同一文件，由于编码问题，文件名不同？

我正准备从源中比较备份，以手动验证数据是否正确。某些字符（例如åäö）未正确显示在原始数据上，但是由于客户端（通过samba）正确解释了这些字符，因此无需担心。从备份还原的数据正确显示了字符，导致差异不认为它们是相同的文件（具有差异，而是完全不同的文件）。

md5总和，相同文件但名称不同。

# md5sum /original/iStock_000003637083Large-barn*
e37c34968dd145a0e25692e1cb7fbdb1  /original/iStock_000003637083Large-barn p? strand.jpg

# md5sum /frombackup/iStock_000003637083Large-barn*
e37c34968dd145a0e25692e1cb7fbdb1  /frombackup/iStock_000003637083Large-barn på strand.jpg

挂载选项和文件系统

/dev/sdb1 on /original type ext4 (rw,noatime,errors=remount-ro)
/dev/sdc1 on /frombackup type ext4 (rw)

语言环境

LANG=sv_SE.UTF-8
LANGUAGE=
LC_CTYPE="sv_SE.UTF-8"
LC_NUMERIC="sv_SE.UTF-8"
LC_TIME="sv_SE.UTF-8"
LC_COLLATE="sv_SE.UTF-8"
LC_MONETARY="sv_SE.UTF-8"
LC_MESSAGES="sv_SE.UTF-8"
LC_PAPER="sv_SE.UTF-8"
LC_NAME="sv_SE.UTF-8"
LC_ADDRESS="sv_SE.UTF-8"
LC_TELEPHONE="sv_SE.UTF-8"
LC_MEASUREMENT="sv_SE.UTF-8"
LC_IDENTIFICATION="sv_SE.UTF-8"
LC_ALL=

od -c

# ls "/original/iStock_000003637083Large-barn p� strand.jpg" | od -c
0000000   /   v   a   r   /   w   w   w   /   m   e   d   i   a   b   a
0000020   n   k   e   n   _   i   m   a   g   e   s   /   k   u   n   d
0000040   i   d   8   0   /   _   B   a   r   n   /   i   S   t   o   c
0000060   k   _   0   0   0   0   0   3   6   3   7   0   8   3   L   a
0000100   r   g   e   -   b   a   r   n       p 345       s   t   r   a
0000120   n   d   .   j   p   g  \n
0000127


# ls "/frombackup/iStock_000003637083Large-barn på strand.jpg" | od -c
0000000   /   d   a   t   a   /   v   a   r   /   w   w   w   /   m   e
0000020   d   i   a   b   a   n   k   e   n   _   i   m   a   g   e   s
0000040   /   k   u   n   d   i   d   8   0   /   _   B   a   r   n   /
0000060   i   S   t   o   c   k   _   0   0   0   0   0   3   6   3   7
0000100   0   8   3   L   a   r   g   e   -   b   a   r   n       p 303
0000120 245       s   t   r   a   n   d   .   j   p   g  \n
0000135

在文件名由字节组成的意义上，Unix文件系统通常是与语言环境无关的，并且如果这些字节超出ASCII范围，则由应用程序负责确定这些字节的含义。如今，Unix上的约定是对文件名和其他所有内容进行UTF-8编码，除了一些传统环境（大多数是亚洲环境）。另一方面，Windows文件系统倾向于具有在文件系统属性中指定的编码。

如果需要使用其他编码的文件名，请使用convmvfs创建该文件系统的转换视图。查看 通过ssh使用不同编码的文件名

看来您的原始系统具有以latin-1编码的文件名。您当前的系统使用UTF-8，ålatin-1（\345）中表示的一字节序列是UTF-8中的无效序列，其ls输出为?。您的备份过程以某种方式导致文件名以UTF-8编码。Samba根据其配置转换文件名。

要使用本机编码访问原始文件，请进行重新编码的视图：

mkdir /original-recoded
convmvfs -o icharset=LATIN1,ocharset=UTF8 /original /original-recoded
diff -r /original-recoded /frombackup

（您可能需要其他选项，具体取决于要获取的权限和所有权。）

在Unix / Linux中，文件名可以包含除'\0'（ASCII NUL）和'/'（斜杠，目录分隔符）之外的任何字符。特别是，如果您想以某种怪异的编码为汉字赋予文件名，那就继续吧。您可能只会看到乱码ls(1)或其他命令，但不会发生任何不良情况。这就是您所看到的，på呈现为p?，'?'这是“未知/非ASCII字符”的常用快捷方式。

尝试通过运行两个文件名od -c，即执行以下操作：

ls /the/dir/offending/fi* | od -c

（全局名称是过滤掉不相关的名称，调整以适应口味）。

只有输出不同时，我才开始担心。但是考虑到您的Svedish设置，我怀疑正确的名称是på。也许另一个是先前设置中剩余的Latin-4名称？