Linux->Windows主機目錄和文件名中文亂碼恢復

目錄

• Linux->Windows主機目錄和文件名中文亂碼恢復
• 聲明
• 一. 亂碼問題
• 二. 調試環境
• 三. 目錄和文件名亂碼恢復
  • 3.1 可選方案
    • 3.1.1 經過合適的編解碼轉換
    • 3.1.2 根據文件列表信息匹配
    • 3.1.3 機器學習
  • 3.2 逐步實踐
    • 3.2.1 獲取單級目錄及其文件信息
    • 3.2.2 從文件列表中提取目錄和文件信息
    • 3.2.3 遍歷目錄並改名
    • 3.2.4 消除單個文件名亂碼
    • 3.2.5 消除單級目錄下文件名亂碼
    • 3.2.6 消除嵌套目錄名及其文件名亂碼
    • 3.2.7 恢復原始亂碼目錄和文件名
• 四. 後記

Linux->Windows主機目錄和文件名中文亂碼恢復

標籤： 字符編碼 Python

---

聲明

本文主要記述做者如何經過Python腳本恢復跨平臺傳輸致使的目錄和文件名中文亂碼。做者對Python編程和字符編碼瞭解很少，紕漏不免，歡迎指正。同時，本文兼作學習筆記，存在囉嗦之處，敬請諒解。

本文同時也發佈於做業部落，閱讀體驗可能更好。

一. 亂碼問題

一年前，做者將Windows XP系統主機下建立的一批文件(以多級目錄組織)，經過Samba手工拷貝至Linux系統主機，能正常顯示目錄和文件名中包含的中文字符。而後，經過filezilla鏈接Linux主機，將上述文件下載至移動硬盤，這個過程當中也未出現亂碼。但將移動硬盤鏈接到Windows 7系統主機上時，卻發現目錄和文件名中包含的中文字符出現亂碼。

例如，文件名"GNU Readline庫函數的應用示例"和"守護進程接收終端輸入的一種變通性方法"分別顯示爲"GNU Readline库函数的应用示例"和"守护进程接收终端输入的一种变通性方法"。

但除目錄和文件名出現中文亂碼外，文件內容並沒有亂碼。

做者當時並不熟悉字符編碼知識，因而請教《通俗易懂地解決中文亂碼問題（1） --- 跨平臺亂碼》一文的做者Roly-Poly。Roly-Poly很是熱心地轉換了上述兩個文件名，並給出效果圖：
　　　　　　　　　　　　　　　　　　　　　　　　　　
以及相應的Java轉換方法：

String str = new String(new String(messyName.getBytes("ISO-8859-1"), "GBK").getBytes("GBK"), "UTF-8");

其中，messyName對應出現亂碼的字符串。getBytes(charset)將Unicode編碼存儲的字符串按照charset編碼，並以字節數組表示；new String(bytes[], charset)則將字節數組按照charset編碼進行組合識別，最後轉換爲Unicode存儲。所以，上述代碼表示先將當前編碼從 ISO-8859-1轉爲GBK，而後再從GBK轉爲UTF-8。

固然，Roly-Poly的轉換仍有缺憾，畢竟還存在未能正確解析的亂碼。"幸運"的是，當時出於謹慎，做者分別經過dir /S path、tree /F path(Windows)和ls -lRS --time-style=long-iso(Linux)建立了三份文件列表。這樣，在Roly-Poly轉碼的基礎上再作些校驗，有望替換爲徹底正確的文件名。

然而，一方面由於做者對Java語言和字符編碼比較陌生(主要是懶)，另外一方面由於解析文件列表並改名的工做量預期較大，做者一直未付諸實踐。直到最近，纔開始從頭着手處理亂碼問題。這一過程學到很多知識，也走過很多彎路。教訓就是：凡事要一氣呵成!

