エンコーディングの問題により、同じファイル、異なるファイル名？

ソースからバックアップを差分して、データが正しいことを手動で確認しようとしていました。åäöなどの一部の文字は元のデータに正しく表示されませんが、（Sambaを介して）クライアントが正しく解釈するため、心配する必要はありません。バックアップから復元されたデータは、文字を正しく示しているため、diffはそれらを同じファイル（差分ではなく、完全に異なるファイル）とは見なしません。

md5の合計、ファイルは同じだが名前が異なる。

# 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

マウントオプションとファイルシステム

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

ロケール

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

Unixファイルシステムは、ファイル名がバイトで構成されているという意味でロケールに依存しない傾向があり、ASCIIの範囲外にある場合、それらのバイトの意味を決定するのはアプリケーションの仕事です。今日のUNIXの規則は、一部のレガシー環境（主にアジア）を除いて、ファイル名やその他すべてをUTF-8でエンコードすることです。一方、Windowsファイルシステムは、ファイルシステムのプロパティで指定されているエンコーディングを使用する傾向があります。

別のエンコーディングでファイル名を操作する必要がある場合は、convmvfsを使用してそのファイルシステムの翻訳されたビューを作成します。sshを介した別のエンコーディングでのファイル名の操作を参照してください

元のシステムのファイル名は、latin-1でエンコードされているようです。現在のシステムはUTF-8を使用しておりå、latin-1（\345）で表される1バイトのシーケンスは、UTF-8では無効なシーケンスであり、lsとして出力され?ます。バックアッププロセスの結果、ファイル名がUTF-8でエンコードされました。Sambaは、その構成に基づいてファイル名を変換します。

ネイティブエンコーディングで元のファイルにアクセスするには、再コード化されたビューを作成します。

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

（取得する権限と所有権によっては、他のオプションが必要になる場合があります。）

Unix / Linuxでは、ファイル名には'\0'（ASCII NUL）と'/'（スラッシュ、ディレクトリ区切り文字）以外の任意の文字を含めることができます。特に、奇妙なエンコーディングで漢字のファイル名を付けたい場合は、先に進んでください。おそらくls(1)意味不明なon コマンドまたは他のコマンドのみが表示されますが、問題はありません。それは、あなたが見ているものであるpåとしてレンダリングされp?、'?'ここでは「不明/非ASCII文字」のための共通のショートカットです。

を通じて両方のファイル名を実行してみてくださいod -c。つまり、次のようにします。

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

（グロブは無関係な名前を除外し、好みに合わせて調整することです）。

出力が異なる場合のみ、私は心配し始めます。しかし、あなたのスヴェディッシュ語の設定を考えると、正しい名前はだと思いますpå。おそらくもう1つは、以前のセットアップから残ったLatin-4の名前ですか？