从任何（不安全的）字符串创建（合理/安全）的文件名

Question

我想从一些随机的Unicode字符串中创建一个合理安全的文件名（也就是说，文件名要能看懂，不要有“奇怪”的字符等等）。

我对使用什么编程语言（比如Cocoa、ObjC、Python等）都没什么特别要求。

---

当然，可能有无数个字符是奇怪的。因此，单靠列出一个黑名单，随着时间的推移不断添加更多字符，并不是一个真正的解决办法。

我可以考虑使用白名单。不过，我不太知道该怎么定义这个白名单。[a-zA-Z0-9 .]是一个开始，但我还想接受那些可以正常显示的Unicode字符。

Answer 1

这里提到的内容大致是关于正则表达式的，不过是反过来的意思（替换掉任何未列出的内容）：

>>> import re
>>> filename = u"ad\nbla'{-+\)(ç1?"
>>> re.sub(r'[^\w\d-]','_',filename)
u'ad_bla__-_____1_'

Answer 2

我的要求比较保守（生成的文件名需要在多个操作系统上有效，包括一些古老的手机操作系统）。最后我得到了：

    "".join([c for c in text if re.match(r'\w', c)])

这个代码列出了可以使用的字符，包括字母（a-z，A-Z）和数字（0-9），还有下划线。这个正则表达式可以编译并缓存，以提高效率，特别是当需要匹配很多字符串的时候。不过对我来说，这样做并没有什么显著的区别。

Answer 3

Python:

"".join(c for c in filename if c.isalpha() or c.isdigit() or c==' ').rstrip()

这个代码可以接受Unicode字符，但会去掉换行符等其他东西。

举个例子：

filename = u"ad\nbla'{-+\)(ç?"

结果是：adblaç

编辑 str.isalnum()可以一步判断是否是字母或数字。– 下面是来自queueoverflow的评论。danodonovan提到要保留一个点。

keepcharacters = (' ','.','_')
"".join(c for c in filename if c.isalnum() or c in keepcharacters).rstrip()