파이썬으로 맥에서 깨진 한글 파일명 복구

네이버 메일에서 첨부파일을 다운 받았는데 파일명이 전부 깨져버렸다... 물론 그냥 들어가서 내용을 보면 파일명을 유추할 수 있고 문서를 읽는데는 아무런 문제가 없지만, 개발자의 욕심? 끈기?를 이용해 복구하는데에 성공했다.

0. 나의 환경

• OS: macOS Catalina 10.15.4
• 상대방 OS: windows (추정)
• 브라우저: 사파리 (크롬으로 했을때도 깨진 상태로 받아진다.)
• 네이버 메일

 

1. NFC vs NFD?

이리저리 찾다보니 알게된 사실이다. Unicode를 정규화하는 방법이 있는데 맥과 윈도우는 그 방법이 서로 다르다.

• 맥: NFD (Normalization Form Canonical Decomposition)
• 윈도우: NFC (Normalization Form Canonical Composition)

자세한 것은 ko.wikipedia.org/wiki/유니코드_정규화를 참고하자.

여튼 메일을 보낸 사람은 윈도우로 추정하고 나는 맥을 사용중이었다. 윈도우에서 만든 파일명이 NFC로 노말라이즈 되어있는데 나는 맥에서 NFD로 노말라이즈를 하며 파일을 다운로드 했으므로 문자열이 깨졌을 것이다.

filename_mac = "ºÙÀÓ1. 2020³â SW¸¶¿¡½ºÆ®·Î°úÁ¤ Á¦11±â ¿¬¼ö»ý Á¦Ãâ¼­·ù ¾È³»"

x먼저 파인더에서 파일명을 그대로 복사해 변수로 선언해줬다. 

print(len(filename_mac))

output:

74

노말라이즈 방법을 바꿔서 적용해주자.

from unicodedata import normalize

filename_nfc = normalize('NFC', filename_mac)
print(len(filename_nfc))

output:

58

같은 문자열이지만 노말라이즈 방법에 따라 길이가 달라진다.

 

2. Encoding and Decoding

문자열의 세계는 너무 복잡하다. 방금까지 파이썬에서 사용하던 문자열은 unicode였고, 이제 이것을 ISO-8859-1로 encoding한후 다시 cp949로 decoding해줘야 한다.

filename_cp949 = filename_nfc.encode('ISO-8859-1').decode('cp949')
print(filename_cp949)

output:

'붙임1. 2020년 SW마에스트로과정 제11기 연수생 제출서류 안내'

잘 복구가 되었다. 문자열에 무슨 인코딩 방식이 사용됐는지 알아보기는 쉽지 않다(노가다). 하지만 계속 도전하다보면 원래 한글대로 복구 할 수 있을 것이다.

 

3. 전체 코드

from unicodedata import normalize

filename_mac = "ºÙÀÓ1. 2020³â SW¸¶¿¡½ºÆ®·Î°úÁ¤ Á¦11±â ¿¬¼ö»ý Á¦Ãâ¼­·ù ¾È³»"

filename_nfc = normalize('NFC', filename_mac)
filename_cp949 = filename_nfc.encode('ISO-8859-1').decode('cp949')

print(filename_cp949)

 

출처:

zelkun.tistory.com/entry/JSPSERVLETSPRING-한글파일-다운로드-파일명-처리

wodonggun.github.io/wodonggun.github.io/study/한글-인코딩이란.html

www.digipine.com/index.php?mid=programming&document_srl=26735