Python Windows文件名在Linux中显示损坏的字符

我相信这是Linux和Windows上字符默认编码的常见问题。然而，在我搜索了互联网之后，我没有任何简单的方法来自动修复它，因此我准备写一个脚本来完成它

以下是场景：

我在Windows系统上创建了一些文件，其中一些文件的名称不是英文的（在我的例子中是中文）。我用7-zip把它们压缩成一个zip文件。之后，我将zip文件下载到Linux上，并在Linux系统（Ubuntu 16.04 LTS）（默认存档程序）上解压缩文件。正如我所猜测的，所有非英语文件名现在都显示为一些损坏的字符！起初，我认为使用convmv应该很容易，但是

我试过convmv，它说：“跳过，已经是utf8了”。什么都没变

然后，我决定使用Python编写一个工具来完成这项肮脏的工作，经过一些测试，我发现我无法将原始文件名与损坏的文件名相关联（除非通过散列内容）

这里有一个例子。我在Windows上设置了一个Web服务器来列出文件名，其中一个文件在python中用“gbk”编码后显示为

u'j\u63a5\u53e3\u6587\u6863'

我可以在我的Linux系统上查询文件名。我可以用上面显示的名称直接创建一个文件，并且名称是正确的。我还可以将unicode gbk字符串编码为utf8编码并创建一个文件，名称也正确。（因此，我不能同时做这些事情，因为它们确实是同一个名字）。现在当我读到我之前提取的文件名时，它应该是同一个文件。但文件名完全不同，如下所示：

'j\xe2\x95\x9c\xe2\x95\x99.....'

用utf8对其进行解码，类似于u'j\u255c\u2559…'。使用gbk对其进行解码会导致UnicodeDecodeError异常，我也尝试使用utf8对其进行解码，然后使用gbk进行编码，但结果仍然是其他的

总而言之，在将原始文件名提取到linux系统后，我无法通过解码或编码来检查原始文件名。如果我真的想让一个程序来完成这项工作，我要么用一些可能的编码选项重新进行归档，要么只使用我的脚本，但使用文件内容散列（如md5或sha1）来确定其在Windows上的原始文件名

---

除了比较两个系统之间的文件内容外，我是否还有机会从上述情况下的python脚本中推断出原始名称？

通过对常用编码的一点尝试，我能够逆转您的：

gbk

-通用中文Windows编码

cp437

-常见的美国Windows OEM控制台编码

---

utf8

-常见的Linux编码

重复其他问题：在Internet上搜索“zip文件和unicode文件名”。你不是第一个遇到这个问题的人。没有任何东西像

unicode gbk

u'j\u63a5\u53e3\u6587\u6863'

会产生：

'j接口文档'。是这样吗？另外，你是在创建7zip格式的档案（.7z）还是PKWARE Zip档案（.Zip）？哇，这太棒了！当我尝试cp936时，我从未想过cp437。非常感谢。
bad = 'j\xe2\x95\x9c\xe2\x95\x99\xe2\x94\x90\xe2\x94\x8c\xe2\x95\xac\xe2\x94\x80\xe2\x95\xa1\xe2\x95\xa1'
>>> good = bad.decode('utf8').encode('cp437').decode('gbk')
>>> good
u'j\u63a5\u53e3\u6587\u6863'        # u'j接口文档'