Справочник командной строки
Почему кириллические имена ломаются в выводе ls и find
Кириллица в ls превращается в \320\277 не из-за порчи файла, а из-за локали C: каждая буква UTF-8 печатается двумя восьмеричными escape-группами. Как отличить это от битой кодировки и вернуть читаемый вывод.
Кириллическое имя в выводе ls ломается не из-за порчи файла, а из-за локали: в локали C или POSIX каждая русская буква занимает два байта UTF-8, и ls печатает каждый байт восьмеричной escape-последовательностью. Имя из двенадцати букв превращается в строку из двадцати четырёх групп вида \320\277. Достаточно выставить LC_ALL=C.UTF-8 или ru_RU.UTF-8 в текущей сессии, чтобы вывод стал читаемым: содержимое каталога не меняется, меняется только способ показа.
Что именно печатает ls в не-UTF-8 локали
GNU coreutils проверяет каждый байт имени через классификацию символов текущей локали. Если локаль однобайтовая и ASCII-совместимая, байты старше 0x7F считаются непечатаемыми. Тогда ls берёт имя в кавычки и заменяет каждый такой байт на escape. Для слова «проект» вывод выглядит так: '$'\320\277\321\200\320\276\320\265\320\272\321\202''. Это не сообщение об ошибке и не признак повреждения — это штатное экранирование.
Различать два случая просто. Битая кодировка даёт символы замены, вопросительные знаки или ромбы; экранирование даёт ровные восьмеричные тройки. Кириллица в UTF-8 занимает диапазон U+0400–U+04FF и кодируется байтами 0xD0–0xD1 и 0x80–0xBF, поэтому в escape-виде русский текст почти всегда состоит из пар \320\2xx и \321\2xx. Если вы видите такой узор, файл цел, а проблема в отображении.
Как отличить экранирование от порчи имени
Сравните три команды в одном каталоге: ls, ls -b и ls -N. Первая экранирует только при необходимости, вторая всегда показывает escape-форму, третья печатает байты как есть. Если ls -N выводит нормальную кириллицу, а ls — восьмеричные тройки, с именами всё в порядке.
Есть и менее очевидная деталь: стиль цитирования зависит от того, куда идёт вывод. На терминале ls по умолчанию использует shell-escape, а при перенаправлении в файл или канал переходит на literal и пишет байты без изменений. Поэтому в скрипте ls > list.txt имя может выглядеть нормально, а в интерактивной сессии тот же каталог показывает escape-последовательности.
Проверка локали занимает одну строку: locale печатает шесть категорий, locale charmap — текущую кодировку. Если LC_ALL пуст, а LANG=C, вывод будет экранированным. За классификацию символов отвечает именно LC_CTYPE, поэтому её достаточно для читаемого вывода, но недостаточно для правильной сортировки.
Почему find и подстановка шаблонов ведут себя иначе
find не экранирует имена: он пишет байты в стандартный вывод как есть. Поэтому в том же терминале find . -maxdepth 1 покажет читаемую кириллицу, а ls рядом — escape-последовательности. Это сбивает с толку при сравнении вывода двух утилит, хотя обе видят один и тот же каталог и одни и те же inode.
Подстановка шаблонов в оболочке зависит от локали по-другому. В bash класс [а-я] работает по правилам LC_COLLATE, и при локали C диапазон считается по байтам, а не по буквам. Шаблон *.txt срабатывает всегда, потому что точка и латиница однобайтовые. Ошибки начинаются там, где в шаблоне появляется кириллица или класс символов.
Сортировка меняется вместе с этим. LC_COLLATE=C сортирует по кодам байтов: сначала латиница, потом кириллица, а «Ё» оказывается далеко от «Е». ru_RU.UTF-8 даёт алфавитный порядок, привычный человеку. Один и тот же ls -l в двух сессиях выдаёт два разных порядка — это не ошибка файловой системы, а разные правила сравнения.
Как вернуть читаемый вывод: три уровня настройки
Уровень сессии: export LC_ALL=C.UTF-8. Это самая безопасная настройка на сервере, где русская локаль не сгенерирована. C.UTF-8 входит в glibc 2.35 и новее, не требует вызова localedef и корректно классифицирует многобайтовые символы.
Уровень оболочки: если менять окружение целиком нельзя, задайте только LC_CTYPE — export LC_CTYPE=ru_RU.UTF-8. Сортировка останется машинной, вывод станет читаемым. Это удобно в скриптах, где важен стабильный порядок обхода, но нужен нормальный текст в логах.
Уровень команды: ls -N или связка find . -print0 | xargs -0 обходят проблему без изменения окружения. Второй вариант надёжнее для обработки, потому что нулевой разделитель не конфликтует ни с пробелами, ни с экранированием, ни с переводами строк в именах.
Отдельно проверьте наличие локали: locale -a | grep -i utf. Если в списке только C.utf8 со строчными буквами, используйте именно это написание. Сообщение «Cannot set LC_ALL to locale ru_RU.UTF-8» означает, что локаль не сгенерирована; переменная при этом молча игнорируется, и вывод остаётся экранированным.
Особые случаи: macOS и минимальные образы
BSD-версия ls в macOS не имеет флага -N. Там экранирование отключается переменной LC_CTYPE=UTF-8 или настройками терминала. В минимальных контейнерах локали часто отсутствуют полностью: пакет locales не установлен, каталог /usr/lib/locale пуст, и единственный рабочий вариант — C.UTF-8.
Вторая ловушка — нормализация Unicode. macOS хранит имена в форме NFD, Linux обычно в NFC. Визуально это одно и то же слово, побайтово — разные строки. ls покажет их одинаково, а сравнение в скрипте даст ложное «не найдено». Проверять нужно байтами: printf '%s' "$name" | xxd | head -2.
Короткий порядок проверки
locale charmap— ожидается UTF-8, иначе вывод будет экранирован.ls -Nпротивls— отличает экранирование от порчи имени.find . -maxdepth 1 -print0 | xargs -0 -n1 printf '%s\n'— читаемый список без зависимости от локали.xxdна одном имени — подтверждает форму нормализации перед сравнением.