con.txt を入れたZIPは、作った場所では通る。Windowsの予約名を出荷前に止める合成見本

con.txt を入れたZIPは、作った場所では通る。Windowsの予約名を出荷前に止める合成見本

最初に書いた検査は、first-try.zip にある2件の問題のうち、1件しか見つけられませんでした。素材/con.txt を素通りさせたのです。

ZIPを作っているのはLinuxの機材で、そこでは con.txt は何の変哲もないファイルです。ZIPの作成も成功しますし、一覧にも普通に並びます。ところが購入者がWindowsで展開するなら、この名前は別の扱いを受けます。

前回のZIP名の衝突を扱った記事の最後に、予約語、禁止文字、パスの長さは別の確認が必要だと書きました。書いたまま放置していたので、今回はそのうち予約語と禁止文字、名前の末尾を実際に検査します。パスの長さは扱いません。

AIにデジタル商品の素材や案内を作らせると、ファイル名は勝手に増えます。ここでは、そのファイル名を出荷前に機械で見る小さな検査を、合成した見本で試しました。AIを実際に使った実験ではありません。購入者のデータも、販売実績も出てきません。

まず、Microsoftの文書にある規則を確認する

Windowsのファイル名の規則は、Microsoft Learnの「Naming Files, Paths, and Namespaces」に書かれています。今回の検査に使った項目だけを抜き出します。

  • CON、PRN、AUX、NUL、COM1からCOM9、LPT1からLPT9は予約名です。上付き数字のCOM¹、COM²、COM³、LPT¹、LPT²、LPT³も含まれます
  • 予約名のあとに拡張子が続いても同じ扱いです。文書にはNUL.txtとNUL.tar.gzがNULと同じだと書かれています
  • < > : " / \ | ? * は名前に使えません。コード1から31の制御文字も同様です
  • 名前の末尾を空白やピリオドにしてはいけません

この4つを見たとき、最初の読み方は「名前が CON と一致するかを見ればいい」でした。後で外れました。

1回目: 名前の全体を比べたら、拡張子付きを通した

見本のZIPは4つです。first-try.zipには予約名の素材/con.txtと、フォルダ名がlpt1になっているlpt1/guide.mdを入れました。symbols.zipにはFAQ?.txt、末尾がピリオドのguide.md.、フォルダ名の末尾に空白があるnotes /a.txtを入れました。fixed.zipは直した後の姿です。empty.zipは中身が0件。

見本を作るコード(make_samples.py)
from __future__ import annotations

import zipfile


def write(name: str, members: list[str]) -> None:
    with zipfile.ZipFile(name, "w", zipfile.ZIP_DEFLATED) as archive:
        for member in members:
            archive.writestr(member, f"# {member}\n")


write("first-try.zip", ["README.txt", "素材/con.txt", "lpt1/guide.md"])
write("symbols.zip", ["README.txt", "FAQ?.txt", "guide.md.", "notes /a.txt"])
write("fixed.zip", ["README.txt", "docs/guide.md"])
write("empty.zip", [])

1回目の検査は、パスをスラッシュで分け、各部分を大文字にして予約名の集合と比べるだけでした。禁止文字は別の集合で見ます。核心はこれだけです。

for part in info.filename.rstrip("/").split("/"):
    if part.upper() in RESERVED:
        found.append(f"RESERVED {info.filename}")
    if BAD_CHARS & set(part):
        found.append(f"BADCHAR {info.filename}")

作業用の一時ディレクトリ$TMPDIR/zip-win-names-labにmake_samples.pyとcheck_v1.pyを置いて実行しました。

cd "$TMPDIR/zip-win-names-lab"
python3 --version
python3 make_samples.py
ls *.zip
python3 check_v1.py first-try.zip symbols.zip fixed.zip empty.zip
echo exit=$?
Python 3.13.5
empty.zip
first-try.zip
fixed.zip
symbols.zip
first-try.zip: FAIL problems=1
  RESERVED lpt1/guide.md
symbols.zip: FAIL problems=1
  BADCHAR FAQ?.txt
fixed.zip: PASS problems=0
empty.zip: PASS problems=0
exit=1

一見、止まっています。終了コードは1です。けれど中身を数えると、取りこぼしが4件ありました。

  • first-try.zipの素材/con.txt。CON.TXTはCONと一致しないので通りました
  • symbols.zipのguide.md.とnotes /a.txt。末尾の規則を見る処理がそもそもありません
  • empty.zip。0件のZIPは、悪い名前が0件なのでPASSになりました