二. 調試環境

做者使用Python 2.7自帶的IDLE進行編碼調試。除非特別說明，本文全部代碼均爲Python語言。
參考Python字符編碼詳解一文，獲取當前環境的默認編碼：

#!/usr/bin/python
# -*- coding: utf-8 -*-

import sys, locale
def SysCoding():
    fmt = '{0}:{1}'
    #當前系統所使用的默認字符編碼
    print fmt.format('DefaultEncoding      ', sys.getdefaultencoding())
    #轉換Unicode文件名至系統文件名時所用的編碼('None'表示使用系統默認編碼)
    print fmt.format('FileSystemEncoding   ', sys.getfilesystemencoding())
    #默認的區域設置並返回元祖(語言, 編碼)
    print fmt.format('DefaultLocale        ', locale.getdefaultlocale())
    #用戶首選的文本數據編碼(猜想結果)
    print fmt.format('PreferredEncoding    ', locale.getpreferredencoding())

if __name__ == '__main__':
    SysCoding()

做者的Windows XP系統主機上，區域和語言選項->區域選項->標準和格式及高級->非Unicode程序的語言均設置爲"中文(中國)"；Windows 7系統主機上，區域和語言->格式及管理->非Unicode程序的語言均設置爲"中文(簡體,中國)"。兩臺主機的SysCoding()輸出相同，均顯示以下：

DefaultEncoding      :ascii
FileSystemEncoding   :mbcs
DefaultLocale        :('zh_CN', 'cp936')
PreferredEncoding    :cp936

三. 目錄和文件名亂碼恢復

3.1 可選方案

3.1.1 經過合適的編解碼轉換

可以使用chardet模塊detect()函數檢測給定字符的編碼。該函數返回檢測到的編碼'encoding'及其可信度'confidence'。

安裝方法爲：命令提示符下執行C:\Python27\Scripts>easy_install.exe chardet後，自動下載egg文件包。若未安裝成功(import提示"ImportError: No module named chardet")，可到C:\Python27\Lib\site-packages目錄解壓egg文件包，將其中的chardet目錄(全部文件)拷貝到site-packages下面便可。

安裝成功後，按照如下方法檢測字符編碼：

#coding: gbk
import chardet
print chardet.detect('abc') #{'confidence': 1.0, 'encoding': 'ascii'}
print chardet.detect('喊')  #{'confidence': 0.73, 'encoding': 'windows-1252'}
print chardet.detect('漢')  #{'confidence': 0.99, 'encoding': 'TIS-620'} ##Thailand
print chardet.detect('漢中華人民共和國') #{'confidence': 0.99, 'encoding': 'GB2312'}
print '漢中華人民共和國', repr('漢中華人民共和國')
#漢中華人民共和國 '\xba\xba\xd6\xd0\xbb\xaa\xc8\xcb\xc3\xf1\xb9\xb2\xba\xcd\xb9\xfa'

可見，當字符"樣本"過少時，chardet檢測結果並不許確(如'漢'被識別爲泰文)。在Shell中執行上述檢測時，結果與之相同。

做爲對比，聲明爲coding: utf-8時，檢測結果又是另外一番"景象"：

import chardet
print chardet.detect('abc') #{'confidence': 1.0, 'encoding': 'ascii'}
print chardet.detect('成CUnit进è¡') #{'confidence': 0.99, 'encoding': 'utf-8'}
print chardet.detect('喊')  #{'confidence': 0.73, 'encoding': 'windows-1252'}
print chardet.detect('漢')  #{'confidence': 0.73, 'encoding': 'windows-1252'}
print chardet.detect('漢中華人民共和國') #{'confidence': 0.99, 'encoding': 'utf-8'}
print '漢中華人民共和國', repr('漢中華人民共和國')
#奼変腑鍗庝漢姘戝叡鍜屽浗 '\xe6\xb1\x89\xe4\xb8\xad\xe5\x8d\x8e\xe4\xba\xba\xe6\xb0\x91\xe5\x85\xb1\xe5\x92\x8c\xe5\x9b\xbd'

可見，'口语奇招_新æµ'被檢測爲UTF-8編碼。這是由於UTF-8是ASCII的超集。當字符串序列中全部字符均爲ASCII符號(前128個字符)時，chardet認爲該串爲ASCII編碼；當字符串序列中也含有全部擴展ASCII符號時，chardet極可能認爲該串爲UTF-8編碼。此外，print根據本地操做系統默認字符編碼(GBK)，將'漢中華人民共和國'打印爲奼変腑鍗庝漢姘戝叡鍜屽浗。

