Untar nomes de arquivos em uma codificação de caracteres diferente da codificação usada no sistema de arquivos

Question

Ocasionalmente, recebo tarballs em que os nomes dos arquivos são codificados em ISO-8859-1 ou em outro esquema pré-Unicode. Meu sistema usa UTF-8, então quando eu descompactar esses arquivos com as opções usuais ( tar xvf foo.tar ) acabo com um diretório cheio de nomes de arquivos mojibake.

Até agora eu tenho usado convmv para converter os nomes de arquivos para UTF-8 depois eles foram extraídos. Isso é um pouco incoveniente, porque eu preciso invocar convmv em cada arquivo afetado, ou então descompactar o arquivo em um novo diretório, executar convmv em todo o diretório e, em seguida, mover os arquivos para onde eu queria originalmente . Falta de codificar esta funcionalidade em um script de shell, existe alguma maneira de converter os nomes de arquivos arquivados para UTF-8 na mosca, como eles estão sendo untarred?

    

Answer 1

Aqui está um pequeno extrator de arquivo tar que modifica os nomes na memória antes de extrair:

#!/usr/bin/python27

import tarfile

def transform(data):
    u = data.decode('latin1')
    return u.encode('utf8')

tar = tarfile.open('archive.tar')
for m in tar.getmembers():
    m.name = transform(m.name)

tar.extractall()

Aviso: ao contrário do GNU tar , esse extrator não está excluindo / . Adicione lógica de verificação a este extrator ou verifique cada arquivo tar antes de extrair com tar -t .