NTFS文件名Unicode私有使用字符映射规则及跨平台适配问询

问题背景 #

Windows会使用Unicode私有区域（U+F000至U+F0FF）的字符，编码那些在Linux文件名中合法但Windows不允许的字符。这类文件通常来自Windows Subsystem for Linux（WSL），或是通过跨系统复制操作产生（比如从MacOSX使用过的FAT32磁盘复制文件）。当需要同时从WSL和Windows（例如通过Python）访问这些文件时，必须明确字符的映射关系，但目前未找到权威的映射表。

已验证的WSL→Windows映射 #

通过WSL实验，得到以下确定的字符映射关系：

< → U+F03C
> → U+F03E
: → U+F03A
" → U+F022
\ → U+F05C
| → U+F07C
? → U+F03F
* → U+F02A

基于上下文猜测的映射 #

在Windows文件中发现更多该区间内的码点，目前只能通过上下文推测其映射关系：

U+F009 → 制表符（tab）
U+F00A → 换行符（linefeed）
U+F00D → 回车符（carriage return）
U+F020 → 双引号（double quote）
U+F021 → 竖线（vertical line）
U+F022 → 冒号或斜杠（colon or solidus）
U+F023 → 小于号（less than sign）
U+F024 → 大于号（greater than sign）
U+F025 → 问号（question mark）
U+F026 → 反斜杠（reverse solidus）
U+F027 → 竖线（vertical line）
U+F028 → 文件名末尾的空格（space [at end of filename]）
U+F029 → 文件名末尾的句点（full stop [at end of filename]）

现有Python处理代码 #

计划明确映射规则后，将这些字符映射成全角等价字符以适配各文件系统，目前已编写的代码如下：

import sys

map_dict = {
    0xf009:'\uff3ct', # tab
    0xf00a:'\uff3cn', # linefeed
    0xf00d:'\uff3cr', # carriage return
    0xf020:'\uff02', # double quote
    0xf021:'\uff5c', # vertical line
    0xf022:'\uff1a', # colon or solidus
    0xf023:'\uff1c', # less than sign
    0xf024:'\uff1e', # more than sign
    0xf025:'\uff1f', # question mark
    0xf026:'\uff3c', # reverse solidus
    0xf027:'\uff5c', # vertical line
    0xf028:' ', # this seems to be at the end of the filename
    0xf029:'.', # this seems to be at the end of the filename
    0xf03a:'\uff1a', # colon
    0xf03f:'\uff1f', # question mark
    0xf8ff:'Apple\u2122', # Apple trade mark
}

def map_filename(input_name, map_dict):
    output_name = ""
    mapped = False
    for c in str(input_name):
        code_point = ord(c)
        if code_point in map_dict:
            output_name += map_dict[code_point]
            mapped = True
        else:
            if ((code_point >= 0xe000 and code_point <= 0xf8ff)
            or (code_point >= 0xf0000 and code_point <= 0xfffff)
            or (code_point >= 0x100000 and code_point <= 0x10ffff)):
                print('Error "%s" contains unmapped private use character %04x' % (input_name, code_point))
                sys.exit(1)
            output_name += c
    return (output_name, mapped)

注：上述代码基于猜测编写，存在大量缺陷。

需求 #

寻求以下信息：

• WSL的全量字符映射规则
• MacOS/Linux在FAT32等场景下的非Windows字符编码规则

内容的提问来源于stack exchange，提问作者Bill Sellers