Python重命名文件遇UnicodeEncodeError：无法编码代理字符\udca9

你碰到的是孤立Unicode代理字符引发的问题——错误里的\udca9属于代理对的一部分，但它单独出现时并不是有效的Unicode字符，所以在尝试编码成UTF-8（比如打印或者处理路径时）就会触发surrogates not allowed错误。你的现有逻辑能处理大部分变音符号，但对这种无效的代理字符无能为力，下面是具体的修复方案：

1. 先清理无效代理字符 #

首先写一个辅助函数，把文件名里的代理字符（范围是U+D800到U+DFFF）移除或者替换掉，这里用正则匹配的方式最直接：

import re

def remove_surrogates(s):
    # 匹配所有代理字符并移除，也可以改成替换成'?'之类的占位符，方便定位问题
    return re.sub(r'[\ud800-\udfff]', '', s)

2. 修改字符串转换逻辑 #

把清理代理字符的步骤加到你的convertString函数最前面，确保后续处理的是干净的字符串：

def convertString(s):
    # 第一步：先清理无效代理字符
    s_clean = remove_surrogates(s)
    # 第二步：正常处理变音符号转ASCII
    return unicodedata.normalize('NFKD', s_clean).encode('ASCII', 'ignore').decode('utf-8')

3. 修复打印时的编码问题 #

从错误栈里看到你在renameFile里有print(old)操作，直接打印原始路径字符串可能也会触发编码错误，建议用repr()来打印原始字符串的表示：

def renameFile(old, new):
    # 用repr避免打印时的编码错误，能看到原始字符的真实样子
    print(f"Renaming: {repr(old)} → {repr(new)}")
    os.rename(old, new)

完整修改后的代码 #

#!/usr/bin/env python3
import os
import unicodedata
import re

def remove_surrogates(s):
    return re.sub(r'[\ud800-\udfff]', '', s)

def convertString(s):
    s_clean = remove_surrogates(s)
    return unicodedata.normalize('NFKD', s_clean).encode('ASCII', 'ignore').decode('utf-8')

def renameFile(old, new):
    print(f"Renaming: {repr(old)} → {repr(new)}")
    os.rename(old, new)

dir_path = '/media/alpha/directory/docs/'  # 建议不要用dir做变量名，它是Python内置函数
for root, dirs, files in os.walk(dir_path):
    for d in dirs:
        normal = convertString(d)
        if normal != d:
            renameFile(os.path.join(root, d), os.path.join(root, normal))
    for file in files:
        normal = convertString(file)
        if normal != file:
            renameFile(os.path.join(root, file), os.path.join(root, normal))

额外注意点 #

• 我把变量名dir改成了dir_path，因为dir是Python的内置函数，用它做变量名可能引发意外问题。
• 如果想保留代理字符的位置（比如替换成?而不是直接删除），可以把re.sub的第二个参数改成'?'，这样你能清楚看到哪些位置原本有无效字符。
• 如果你处理的目录层级较深，重命名目录后可能会导致os.walk的后续遍历出现问题，这种情况下可以考虑先处理所有文件，再处理目录，或者遍历两次目录。

内容的提问来源于stack exchange，提问作者midnig