Linux下如何获取含Unicode字符的正确NTFS文件名？

核心原因 #

NTFS文件系统本身以UTF-16LE格式存储文件名，但如果挂载时未指定正确的字符集（比如误设为GBK/CP936，而系统默认用UTF-8解析），就会导致文件名显示乱码。你通过os.listdir(b'.')获取的字节串，其实是挂载时被错误转换后的GBK编码字节，而非NTFS原始的UTF-16LE数据。

正确处理步骤 #

针对你的示例，只需将获取到的字节串用**GBK（或CP936）**解码即可得到正确文件名：

import os

# 以字节模式读取目录，避免系统自动错误解码
raw_filenames = os.listdir(b'.')
for filename_bytes in raw_filenames:
    try:
        # 用GBK解码得到正确的Unicode文件名
        correct_name = filename_bytes.decode('gbk')
        print(f"原始字节: {filename_bytes} -> 正确名称: {correct_name}")
    except UnicodeDecodeError:
        # 处理非GBK编码的文件名（如果有的话）
        print(f"无法解码文件名: {filename_bytes}")

针对你的测试用例，执行后会输出：

原始字节: b'\xd0\xc2\xbd\xa8\xce\xc4\xbc\xfe\xbc\xd0' -> 正确名称: 新建文件夹

补充说明 #

1. 如果上述方法无效，可尝试其他常见中文编码（如cp1252、gb2312），但GBK/CP936是NTFS在中文环境下最常见的错误转换编码。
2. 若能临时修改挂载选项，建议挂载时指定iocharset=utf8（如mount -t ntfs-3g /dev/sdXn /mnt/ntfs -o iocharset=utf8），从根源解决乱码问题，但你无法修改挂载选项时，上述Python方法是可行的替代方案。

内容的提问来源于stack exchange，提问作者Qin Heyang