3.1.2 根據文件列表信息匹配

經過正則表達式提取文件列表中的目錄大小、文件數目、文件名及其大小、建立時間等信息，再遍歷移動硬盤亂碼目錄，進行匹配和改名。爲保險起見，應維護一份映射文件，存儲文件路徑、原名和新名，以便恢復或校訂。

爲減小匹配和改名次數，只操做名稱包含字母數字之外字符的目錄和文件。此外，還可對文件列表排序，如dir path /S /O:S(按大小升序排列)。

3.1.3 機器學習

由於word、網頁等文件打開後一般能夠看到標題，做者得以整理若干文件亂碼名與正常名的映射數據。這樣，藉助機器學習(如基於實例的算法)，最終有望消除全部亂碼。

顯然，這一方案難度過高，並不現實。

3.2 逐步實踐

3.2.1 獲取單級目錄及其文件信息

首先，建立名稱正常的多級目錄供調試用。之因此不用原始亂碼目錄調試，是由於一旦測試失敗極可能會破壞"樣本"。

而後，經過如下代碼獲取單級目錄的大小、文件數目、文件名及大小、建立時間等信息：

import time
from os.path import join, getsize, getmtime, getctime
CURRENT_DIR = os.path.dirname(os.path.abspath(__file__))
#os.getcwd()返回當前工做目錄
def FilesInfo():
    for root, dirs, files in os.walk(CURRENT_DIR):
        for file in files:
            path = join(root, file)
            ctime = time.ctime(getctime(path)) #建立時間
            print 'Name:%-12s Size:%-7s Ctime:%s' %(file, getsize(path), ctime)

        print root, "consumes",
        print sum(getsize(join(root, file)) for file in files),
        print "bytes in", len(files), "non-directory files!"

注意，當本模塊由其餘模塊import並執行時，os.getcwd()返回的並不是本模塊目錄。

執行FilesInfo()後，輸出結果以下：

Name:Coding.py    Size:7936    Ctime:Mon Feb 29 09:41:15 2016
Name:d_res.bmp    Size:522534  Ctime:Mon Feb 29 09:41:15 2016
Name:error3.bmp   Size:70782   Ctime:Mon Feb 29 09:41:15 2016
Name:Open.bmp     Size:354746  Ctime:Mon Feb 29 09:41:15 2016
Name:Thumbs.db    Size:19968   Ctime:Mon Feb 29 09:41:47 2016
Name:typec.bmp    Size:199022  Ctime:Mon Feb 29 09:41:15 2016
Name:WalkDir.py   Size:4894    Ctime:Mon Feb 29 09:41:15 2016
Name:復Coding.py  Size:6564    Ctime:Mon Feb 29 15:41:37 2016
E:\PyTest\stuff consumes 1186446 bytes in 8 non-directory files!

3.2.2 從文件列表中提取目錄和文件信息

在命令提示符下dir \F出調試目錄的結構。截取部分以下：

C:\Program Files\IDM Computer Solutions\UEStudio>e:

 E:\PyTest 的目錄

2016-02-24  11:53    <DIR>          .
2016-02-24  11:53    <DIR>          ..
2016-02-23  17:22             1,434 backup_ver2.py

而後，經過ParseFileList()函數解析出"E:\PyTest"之類的路徑：

import codecs, re
def ParseFileList():
    #Windows記事本默認的字符編碼爲"ANSI"(實際是GBK)
    file = codecs.open(r'E:\PyTest\filelist.txt', encoding='gbk')
    for line in file:
        #下句等效於m = re.match(u' (.+) 的目錄\s*$', line)
        m = re.compile(u"""             # Python默認字符編碼爲Ansi, 需加u轉爲Unicode
                            (.+) 的目錄  # 將' 的目錄'前的部分做爲分組(Group)
                            \s*$        # 行尾""", re.X).match(line)
        if m != None:
            print m.groups()[0]

