Windows 下的 Unicode 问题

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

已注册用户请登录

这是一个创建于 3277 天前的主题，其中的信息可能已经有所发展或是发生改变。

用 python3 写的一个下载P站图片的工具
下载这个地址的时候报错了

FileNotFoundError: [Errno 2] No such file or directory: 'C:\Users\Qi\Dropbox\Python\Projects\PixivAgent\Download\\u2727\uf981神\u2727 48802520\48802520.jpg'

幸好这个时候 dropbox 也报了异常, 才发现是 windows 下的"女(U+F981)"被自动转成了"女(U+5973)"
该怎么解决呢

第 1 条附言 · 2015-05-04 16:15:46 +08:00

@cylin
@infinte
@imn1
谢谢各位, 问题解决
一下子反应过来, 不是 windows 的问题, 是 dropbox 的问题!
dropbox 也是够快, 瞬间就把文件名转了...

u2727

u+f981

errno

5 条回复 • 2015-05-04 14:54:57 +08:00

imn1

2015-05-04 13:37:56 +08:00

unicode F900-FAFF 是 CJK Compatibility Ideographs
主要是对一些零散的异体字（多出现在印刷）作修正用的

你这个字串的来源有点问题，5973(4E00-9FCC)才是正式的汉字字符范围
应该先处理来源字串，再应用到路径使用，路径不应使用\uxxxx这种写法

GeQi

2015-05-04 14:06:58 +08:00

@imn1 谢回复
\uF981是直接网站上抓下来的, 本身网站也不是国内的
至于报错信息里 \uxxxx 的写法只是 python3 在 cmd 里无字符的unicode的表示法而已路径是没问题的
linux还没试, 不过 windows 隐式转换 unicode 字符真是头疼, 完全不理解这是什么逻辑

imn1

2015-05-04 14:17:50 +08:00

因为windows的文件系统是混合编码，具体的原理我搞不清，反正不止一种编码
而字体又跟编码有关，一般字体（至少windows自带那些）并不支持unicode，如果unicode规定了一些字符只是印刷修正用，与正式范围的某个字是相同的话，出于显示需要自动修正也是可以理解的，不然字体不能识别就会显示成问号了，有些时候还会造成路径错误（因为windows路径限制使用的字符比较多）

cylin

2015-05-04 14:46:19 +08:00

windows7 简体中文 python3.4.2 测试正常，没有被转换
>>> fp=open('\u2727\uf981神\u2727.txt','wb')
>>> fp.write(b'test')
4
>>> fp.close()
>>> fp=open('\u2727\uf981神\u2727.txt','rb')
>>> fp.read(4)
b'test'
>>>

infinte

2015-05-04 14:54:57 +08:00

@GeQi 我怀疑是 Python 内部做了某种 Unicode 规范化或者转码造成的（这个过程可能会把 U+F981 转换成 U+5973）。WIN32 api 的 -W 系可以明确使用任意的 UTF-16 序列作为文件名。