Python 的 glob 模块和 unix 的 find 命令不识别非 ascii

Question

我在 Mac OS X 10.8.2

当我尝试查找文件名中包含非 ASCII 字符的文件时，我没有得到任何结果，尽管我确信它们存在。以控制台输入为例

> find */Bärlauch*

我没有得到任何结果。但是，如果我尝试不使用变音符，我会得到

> find */B*rlauch*
images/Bärlauch1.JPG

所以文件肯定存在。如果我重命名文件，将“ä”替换为“ae”，则会找到该文件。

同样，Python 模块 glob 无法找到文件:

>>> glob.glob('*/B*rlauch*')
['images/Bärlauch1.JPG']
>>> glob.glob('*/Bärlauch*')
[]

我发现它一定与编码有关，但我的终端设置为 utf-8，并且我使用的是使用 unicode 字符串的 Python 3.3.0。

Answer 1

Mac OS X 总是使用非规范化字符作为 HFS+ 上的文件名。使用 unicodedata.normalize('NFD', pattern) 对 glob 模式进行反规范化。

import unicodedata

glob.glob(unicodedata.normalize('NFD', '*/Bärlauch*'))