NTFS文件系统中文件名是用什么编码的？会不会Windows和三方Linux写入文件名时GBK和UTF-8编码并存？这样文件列表显示出来不是部分乱码了？

[ooolinux]

NTFS文件系统中文件名是用什么编码的？会不会Windows和三方Linux写入文件名时GBK和UTF-8编码并存？这样文件列表显示出来不是部分乱码了？

[ooolinux]

引用 3 楼 早打大打打核战争 的回复:

linux/unix内核使用4字节字符编码（但是API层使用UTF-8），不过是UTF-32还是UCS-4不确定，这两者只有有效范围的区别，UTF-32使用32位的低21位，UCS-4使用32位的低31位
挂接文件系统，肯定要按照文件系统的存储编码访问，否则就读写错了，一般都是通过NFS协议访问非本机支持的文件系统

使用21位就是2M（2百万）的编码位置，31位是2G（20亿），为什么差那么多，世界上有那么多字符吗？

引用 4 楼 早打大打打核战争 的回复:

似乎linux在文件系统级不支持字符编码，文件名/目录名直接存储为字节序列，如何显示取决于当前系统的配置，这个设计有点吓人

显示时是字节系列转UTF-8或者转GBK？这样做有什么好处和问题？

[日立奔腾浪潮微软松下联想]

NT内核和NTFS文件系统都使用UTF-16字符编码（早期的NT使用UCS-2编码），包括FAT32文件系统的长文件名也使用UTF-16编码（但是短文件名使用ANSI编码存储）

[ooolinux]

引用 1 楼 早打大打打核战争 的回复:

NT内核和NTFS文件系统都使用UTF-16字符编码（早期的NT使用UCS-2编码），包括FAT32文件系统的长文件名也使用UTF-16编码（但是短文件名使用ANSI编码存储）

Linux和EXT4文件系统是UTF-32编码吗？在Linux下访问NTFS分区是使用UTF-16还是UTF-32？

[日立奔腾浪潮微软松下联想]

linux/unix内核使用4字节字符编码（但是API层使用UTF-8），不过是UTF-32还是UCS-4不确定，这两者只有有效范围的区别，UTF-32使用32位的低21位，UCS-4使用32位的低31位
挂接文件系统，肯定要按照文件系统的存储编码访问，否则就读写错了，一般都是通过NFS协议访问非本机支持的文件系统

[日立奔腾浪潮微软松下联想]

似乎linux在文件系统级不支持字符编码，文件名/目录名直接存储为字节序列，如何显示取决于当前系统的配置，这个设计有点吓人

[日立奔腾浪潮微软松下联想]

是的，linux的locale相当于windows的code page，localectl set-locale LANG=zh_CN.UTF-8 相当于 windows的 chcp 936，实际上原始字符还是多字节字符编码

[ooolinux]

引用 10 楼 早打大打打核战争 的回复:

是的，linux的locale相当于windows的code page，localectl set-locale LANG=zh_CN.UTF-8 相当于 windows的 chcp 936，实际上原始字符还是多字节字符编码

如果中国的硬盘Linux系统是zh_CN.UTF-8，美国的Linux系统是EN，都是UTF-8，那挂接硬盘中文文件名显示正常吗？

[日立奔腾浪潮微软松下联想]

引用 5 楼 ooolinux 的回复:

[quote=引用 3 楼 早打大打打核战争 的回复:]linux/unix内核使用4字节字符编码（但是API层使用UTF-8），不过是UTF-32还是UCS-4不确定，这两者只有有效范围的区别，UTF-32使用32位的低21位，UCS-4使用32位的低31位
挂接文件系统，肯定要按照文件系统的存储编码访问，否则就读写错了，一般都是通过NFS协议访问非本机支持的文件系统

使用21位就是2M（2百万）的编码位置，31位是2G（20亿），为什么差那么多，世界上有那么多字符吗？
[/quote]

肯定没那么多，目前最新的unicode 12.1只定义了 137929个字符，不过unicode作为统一字符集，其雄心壮志是囊括人类有史以来创造的所有文字和符号（比如甲骨文、楔形文字、玛雅文字等等），所以编码空间必须足够大，16位不够大，24位又不便于计算机访问，所以只能用32位了

[日立奔腾浪潮微软松下联想]

引用 5 楼 ooolinux 的回复:

[quote=引用 4 楼 早打大打打核战争 的回复:]似乎linux在文件系统级不支持字符编码，文件名/目录名直接存储为字节序列，如何显示取决于当前系统的配置，这个设计有点吓人

显示时是字节系列转UTF-8或者转GBK？这样做有什么好处和问题？[/quote]

没有好处，改变区域设置后，磁盘上存储的文件名编码并不会改变，在新的区域设置下显示老的文件名就可能乱码。这应该是早期设计遗留下来的问题，不过如果区域设置一直使用unicode就不会有问题，麻烦的是如果挂接一块linux分区的硬盘，你并知道它原来系统的区域设置。

[ooolinux]

引用 6 楼 早打大打打核战争 的回复:

[quote=引用 5 楼 ooolinux 的回复:][quote=引用 3 楼 早打大打打核战争 的回复:]linux/unix内核使用4字节字符编码（但是API层使用UTF-8），不过是UTF-32还是UCS-4不确定，这两者只有有效范围的区别，UTF-32使用32位的低21位，UCS-4使用32位的低31位
挂接文件系统，肯定要按照文件系统的存储编码访问，否则就读写错了，一般都是通过NFS协议访问非本机支持的文件系统

使用21位就是2M（2百万）的编码位置，31位是2G（20亿），为什么差那么多，世界上有那么多字符吗？
[/quote]

肯定没那么多，目前最新的unicode 12.1只定义了 137929个字符，不过unicode作为统一字符集，其雄心壮志是囊括人类有史以来创造的所有文字和符号（比如甲骨文、楔形文字、玛雅文字等等），所以编码空间必须足够大，16位不够大，24位又不便于计算机访问，所以只能用32位了
[/quote]
康熙也想不到康熙字典能搬上电脑了。

[ooolinux]

引用 7 楼 早打大打打核战争 的回复:

[quote=引用 5 楼 ooolinux 的回复:]
[quote=引用 4 楼 早打大打打核战争 的回复:]似乎linux在文件系统级不支持字符编码，文件名/目录名直接存储为字节序列，如何显示取决于当前系统的配置，这个设计有点吓人

显示时是字节系列转UTF-8或者转GBK？这样做有什么好处和问题？[/quote]

没有好处，改变区域设置后，磁盘上存储的文件名编码并不会改变，在新的区域设置下显示老的文件名就可能乱码。这应该是早期设计遗留下来的问题，不过如果区域设置一直使用unicode就不会有问题，麻烦的是如果挂接一块linux分区的硬盘，你并知道它原来系统的区域设置。
[/quote]
比如一个来自中国的Linux分区硬盘，带到美国挂接Linux系统，如果区域设置和那块硬盘原Linux系统区域设置不同，那块硬盘文件名就可能显示乱码了？

[ooolinux]

引用 12 楼 早打大打打核战争的回复:

[quote=引用 11 楼 ooolinux 的回复:][quote=引用 10 楼 早打大打打核战争 的回复:]是的，linux的locale相当于windows的code page，localectl set-locale LANG=zh_CN.UTF-8 相当于 windows的 chcp 936，实际上原始字符还是多字节字符编码

如果中国的硬盘Linux系统是zh_CN.UTF-8，美国的Linux系统是EN，都是UTF-8，那挂接硬盘中文文件名显示正常吗？[/quote]

都是unicode不会乱码（系统需要有unicode字库），但是unicode映射为非unicode locale，或者非unicode映射到unicode locale，或者非unicode locale映射到其他locale，则可能显示乱码
[/quote] 明白了，中国用户Linux的locale可能设置为zh_CN.GB18030之类，硬盘拿到美国Linux系统大概率文件名显示乱码了。

[ooolinux]

引用 12 楼 早打大打打核战争的回复:

[quote=引用 11 楼 ooolinux 的回复:][quote=引用 10 楼 早打大打打核战争 的回复:]是的，linux的locale相当于windows的code page，localectl set-locale LANG=zh_CN.UTF-8 相当于 windows的 chcp 936，实际上原始字符还是多字节字符编码

如果中国的硬盘Linux系统是zh_CN.UTF-8，美国的Linux系统是EN，都是UTF-8，那挂接硬盘中文文件名显示正常吗？[/quote]

都是unicode不会乱码（系统需要有unicode字库），但是unicode映射为非unicode locale，或者非unicode映射到unicode locale，或者非unicode locale映射到其他locale，则可能显示乱码
[/quote] 如果用户的locale先是UTF-8，后来改为GB18030之类，那硬盘文件名编码转字节不是两种都有了？以后肯定部分乱码？

[日立奔腾浪潮微软松下联想]

引用 14 楼 ooolinux 的回复:

如果用户的locale先是UTF-8，后来改为GB18030之类，那硬盘文件名编码转字节不是两种都有了？以后肯定部分乱码？

是的，因为linux的文件系统没有记录使用的字符编码，如果切换locale是一个大问题

[ooolinux]

引用 15 楼 早打大打打核战争的回复:

[quote=引用 14 楼 ooolinux 的回复:]
如果用户的locale先是UTF-8，后来改为GB18030之类，那硬盘文件名编码转字节不是两种都有了？以后肯定部分乱码？

是的，因为linux的文件系统没有记录使用的字符编码，如果切换locale是一个大问题
[/quote] 如果切换locale自己旧文件的文件名显示乱码，好像没道理。最好是不管什么locale，都转成unicode写入文件分配表。

[日立奔腾浪潮微软松下联想]

引用 11 楼 ooolinux 的回复:

[quote=引用 10 楼 早打大打打核战争 的回复:]是的，linux的locale相当于windows的code page，localectl set-locale LANG=zh_CN.UTF-8 相当于 windows的 chcp 936，实际上原始字符还是多字节字符编码

如果中国的硬盘Linux系统是zh_CN.UTF-8，美国的Linux系统是EN，都是UTF-8，那挂接硬盘中文文件名显示正常吗？[/quote]

都是unicode不会乱码（系统需要有unicode字库），但是unicode映射为非unicode locale，或者非unicode映射到unicode locale，或者非unicode locale映射到其他locale，则可能显示乱码