注意，此處並未使用內置的open()方法打開文件。由於該方法獲得的line爲str類型，須要使用正確的編碼格式進行decode()，不然將沒法匹配到"的目錄"。而codecs.open()方法打開文件時讀取的就是Unicode類型，不容易出現編碼問題。

固然，若將源代碼文件中的字符編碼聲明改成#coding=gbk，並去掉pattern字符串前綴u，則使用內置的open()方法仍可匹配到"的目錄"。

目錄大小、文件數目、文件名及其大小等，都可經過合適的正則表達式提取。然而，做者很快意識到，根據文件列表遍歷和改名的方案實現起來過於複雜。因而，放棄正則匹配的嘗試。

3.2.3 遍歷目錄並改名

雖然文件列表正則匹配的方案不可行，但遍歷和改名倒是全部方案所必需的。

Python中有三種遍歷目錄的方法，即os.listdir()、os.walk()和os.path.walk()。這三者中，做者首選os.walk()方法，遍歷代碼以下：

import os
def ValidateDir(dirPath):
    #判斷路徑是否爲Unicode。若否，將其轉換爲Unicode編碼
    if isinstance(dirPath, unicode) == False:
        #下句等效於dirPath = dirPath.decode('utf8')
        dirPath = unicode(dirPath, 'utf8')

    #判斷路徑是否存在(不區分大小寫)
    if os.path.exists(dirPath) == False:
        print dirPath + ' is non-existent!'
        return ''

    #判斷路徑是否爲目錄(不區分大小寫)
    if os.path.isdir(dirPath) == False:
        print dirPath + ' is not a directory!'
        return ''
    return dirPath

def WalkDirReport(dirPath, fileNum):
    print '##############' + str(fileNum) + ' files processed##############'

def WalkDir(dirPath):
    dirPath = ValidateDir(dirPath)
    if not dirPath:
        return

    #遍歷路徑下的文件及子目錄
    fileNum = 0
    for root, dirs, files in os.walk(dirPath):
        for file in files:
            #處理文件
            #ChangeNames(root, file)
            #RestoreNames(root, file)

            fileNum += 1
            while(fileNum % 100) == 0:
                prompt = '$' + str(fileNum) + ' files processed, ' \
                         + '''pause for checking. Type 'c' to continue: '''
                if raw_input(prompt) == 'c':
                    break
    WalkDirReport(dirPath, fileNum)

其中，ValidateDir()用於校驗路徑合法性，同時還將非Unicode路徑轉爲Unicode路徑(該步驟也可由使用者自行完成)。

os.listdir()方法遍歷目錄則較爲"笨拙"，對好比下：

def WalkDir_unsafe(dirPath):
    dirPath = ValidateDir(dirPath)
    if not dirPath:
        return

    #遍歷路徑下的文件及子目錄
    fileNum = 0
    nameList = os.listdir(dirPath)
    for name in nameList:
        path = os.path.join(dirPath, name)
        #類型爲目錄，遞歸(存在棧溢出風險)
        if os.path.isdir(path) == True:
            fileNum += WalkDir_unsafe(path)
            continue

        #處理文件
        '''此時name等效於os.path.basename(path)，即文件名；
           dirPath等效於os.path.dirname(path)，即目錄名；
           path等效於os.path.abspath(os.path.basename(path))，即絕對路徑'''
           fileNum += 1
    return fileNum

由於採用遞歸處理，因此該方法存在棧溢出風險(不過做者還沒有遇到這種狀況)。使用時，需按照以下方式調用：

WalkDirReport(r'E:\Pytest\測試', WalkDir_unsafe(r'E:\Pytest\測試'))

