Codificação de nome de arquivo estranho

Question

Eu tenho um problema estranho em relação a um nome de arquivo. Resumo da situação é:

[username@xxx tmp]$ ll
-rw-r--r--. 1 xxx xxx 42694  8. Jun 19:56 12287_KKL_Messegerät_EF_30.1.pdf
-rw-r--r--. 1 xxx xxx 42694  8. Jun 19:56 12287_KKL_Messegerät_EF_30.1.pdf

De fato, o nome de arquivo e o conteúdo dos dois arquivos são idênticos. A origem de onde o arquivo é contém alguns arquivos semelhantes. Para reproduzir, aqui um exemplo:

$ mount
/dev/vda1 on / type ext4 (rw,noatime,nodiratime,grpquota)
$ touch ä
$ ll ä
-rw-r--r--. 1 xxx xxx 0  8. Jun 19:59 ä

Então, em geral, os Umlauts funcionam. Agora eu apago os arquivos no diretório e copio o arquivo estranho para o diretório vazio:

[username@xxx tmp]$ rm *
[username@xxx tmp]$ cp /tmp/12287_KKL_Messegerät_EF_30.1.pdf .
[username@xxx tmp]$ ll 12287*
-rw-r--r--. 1 xxx xxx 42694  8. Jun 20:01 12287_KKL_Messegerät_EF_30.1.pdf
[username@xxx tmp]$ ll 12287_KKL_Messegerät_EF_30.1.pdf
ls: Zugriff auf 12287_KKL_Messegerät_EF_30.1.pdf nicht möglich: Datei oder Verzeichnis nicht gefunden

Isso significa que acessar o arquivo diretamente não funciona. Se eu renomeá-lo e voltar, ele funciona:

[username@xxx tmp]$ mv 12287_KKL_Messegerät_EF_30.1.pdf 12287_KKL_Messegerät_EF_30.1.pdf_
[username@xxx tmp]$ mv 12287_KKL_Messegerät_EF_30.1.pdf_ 12287_KKL_Messegerät_EF_30.1.pdf
[username@xxx tmp]$ ll 12287_KKL_Messegerät_EF_30.1.pdf
-rw-r--r--. 1 xxx xxx 42694  8. Jun 20:01 12287_KKL_Messegerät_EF_30.1.pdf
[username@xxx tmp]$

Alguma ideia do que está acontecendo?

- ATUALIZAÇÃO -

Saída de / proc / mounts:

$ cat /proc/mounts
rootfs / rootfs rw 0 0
proc /proc proc rw,relatime,hidepid=2 0 0
sysfs /sys sysfs rw,seclabel,relatime 0 0
devtmpfs /dev devtmpfs rw,seclabel,relatime,size=12292684k,nr_inodes=3073171,mode=755 0 0
devpts /dev/pts devpts rw,seclabel,relatime,gid=5,mode=620,ptmxmode=000 0 0
tmpfs /dev/shm tmpfs rw,seclabel,relatime,size=12302624k,nr_inodes=3075656 0 0
/dev/vda1 / ext4 rw,seclabel,noatime,nodiratime,barrier=1,stripe=128,data=ordered,grpquota 0 0
none /selinux selinuxfs rw,relatime 0 0
devtmpfs /dev devtmpfs rw,seclabel,relatime,size=12292684k,nr_inodes=3073171,mode=755 0 0
/proc/bus/usb /proc/bus/usb usbfs rw,relatime 0 0
tmpfs /var/lib/php-sessions tmpfs rw,rootcontext=system_u:object_r:var_lib_t:s0,seclabel,relatime,size=9784216k,nr_inodes=2446054,mode=1333 0 0
none /proc/sys/fs/binfmt_misc binfmt_misc rw,relatime 0 0
/etc/auto.misc /misc autofs rw,relatime,fd=7,pgrp=6943,timeout=300,minproto=5,maxproto=5,indirect 0 0
-hosts /net autofs rw,relatime,fd=13,pgrp=6943,timeout=300,minproto=5,maxproto=5,indirect 0 0
sunrpc /var/lib/nfs/rpc_pipefs rpc_pipefs rw,relatime 0 0

- ATUALIZAÇÃO -

De fato, os arquivos têm diferentes inodes:

26346402 -rw-r--r--. 1 xxx xxx  42694  8. Jun 19:49 12287_KKL_Messegerät_EF_30.1.pdf
26360081 -rw-r--r--. 1 xxx xxx  42694 30. Mai 2012  12287_KKL_Messegerät_EF_30.1.pdf

    

Answer 1

Com a ajuda de todos os comentários, escrevi um script python para normalizar todos os arquivos de forma recursiva:

#!/usr/bin/env python
# coding=utf-8
import unicodedata
import sys,os

# Walks recursively through directory and normalizes all filenames to NFC

for dirPath, subdirList, fileList in os.walk(sys.argv[1]):
    for fname in fileList:
        d = os.path.join(dirPath, fname)
        filename = unicodedata.normalize('NFC', unicode(d, 'utf-8')).encode('utf-8')
        print d, "=>", filename
        os.rename(d, filename)

Obrigado a todos!