Git对非ASCII文件名的Octal Escape处理说明

王福强

在Mac上如果将文件命名为中文，当将这个文件git add .之后， 在git st中显示的文件名将类似于如下的形式：

            Wangs-MacBook-Pro:docworks fujohnwang$ git add .
            Wangs-MacBook-Pro:docworks fujohnwang$ git st
            # On branch master
            # Changes to be committed:
            #   (use "git reset HEAD 
       ..." to unstage)
            #
            #   modified:   worksheets/daily_todo.md
            #   new file:   "worksheets/\345\205\263\351\224\256\350\257\215\345\272\223\345\273\272\350\256\276\350\257\264\346\230\216.md"

之前对这种现象一直熟视无睹，今天“良心发现”，就抠了一下， 反正Google了一堆文档，简单总结下来是这样的： git会对Non-ASCII的文件名进行编码(如果本地编码是utf8, 那就用utf8进行编码)， 编码之后，将编码转变为octal escape形式显示，从而，就变成了上面所看到的那个样子。

引用一下别人的说法，或许信息量更大一些: 
            You can git-add files with non-ASCII characters, but you can't sensibly work with
            them as Git stores them as sequences of raw bytes in whatever codepage GetACP()
            returns (cp1251 in your case). This is documented in git-show(1) for instance.

            In general, this means you can only add non-ASCII filenames if you're sure no one
            will ever clone your repo to a machine with different codepage/charset (on a Unix
            box, for instance), as these filenames are recorded in a non-portable way.

            Additional inconvenience is that some command-line Git tools (namely, git-log,
            git-add and git-commit) show bytes above 0x7F in filenames using "octal escapes",
            like this: "\346\356\357\340" (in other words, on displaying, filenames are
            "normalized" to strict ASCII).

            So, to sum this up:
            1) Non-ASCII filenames are handled mostly OK, except for the output (`git-log
            --name-status` shows octal-escaped names for instance).
            2) The repository is non-portable.
关于Octal Escape形式的Literal, Java里的定义是这样的： 
            OctalEscape:
                \ OctalDigit
                \ OctalDigit OctalDigit
                \ ZeroToThree OctalDigit OctalDigit

            OctalDigit: one of
                0 1 2 3 4 5 6 7

            ZeroToThree: one of
                0 1 2 3

简单来讲，就是范围是\0-\377, 换算到十进制是0-255。

不过Octal Escape算是C时代的遗老了，现在都加都倾向于utf8/unicode，比如http://www.marshut.com/munzm/any-interest-in-keeping-octal-escape-literals.html这里的倡议。

如果想在Octal Escape字面量与字符之间互转， 在Java里做可能还会有点儿小坑爹的， 除了要做2层转换(字面量到encoding的值，encoding的值到字符)， 还要注意char在java里的存储，怎么搞？ 感兴趣的话，看官自己去折腾折腾吧～

至于如何修正：

git config --global core.quotepath false

或者直接更改~/.gitconfig:

[core]
                quotepath = false

参考链接

  1. msysgit: Issue 230: Question: How I can add files in national character
  2. http://stackoverflow.com/questions/9543026/why-do-java-octal-escapes-only-go-up-to-255
  3. http://stackoverflow.com/questions/5581857/git-and-the-umlaut-problem-on-mac-os-x
  4. http://stackoverflow.com/questions/4144417/how-to-handle-asian-characters-in-file-names-in-git-on-os-x
>>>>>> 更多阅读 <<<<<<

「为AI疯狂」星球上，扶墙老师正在和朋友们讨论有趣的AI话题，你要不要⼀起来呀？^-^
这里

  1. 不但有及时新鲜的AI资讯和深度探讨
  2. 还分享AI工具、产品方法和商业机会
  3. 更有体系化精品付费内容等着你，加入星球(https://t.zsxq.com/0dI3ZA0sL) 即可免费领取。(加入之后一定记得看置顶消息呀！)

知识星球二维码

存量的时代，省钱就是赚钱。
在增量的时代，省钱其实是亏钱。
避坑儿是省钱的一种形式，更是真正聪明人的选择！
弯路虽然也是路，但还是能少走就少走，背后都是高昂的试错成本。
订阅「福报」，少踩坑，少走弯路，多走一步，就是不一样的胜率！

订阅「福报Premium订阅」