注意，雖然os.walk()自己仍由os.listdir()遞歸實現，但倒是生成器(generator)寫法，相比普通遞歸更節省內存資源。

遍歷目錄調試經過後，就可着手實現目錄和文件改名。爲簡單起見，改名規則爲"尾部添0"，即"E:\a\b.txt"會轉換爲"E:\a0\b.txt0"。同時提供恢復函數，以便反覆調試。代碼以下：

def ChangeNames(dir, file):
    #將'E:\a\b.txt'轉換爲'E:\a0\b.txt0'，以此類推
    filePath = os.path.join(dir, file)
    newdir = dir.split('\\')
    newdir[1:] = map(lambda x: x+'0', newdir[1:]) #盤符不變
    newdir = '\\'.join(newdir)
    ufilePath = os.path.join(newdir, file) + '0'
    print filePath + ' => ' + ufilePath
    os.renames(filePath, ufilePath)

def RestoreNames(dir, file):
    #將'E:\a0\b.txt0'恢復爲'E:\a\b.txt'，以此類推
    filePath = os.path.join(dir, file)
    newdir = dir.split('\\')
    newdir[1:] = map(lambda x: x[:-1], newdir[1:])
    newdir = '\\'.join(newdir)
    ufilePath = os.path.join(newdir, file)[:-1]
    print filePath + ' => ' + ufilePath
    os.renames(filePath, ufilePath)

可見，"添0"和恢復的方法比較"笨拙"。但做爲Python新手，做者暫時只能如此。結合遍歷代碼，ChangeNames()和RestoreNames()可有效地改名和恢復。

注意os.renames()方法，該方法可對嵌套目錄及其文件改名，可能會建立臨時目錄以存放新命名的子目錄和文件。所以，若以WalkDir(r'E:\bPytest')方式調用且bPytest目錄下存在空的子目錄，則改名後該子目錄保持原名原位置(仍在E:\bPytest目錄下)，而其餘子目錄及文件被改名且"轉移"到E:\bPytest0目錄下——同時出現bPytest和bPytest0兩個目錄！

3.2.4 消除單個文件名亂碼

遍歷和改名調試成功後，接下來即是重中之重——亂碼文件名恢復。

瀏覽各類網絡資料後，做者終於在Stackoverflow網站上一則問答Getting correct utf8 Chinese characters from messed-up iso-8859-1 in Python and MySQL裏找到一線曙光。回答者經過u'最'.encode('cp1252').decode('utf8')成功地將最轉換爲"最"——這與做者遇到的亂碼何其類似！

在嘗試cp1252、cp1254...等衆多Windows編碼後，做者終於找到正確的編碼格式，即latin_1，別名iso-8859-1, iso8859-1, 8859, cp819, latin, latin1, L1。測試代碼以下：

print u'项目中集成CUnit进行开发测试'.encode('latin_1').decode('utf8')
print u'《NBC夜间新闻(2011-2季)'.encode('latin_1').decode('utf8')
print '新浪博客'.decode('utf8').encode('latin_1').decode('utf8')

其中，u'string'等效於'string'.decode('utf8')。運行結果爲：

項目中集成CUnit進行開發測試
《NBC夜間新聞(2011-2季)
新浪博客

經人工檢驗，徹底符合指望！

此時再回想Roly-Poly提供的Java轉碼語句：

String str = new String(new String(messyName.getBytes("ISO-8859-1"), "GBK").getBytes("GBK"), "UTF-8");

由於字符串在Java內存中以Unicode編碼存儲，且getBytes()和new String()分別對應Python裏的encode()和decode()，因此等效的Python轉碼語句以下：

str = u'messyName'.encode('latin_1').decode('gbk').encode('gbk').decode('utf8')

從字符編碼規則可知，通過GBK編解碼"中轉"後，極可能出現data loss。以第一章的兩個文件名爲例，其Python轉碼以下：

s1 = u'GNU Readline库函数的应用示例'.encode('latin_1').decode('gbk').encode('gbk','replace').decode('utf8')
s2 = u'守护进程接收终端输入的一种变通性方法'.encode('latin_1').decode('gbk','replace').encode('gbk','replace').decode('utf8','replace')
s3 = u'守护进程接收终端输入的一种变通性方法'.encode('latin_1').decode('utf8')
print s1  #GNU Readline庫函數的應用示例
print s2  #守護進程接收終�?輸入的一種變通�?方法
print s3  #守護進程接收終端輸入的一種變通性方法

