操作系统 x 文件名中的不同 utf8 编码

Question

我有一个小 shellscript

.x

$ cat .x
u="Böhmáí"
touch "$u"
ls > .list
echo "$u" >.text

cat .list .text
diff .list .text
od -bc .list
od -bc .text

当我运行此脚本时

sh -x .x

（-x 仅用于显示命令）

$ sh -x .x
+ u=Böhmáí
+ touch Böhmáí
+ ls
+ echo Böhmáí
+ cat .list .text
Böhmáí
Böhmáí
+ diff .list .text
1c1
< Böhmáí
---
> Böhmáí
+ od -bc .list
0000000   102 157 314 210 150 155 141 314 201 151 314 201 012            
           B   o   ̈    **   h   m   a   ́    **   i   ́    **  \n            
0000015
+ od -bc .text
0000000   102 303 266 150 155 303 241 303 255 012                        
           B   ö  **   h   m   á  **   í  **  \n                        
0000012

相同的字符串

Böhmáí

已编码为文件名中的不同字节与文件内容。在终端（utf8 编码）中，两个变体中的字符串

looks same

。

兔子在哪里？

Answer 1

（这大部分是从我之前的答案中偷来的...）

Unicode 允许以几种不同的方式表示某些重音字符：作为表示重音字符的“代码点”，或作为表示字符的非重音版本的一系列代码点，后跟重音符号。例如，“ä”可以表示为预组合为 U+00E4（UTF-8 0xc3a4，带有分音符的拉丁小写字母 a），也可以分解为 U+0061 U+0308（UTF-8 0x61cc88，带有分音符的拉丁小写字母 a +） ).

OS X 的 HFS+ 文件系统要求所有文件名都以其“完全分解形式”的 UTF-8 表示形式存储。在 HFS+ 文件名中，“ä”必须编码为 0x61cc88，“ö”必须编码为 0x6fcc88。

因此，这里发生的情况是，您的 shell 脚本包含预组合形式的“Böhmáí”，因此它以这种方式存储在变量 a

中，并以这种方式存储在 .text 文件中。 但是，当您创建具有该名称的文件（带有

touch

）时，文件系统会将其转换为实际文件名的分解形式。  当你

ls

它时，它会显示文件系统的形式：分解的形式。