【问题标题】：Detecting invalid (Windows) filenames检测无效 (Windows) 文件名
【发布时间】：2021-09-14 14:52:32
【问题描述】：

我们有供 Windows 和 Mac 客户端使用的 SMB 共享。我们想将一些数据移动到 Sharepoint，但需要根据 Windows 中不允许的字符验证文件名。尽管 Windows 用户无论如何都无法创建包含非法字符的文件，但 Mac 用户仍然可以创建包含 Windows 中非法字符的文件。

问题在于，对于名称中包含非法字符的文件，Windows/Powershell 会将这些字符替换为私有地址 unicode 代码点。这些因输入字符而异。

$testfolder = "\\server\test\test*dir"   # created from a Mac
$item = get-item -path $testfolder
$item.Name                               # testdir
$char = $($item.Name)[4]                 # 
$bytes = [System.Text.Encoding]::BigEndianUnicode.GetBytes($char) # 240:33
$unicode = [System.BitConverter]::toString($bytes)                # F0-21

对于名称为 pipe| 的文件，上面的代码会产生输出 F0-27，因此它不仅仅是一个通用的“无效”字符。

当我实际上无法获取值时，如何检查文件名中的无效值？？

【问题讨论】：

文件应该可以通过在 MacOS 上运行 PowerShell 来识别。 github.com/PowerShell/PowerShell
没错，这绝对是一个可行的解决方案。但是我很固执，想找到一个解决方案，不需要我为了运行脚本而切换平台。感谢您指出这一点！

标签： windows powershell filesystems

【解决方案1】：

正如经常发生的那样，在尝试尽可能准确地提出我的问题时，我找到了一个解决方案。对于如何更优雅地解决这个问题，我仍然很喜欢任何其他答案，但由于我没有找到任何其他资源与此信息，我在这里提供我的解决方案，希望它可以帮助其他人解决同样的问题。

无效字符映射到特定代码点

注意：我是从我所做的观察中推断出所有这些。我很高兴有人发表评论或提供更完整或更正确的替代答案。

有一组字符对 Windows 文件名无效，但这是操作系统的限制，而不是文件系统的限制。这意味着可以在 SMB 共享上设置在另一个操作系统（例如 MacOS）上有效但在 Windows 上无效的文件名。当 Windows 遇到这样的文件时，无效字符会被一组代理 unicode 代码点遮蔽，这允许 Windows 与文件交互而无需重命名它们。这些代码点位于覆盖0xE000-0xF8FF 的unicode Private Use Area。由于这些代码点未映射到可打印字符，Powershell 将它们全部显示为 ▯ (U+25AF)。在我的特定用例中，我需要报告文件名中存在哪些无效字符，因此这个通用字符消息没有帮助。

通过实验，我能够确定每个可打印受限字符的代理代码点。我已将它们包含在下面以供参考（注意：关于此的 YMMV，我尚未在多个系统上对其进行测试，但我怀疑它在版本之间是一致的）。

Character	Unicode
"	0xF020
*	0xF021
/	0xF022
<	0xF023
>	0xF024
?	0xF025
\	0xF026
\|	0xF027
(trailing space)	0xF028

: 不允许在我可以轻松访问的任何系统上的文件名中使用，因此我无法测试那个。

在 Powershell 中测试名称

既然我们知道了这一点，那么在 powershell 中解决这个问题就很简单了。我创建了一个哈希表，其中所有代理 unicode 点作为键，“真实”字符作为值，然后我们可以将其用作查找表。在测试名称之前，我选择替换文件名字符串中的字符。这使得调试更容易。

#Set up regex for invalid characters
$invalid = [Regex]::new('^\s|[\"\*\:<>?\/\\\|]|\s$') 

#Create lookup table for unicode values
$charmap = @{
    [char]0xF020 = '"'
    [char]0xF021 = '*'
    [char]0xF022 = '/'
    [char]0xF023 = '<'
    [char]0xF024 = '>'
    [char]0xF025 = '?'
    [char]0xF026 = '\'
    [char]0xF027 = '|'
    [char]0xF028 = ' '
} 

Get-ChildItem -Path "\\path\to\folder" -Recurse | Foreach-Object {
    # Get the filename 
    $fixedname = split-path -path $_.FullName -leaf

    #Iterate through the hashtable and replace all the proxy characters with printable versions
    foreach($key in $charmap.getEnumerator()){
         $fixedname = $fixedname.Replace($key.Name,$key.Value)
    }
     #Build a list of invalid characters to include in report (not shown here)
     $invalidmatches = $invalid.Matches($fixedname)
     if ($invalidmatches.count -gt 0) {
         $invalidchars = $($invalidmatches | foreach-object {
           if ($_.value -eq ' '){"Leading or trailing space"} else {$_.value}}) -join ", "
     }
}

扩展解决方案

理论上，您还可以扩展它以涵盖其他禁止的字符，例如 ASCII 控制字符。由于这些代理 unicode 点位于 PUA 中，并且没有关于如何处理的文档（据我所知），因此发现这些关联取决于实验。我很乐意在这里停下来，因为我已经遍历了 MacOS 系统上的用户可以轻松放入文件名的所有字符。

【讨论】：