其中，'replace'參數以適當的字符替換編解碼過程當中沒法識別的字符，不然將產生UnicodeDecodeError和UnicodeEncodeError異常。可見，就本文問題而言，並不須要GBK編解碼"中轉"。

3.2.5 消除單級目錄下文件名亂碼

文件名字符串亂碼恢復成功後，接下來將對文件改名。該步驟須要在掛接移動硬盤的Windows 7主機上進行，由於在Windows XP主機上文件名亂碼沒法以指望的方式顯示和解析。例如：
　　　　　　　　　　　　　　　　　　　　　
最後那個以亂碼字符串爲名建立的文件，沒法打開(UEStudio提示"含有一個無效的路徑"，記事本提示"無效的窗口句柄")，os.rename()也會報錯。

在Windows 7主機上，做者從移動硬盤拷貝一個單級亂碼目錄至磁盤做調試用。而後，編寫代碼恢復該目錄下的全部亂碼文件名：

from nt import chdir
def RecodeName(dirPath):
    nameList = os.listdir(dirPath)
    for fileName in nameList:
        try:
            ufileName = fileName.encode('latin_1').decode('utf8')
        except UnicodeEncodeError as e:
            print '[e]' + fileName + '(Possibly needn\'t xcode!)'
            continue
        print (fileName + ' => ' + ufileName)
        #rename以前要先用chdir()函數進入到目標文件所在的路徑
        chdir(dirPath)
        os.rename(fileName, ufileName)

由於存在某些文件已被手工改名的可能性，encode('latin_1')時會拋出UnicodeEncodeError異常，因此須要跳過這些文件。

運行結果以下：

8.26南京990小经验，希望对以后的人有帮助 - 英语托业考试(TOEIC) - 大家论坛 -.url => 8.26南京990小經驗，但願對之後的人有幫助 - 英語託業考試(TOEIC) - 你們論壇 -.url
~2011.5.29~托业905感想~感谢大家网论坛~希望能给大家带来帮助 - 英语托业考试(TOEIC) - 大家论坛 -.url => ~2011.5.29~託業905感想~感謝你們網論壇~但願能給你們帶來幫助 - 英語託業考試(TOEIC) - 你們論壇 -.url
中国雅思网.url => 中國雅思網.url
如何提高英语听力_提高英语听力的方法_听力课堂.url => 如何提升英語聽力_提升英語聽力的方法_聽力課堂.url
>>>

經驗證，指定目錄下全部亂碼文件名均正確恢復。

3.2.6 消除嵌套目錄名及其文件名亂碼

單級目錄下文件名亂碼消除後，做者換用os.renames()方法消除嵌套目錄名及其文件名。代碼以下：

def RecodeNames(dir, file):
    filePath = os.path.join(dir, file)
    try:
        filePathNew = filePath.encode('latin_1').decode('utf8')
    except UnicodeEncodeError as e:
        '''os.renames()會建立臨時目錄以存放新命名的子目錄和文件，故此處異常
           代表最底層文件已解碼成功(多是手工處理)，但其目錄路徑仍未解碼。
           所以，需構造已解碼全路徑，以便renames將上述文件拷貝至新目錄。
        '''
        print '[e]' + filePath + '(Possibly needn\'t xcode!)'
        filePathNew = os.path.join(dir.encode('latin_1').decode('utf8'), file)

    print (filePath + ' => ' + filePathNew)
    os.renames(filePath, filePathNew)

以WalkDir(r'F:\Pytest\Study')運行，結果以下：

F:\Pytest\Study\John_新浪博客.url => F:\Pytest\Study\John_新浪博客.url
[e]F:\Pytest\Study\ABR\~2011.5.29~託業905感想~感謝你們網論壇~但願能給你們帶來幫助 - 英語託業考試(TOEIC) - 你們論壇 -.url(Possibly needn't xcode!)
F:\Pytest\Study\ABR\~2011.5.29~託業905感想~感謝你們網論壇~但願能給你們帶來幫助 - 英語託業考試(TOEIC) - 你們論壇 -.url => F:\Pytest\Study\ABR\~2011.5.29~託業905感想~感謝你們網論壇~但願能給你們帶來幫助 - 英語託業考試(TOEIC) - 你們論壇 -.url
F:\Pytest\Study\待读\《NBC夜间新闻(2011-2å­£)》(NBC Nightly News)([m4v]英语听力下载 -学习资料库.url => F:\Pytest\Study\待讀\《NBC夜間新聞(2011-2季)》(NBC Nightly News)([m4v]英語聽力下載 -學習資料庫.url
##############3 files processed##############

