包含非 ascii 国际语言字符的文件名

Question

有没有人有过生成文件名包含非 ascii 国际语言字符的文件的经验？

这样做是一件容易的事，还是充满危险？

日语/中文 web 用户是否需要此功能？

文件扩展名也应该是国际语言字符吗？

信息：我们目前在我们的网站上支持多语言，但我们的文件名始终是 ASCII。 我们在 .NET 框架上使用 ASP.NET。 这将用于国际用户可以为那里的文件选择通用格式和名称的情况。

Answer 1

日语/中文 web 用户是否需要此功能？

是的。

这样做是一件容易的事，还是充满危险？

有问题。 If you are serving files directly, or otherwise have the filename in the URL (eg.: http://www.example.com/files/こんにちは.txt -> http://www.example.com/files/%E3 %81%93%E3%82%93%E3%81%AB%E3%81%A1%E3%81%AF.txt)，你一般没问题。

但是，如果您使用脚本生成的文件名提供文件，则可能会遇到问题。 问题在于 header：

Content-Disposition: attachment;filename="こんにちは.txt"

我们如何将这些字符编码到文件名参数中？ 好吧，如果我们可以将其转储到 UTF-8 中，那就太好了。 这将适用于某些浏览器。 但不是 IE，它使用系统代码页来解码来自 HTTP 标头的字符。 在 Windows 上，对于西方用户，系统代码页可能是 cp1252（Latin-1），对于日语用户可能是 cp932（Shift-JIS），或者其他完全不同的东西，但它永远不会是 UTF-8，你无法真正猜到它会发生什么提前发送 header。

乏味的一边：标准说应该发生什么？ 嗯，它不是真的。 HTTP 标准 RFC2616 表示 HTTP 标头中的字节是 ISO-8859-1，这不允许我们使用日语。 它继续说，非拉丁 1 字符可以根据 RFC2047 的规则嵌入到 header 中，但 RFC2047 明确否认其编码词可以放入带引号的字符串中。 Normally in RFC822-family headers you would use RFC2231 rules to embed Unicode characters in a parameter of a Content-Disposition (RFC2183) header, and RFC2616 does defer to RFC2183 for definition of that header. 但是 HTTP 实际上并不是 RFC822 系列协议，它的 header 语法无论如何也不完全兼容 822 系列。 总而言之，标准是一团糟，没有人知道该怎么做，当然也不是浏览器制造商根本不关注它。 见鬼，他们甚至不能正确地得到 'filename="..."' 的 'quoted-string' 格式，更不用说字符编码了。

因此，如果您想动态地提供名称中包含非 ASCII 字符的文件，诀窍是避免发送“文件名”参数，而是将您想要的文件名转储到 URL 的尾部。

文件扩展名也应该是国际语言字符吗？

原则上是的，文件扩展名只是文件名的一部分，可以包含任何字符。

在 Windows 的实践中，我知道没有使用过非 ASCII 文件扩展名的应用程序。

在东亚用户的系统上要注意的最后一件事是：你会发现他们有时会输入奇怪的非 ASCII 版本的拉丁字符。 这些被称为全角和半角 forms，旨在允许亚洲人键入与其表意（汉等）字符使用的方格对齐的拉丁字符。

在自由文本中这一切都很好，但对于您希望解析为拉丁文本或数字的字段，收到意外的“４２”integer 或“.ttｘt”文件扩展名可能会让您大吃一惊。 要将这些“兼容字符”转换为纯拉丁文，请在对它们进行任何操作之前将您的字符串规范化为“Unicode 范式 NFKC”。

Answer 2

请参阅 Wikipedia 上的文件名限制概述。

您将不得不考虑您的文件将传输到哪里，并遵守最严格的规则集。

Answer 3

根据我在日本的经验，文件名通常以日文保存，并带有标准的英文扩展名。 将同样的方法应用于任何其他语言。

您将遇到的唯一问题是，在该字符集不受支持的环境中，人们通常只会看到一大堆带有扩展名的方块。 显然，这对您的目标用户来说不是问题。

Answer 4

我的两分钱：

1. 国际文件名的关键是使 URL 像bobince建议的那样：www.example.com/files/%E3%81%93%E3%82%93%E3.txt

2. 我必须为 IE7 制定特殊的例程，因为如果文件名超过 30 个字符，它会裁剪文件名。 因此，文件将显示为“%d4y long file name.txt”，而不是“Your very long file name.txt”。 然而有趣的是，IE7实际上正确理解了header attachment;filename=%E3%81%93%E3%82%93%E3.txt。

Answer 5

我一直在玩 Unicode 和印度语言有一段时间了。 以下是我对您的问题的看法：

这很简单。 您将需要两件事：在您的操作系统中启用 Unicode (UTF-8/16/32) 支持，以便您可以键入这些字符并获得与 Unicode 兼容的编辑器/工具，以便您的工具理解这些字符。

此外，由于您正在查看本地化的 web 应用程序，因此您必须确保或至少通知您的访问者他/她需要一个使用相关编码的浏览器。

您的文件扩展名不需要是 i18-ned。