；装载的SMB共享不一定使用相同的非规范化字符。