可見，根目錄和子目錄及全部下屬文件均正確改名。

讀者可能已經注意到，上述根目錄路徑名均爲英文字符。假如該路徑包含已解碼的中文目錄名(多是手工處理)呢？例如將Study目錄名改成外語學習。顯然，encode('latin_1')時會觸發UnicodeEncodeError異常。所以，編解碼時須要跳過這些中文目錄名：

def RecodeNames(dir, file):
    filePath = os.path.join(dir, file)
    #對路徑解碼
    paths = filePath.split('\\')
    for i in range(len(paths)):
        try:
            paths[i] = paths[i].encode('latin_1').decode('utf8')
        except UnicodeEncodeError as e:
            #路徑可能出現已解碼的中文(多是手工處理)，再也不重複解碼
            continue

    filePathNew = '\\'.join(paths)
    print (filePath + ' => ' + filePathNew)
    os.renames(filePath, filePathNew)

什麼？假如目錄名包含部分亂碼部分中文字符？拜託，這種狀況不可能出現。

3.2.7 恢復原始亂碼目錄和文件名

激動人心的時刻來到了！本節將正式處理移動硬盤中的原始亂碼目錄和文件名。基於以上調試結果，最終的亂碼恢復代碼以下：

failedNamesList = []
def RecordFailedNames(name):
    failedNamesList.append(name)

import ctypes
def RecodeNames(dir, file):
    filePath = os.path.join(dir, file)
    #對路徑解碼
    paths = filePath.split('\\')
    for i in range(len(paths)):
        try:
            paths[i] = paths[i].encode('latin_1').decode('utf8')
        except UnicodeEncodeError as e:
            #路徑可能出現已解碼的中文(多是手工處理)，再也不重複解碼
            continue

    filePathNew = '\\'.join(paths)
    print (filePath + ' => ' + filePathNew)
    try:
        os.renames(filePath, filePathNew)
    except WindowsError as e:
        print "[e]WindowsError({0}): {1}".format(e.winerror, ctypes.FormatError(e.winerror))
        RecordFailedNames(filePath)

def WalkDirReport(dirPath, fileNum):
    print '##############' + str(fileNum) + ' files processed##############'
    print 'Failed files(%d):' %(len(failedNamesList))
    for i in range(len(failedNamesList)):
        print '  ' + failedNamesList[i]

某些亂碼文件名過長(多爲.mht文件)，os.renames()時會觸發WindowsError[3]異常，如：
　　　　　　　　　　　　　　　　　　　　
事實上，在資源管理器裏打開這些文件時，會提示"源路徑過長"：
　　　　　　　　　　　　　　　　　　　　
上述代碼可有效地恢復原始亂碼目錄和文件名。當時的運行截圖以下：
　　　　　　　　　　　　　　　　　　　
以及
　　　　　　　　　　　　　　　　　　　
經初步檢驗，改名成功。此時可經過tree命令生成生成目錄樹，與原先保存的文件列表對比。遺憾的是，二者樹狀列表順序不一樣，沒法直接對比。固然，若是夠閒，也能夠編程比照。

四. 後記

本文所述的亂碼恢復實踐實際上是種"摸着石頭過河(trial and error)"的過程。若是當初先研究字符編碼，而不是雙管齊下，應該會避免很多彎路。固然論及性價比，孰優孰劣，亦未可知。 最後，關於Python字符編碼基礎知識，做者將在後續文章中加以說明，同時澄清本文一些謬誤之處。臉皮薄，就不說"敬請期待"了~~