tar 解压后用西里尔字母解码 cp866 编码的文件名

Question

我有几个文件是通过在 macOS 下使用 gnu tar 取消归档一些 tar 存档获得的。由于使用西里尔字母，这些文件的名称类似于 %8A%AE%AD%E1⠭⨭ - %84%87 %FCML1.ipynb。似乎 %8A 等等是 cp866 代码，但也有一些 unicode 字符（如 ⨭）似乎是某些字节序列的 unicode 表示，这些字节序列意外地是有效的 utf-8 代码.我想将所有内容解码为 unicode/UTF-8 以便能够重命名我的文件。我该怎么做？

Answer 1

这个Python函数可以帮助：

def decode_escaped_cp866(s):
    out = []
    for token in re.finditer(r"%([0-9A-F]{2})|(.)", s):
        if token.group(1) is not None:
            out.append(bytes([int(token.group(1), 16)]))
        elif token.group(2) is not None:
            out.append(token.group(2).encode('utf-8'))
    return b"".join(out).decode('cp866')

print(decode_escaped_cp866("%8A%AE%AD%E1⠭⨭ - %84%87 %FCML1.ipynb"))
# Константин - ДЗ №ML1.ipynb

tar 解压后用西里尔字母解码 cp866 编码的文件名

Decoding cp866-encoded filenames with Cyrillic letters after tar unarchiving

encoding

tar