NTFS 文件名中的 Unicode 专用字符

Question

Windows 使用 Unicode 私有使用区域 0xf000 到 0xf0ff 中的字符作为对 Linux 文件名中合法但 Windows 中不合法的字符进行编码的方式。这些可以来自适用于 Linux 的 Windows 子系统，或者如果您在不同操作系统上使用网络工具和/或外部磁盘（例如，与 MacOSX 一起使用的 FAT32 磁盘），则可以从各种来源复制/创建文件。当您想要从 WSL 和 Windows（例如使用 python）访问这些文件时，问题是您需要知道映射是什么，但我找不到明确的表。 WSL 的一些实验表明，从 WSL 到 Windows 的映射如下：

< U+f03c
> U+f03e
: U+f03a
" U+f022
\ U+f05c
| U+f07c
? U+f03f
* U+f02a

但是通过窥探我的 Windows 文件发现了这个范围内的更多代码点，但我无法找出它们映射到的内容。到目前为止我最好的猜测（基于上下文）是

U+f009 - tab
U+f00a - linefeed
U+f00d - carriage return
U+f020 - double quote
U+f021 - vertical line
U+f022 - colon or solidus
U+f023 - less than sign
U+f024 - greater than sign
U+f025 - question mark
U+f026 - reverse solidus
U+f027 - vertical line
U+f028 - space [at end of filename]
U+f029 - full stop [at end of filename]

我的猜测是，在 Microsoft 文档的深处有一个映射列表（或者至少是推荐的映射）。或者也许随着时间的推移，制作跨平台工具的不同人已经提出了自己的映射。我希望有人能给我指出这些信息的一些来源。

一旦我更好地了解了应该使用什么映射，我的计划就是编写一个统一所有这些的 python 程序（或者至少识别文件，以便我可以弄清楚要做什么）。我可能会重命名所有文件，以便这些字符都映射到它们的全角等效字符，因为这在我的所有文件系统上都是可识别的（但很难看）。到目前为止我的代码是这样的：

map_dict = {
    0xf009:'\uff3ct', # tab
    0xf00a:'\uff3cn', # linefeed
    0xf00d:'\uff3cr', # carriage return
    0xf020:'\uff02', # double quote
    0xf021:'\uff5c', # vertical line
    0xf022:'\uff1a', # colon or solidus
    0xf023:'\uff1c', # less than sign
    0xf024:'\uff1e', # more than sign
    0xf025:'\uff1f', # question mark
    0xf026:'\uff3c', # reverse solidus
    0xf027:'\uff5c', # vertical line
    0xf028:' ', # this seems to be at the end of the filename
    0xf029:'.', # this seems to be at the end of the filename
    0xf03a:'\uff1a', # colon
    0xf03f:'\uff1f', # question mark
    0xf8ff:'Apple\u2122', # Apple trade mark
    }

def map_filename(input_name, map_dict):
    output_name = ""
    mapped = False
    for c in str(input_name):
        code_point = ord(c)
        if code_point in map_dict:
            output_name += map_dict[code_point]
            mapped = True
        else:
            if ((code_point >= 0xe000 and code_point <= 0xf8ff)
            or (code_point >= 0xf0000 and code_point <= 0xfffff)
            or (code_point >= 0x100000 and code_point <= 0x10ffff)):
                print('Error "%s" contains unmapped private use character %04x' % (input_name, code_point))
                sys.exit(1)
            output_name += c
    return (output_name, mapped)

然而，这完全是猜测，并且存在很多漏洞。必须有 WSL 如何映射所有不寻常字符的列表，以及 MacOS 或 Linux 如何在 FAT32 磁盘和其他地方编码其非 Windows 字符的列表。

Answer 1

不是明确的答案，而是猜测：它似乎是 U+F000 加上 ASCII 等效值。因此，查找在 NTFS 中无效的每个 ASCII 字符，然后将 U+F000 添加到其中，然后中提琴！你的一些猜测不符合这个计划，但大多数都符合。