¿Cómo eliminar caracteres no válidos de los nombres de archivo?

Tengo archivos con caracteres no válidos como estos

009_-_�%86ndringshåndtering.html

Es un lugar Ædonde algo salió mal en el nombre del archivo.

¿Hay alguna manera de eliminar todos los caracteres no válidos?

o podría trser usado de alguna manera?

echo "009_-_�%86ndringshåndtering.html" | tr ???

Una forma sería con sed:

mv 'file' $(echo 'file' | sed -e 's/[^A-Za-z0-9._-]/_/g')

Reemplace filecon su nombre de archivo, por supuesto. Esto reemplazará cualquier cosa que no sea una letra, número, punto, guión bajo o guión con un guión bajo. Puede agregar o eliminar caracteres para mantenerlos como desee y / o cambiar el carácter de reemplazo a cualquier otra cosa, o nada en absoluto.

Supongo que está en la caja de Linux y los archivos se hicieron en una caja de Windows. Linux usa UTF-8 como codificación de caracteres para los nombres de archivo, mientras que Windows usa algo más. Creo que esta es la causa del problema.

Yo usaría "convmv". Esta es una herramienta que puede convertir nombres de archivos de una codificación de caracteres a otra. Para Europa occidental, uno de estos normalmente funciona:

convmv -r -f windows-1252 -t UTF-8 .
convmv -r -f ISO-8859-1 -t UTF-8 .
convmv -r -f cp-850 -t UTF-8 .

Si necesita instalarlo en un Linux basado en Debian, puede hacerlo ejecutando:

sudo apt-get install convmv

Siempre funciona para mí y recupera el nombre de archivo original.

Fuente: LeaseWebLabs

¿Supongo que quiere decir que quiere atravesar el sistema de archivos y corregir todos esos archivos?

Así es como lo haría

find /path/to/files -type f -print0 | \
perl -n0e '$new = $_; if($new =~ s/[^[:ascii:]]/_/g) {
  print("Renaming $_ to $new\n"); rename($_, $new);
}'

Eso buscaría todos los archivos con caracteres no ASCII y reemplazaría esos caracteres con guiones bajos ( _). Sin embargo, tenga cuidado, si ya existe un archivo con el nuevo nombre, lo sobrescribirá. El script se puede modificar para verificar un caso así, pero no lo puse para que sea simple.

Las siguientes respuestas en https://stackoverflow.com/questions/2124010/grep-regex-to-match-non-ascii-characters , pueden usar:

rename 's/[^\x00-\x7F]//g' *

donde *coincide con los archivos que desea renombrar. Si desea hacerlo en varios directorios, puede hacer algo como:

find . -exec rename 's/[^\x00-\x7F]//g' "{}" \;

Puede usar el argumento -n renamepara hacer una ejecución en seco y ver qué cambiaría, sin cambiarlo.

Tenía algunos archivos japoneses con nombres de archivo rotos recuperados de un dispositivo USB roto y las soluciones anteriores no funcionaron para mí.

Recomiendo el paquete de desintoxicación:

La utilidad de desintoxicación cambia el nombre de los archivos para que sea más fácil trabajar con ellos. Elimina espacios y otras molestias. También traducirá o limpiará caracteres Latin-1 (ISO 8859-1) codificados en ASCII de 8 bits, caracteres Unicode codificados en UTF-8 y caracteres escapados CGI.

Ejemplo de uso:

detox -r -v /path/to/your/files

-r Recurrir a subdirectorios
-v Sea detallado acerca de qué archivos se renombran 
-n Se puede usar para una ejecución en seco (solo muestra lo que se cambiaría)

Este script de shell desinfecta un directorio de forma recursiva, para hacer que los archivos sean portátiles entre Linux / Windows y FAT / NTFS / exFAT. Elimina los caracteres de control /:*?"<>\|y algunos nombres reservados de Windows como COM0.

sanitize() {
  shopt -s extglob;

  filename=$(basename "$1")
  directory=$(dirname "$1")

  filename_clean=$(echo "$filename" | sed -e 's/[\\/:\*\?"<>\|\x01-\x1F\x7F]//g' -e 's/^\(nul\|prn\|con\|lpt[0-9]\|com[0-9]\|aux\)\(\.\|$\)//i' -e 's/^\.*$//' -e 's/^$/NONAME/')

  if (test "$filename" != "$filename_clean")
  then
    mv -v "$1" "$directory/$filename_clean"
  fi
}

export -f sanitize

sanitize_dir() {
  find "$1" -depth -exec bash -c 'sanitize "$0"' {} \;
}

sanitize_dir '/path/to/somewhere'

Linux es menos restrictivo en teoría ( /y \0está estrictamente prohibido en los nombres de archivo), pero en la práctica varios caracteres interfieren con los comandos bash (como *...), por lo que también deben evitarse en los nombres de archivo.

Grandes fuentes para restricciones de nombres de archivos:

• MSDN: nombres de archivos
• Wikipedia: Comparación de limitaciones de nombre de archivo

Si desea manejar líneas nuevas incrustadas, caracteres multibyte, espacios, guiones iniciales, barras invertidas y espacios, necesitará algo más robusto, vea esta respuesta:
https://superuser.com/a/858671/365691

Pongo el script en code.google.com si alguien está interesado: rnf-bash-rename-script

Utilizo esta línea para eliminar caracteres no válidos en los archivos de subtítulos:

for f in *.srt; do nf=$(echo "$f" |sed -e 's/[^A-Za-z0-9.-]/./g;s/\.\.\././g;s/\.\././g'); test "$f" != "$nf" && mv "$f" "$nf" && echo "$nf"; done

1. Solo procese archivos * .srt (* podría usarse en lugar de * .srt para procesar cada archivo)
2. Elimina todos los demás caracteres excepto las letras A-Za-z, números 0-9, puntos "." Y guiones "-"
3. Elimina posibles períodos dobles o triples
4. Comprueba si el nombre del archivo debe cambiarse
5. Si es verdadero, cambia el nombre del archivo con el comando mv, luego genera los cambios que realizó con el comando echo

Funciona para normalizar los nombres de directorio de películas:

for f in */; do nf=$(echo "$f" |sed -e 's/[^A-Za-z0-9.]/./g' -e 's/\.\.\././g' -e 's/\.\././g' -e 's/\.*$//'); test "$f" != "$nf" && mv "$f" "$nf" && echo "$nf"; done

Los mismos pasos que arriba pero agregué un comando sed más para eliminar un punto al final del directorio

X-Men Days of Future Past (2014) [1080p]
Modificado a:
X-Men.Days.of.Future.Past.2014.1080p

para archivo en *; do mv "$ archivo" $ (echo "$ archivo" | sed -e 's / [^ A-Za-z0-9. -] / / g'); hecho &