終了コードが1になったのは、どちらのZIPでも問題が1件ずつ見つかったからです。FAILの文字と終了コード1だけを見ていたら、ここで満足してしまいます。

2回目: 拡張子の前だけを見る

直した点は3つです。名前の最初のピリオドより前を取り出し、右端の空白を落としてから予約名と比べます。NUL .txtのように予約名の後ろに空白が挟まる形も同じ扱いにするためです。次に、末尾の空白とピリオド、制御文字を別の種類として数えます。最後に、0件のZIPと読めないファイルを失敗にします。

2回目の検査(check_v2.py、全文)
from __future__ import annotations

import sys
import zipfile

SUPERSCRIPTS = "\u00b9\u00b2\u00b3"
RESERVED = {"CON", "PRN", "AUX", "NUL"}
RESERVED |= {f"{dev}{n}" for dev in ("COM", "LPT") for n in [*"123456789", *SUPERSCRIPTS]}
BAD_CHARS = set('<>:"|?*\\')


def problems_for_part(part: str) -> list[str]:
    found = []
    stem = part.split(".", 1)[0].rstrip(" ")
    if stem.upper() in RESERVED:
        found.append("RESERVED")
    if BAD_CHARS & set(part):
        found.append("BADCHAR")
    if any(ord(ch) < 32 for ch in part):
        found.append("CONTROL")
    if part.endswith((" ", ".")):
        found.append("TRAILING")
    return found


def problems(path: str) -> list[str]:
    found = []
    with zipfile.ZipFile(path) as archive:
        infos = archive.infolist()
        if not infos:
            return ["EMPTY archive has no members"]
        for info in infos:
            for part in info.filename.rstrip("/").split("/"):
                for kind in problems_for_part(part):
                    found.append(f"{kind} {info.filename}")
    return found


def main(paths: list[str]) -> int:
    failed = False
    for path in paths:
        try:
            found = problems(path)
        except (zipfile.BadZipFile, OSError) as exc:
            found = [f"UNREADABLE {type(exc).__name__}"]
        print(f"{path}: {'FAIL' if found else 'PASS'} problems={len(found)}")
        for line in found:
            print(f"  {line}")
        failed |= bool(found)
    return 1 if failed or not paths else 0


if __name__ == "__main__":
    raise SystemExit(main(sys.argv[1:]))

同じZIPを同じ順番で通します。

python3 check_v2.py first-try.zip symbols.zip fixed.zip empty.zip
echo exit=$?
first-try.zip: FAIL problems=2
  RESERVED 素材/con.txt
  RESERVED lpt1/guide.md
symbols.zip: FAIL problems=3
  BADCHAR FAQ?.txt
  TRAILING guide.md.
  TRAILING notes /a.txt
fixed.zip: PASS problems=0
empty.zip: FAIL problems=1
  EMPTY archive has no members
exit=1

見つけた数は、1回目の2件が今回は5件になり、空のZIPも失敗側へ回りました。fixed.zipだけがPASSです。

悪い入力も2つ試しました。テキストを書いただけの偽のbroken.zipと、引数なしの実行です。どちらも終了コードは1で、前者はUNREADABLE BadZipFileと表示されました。引数なしは何も表示せず1で終わります。

echo "not a zip" > broken.zip
python3 check_v2.py broken.zip; echo exit=$?
python3 check_v2.py; echo exit=$?
python3 check_v2.py fixed.zip; echo exit=$?
broken.zip: FAIL problems=1
  UNREADABLE BadZipFile
exit=1
exit=1
fixed.zip: PASS problems=0
exit=0

自分の表を、標準ライブラリで検算する

予約名の表を手で打つと、書き漏らしが残ります。そこでPython 3.13で追加されたntpath.isreservedを、検算の相手に使いました。ntpathはWindows向けのパス処理を実装したモジュールで、Linuxでも読み込めます。ただし、判定の基準はMicrosoftの文書ではなく、Pythonの実装です。ゲートそのものには使わず、突き合わせだけに使いました。

python3 crosscheck.py
'README.txt'     mine=False ntpath=False
'con.txt'        mine=True  ntpath=True 
'Aux.tar.gz'     mine=True  ntpath=True 
'COM1'           mine=True  ntpath=True 
'COM0'           mine=False ntpath=False
'COM¹'           mine=True  ntpath=True 
'lpt3.md'        mine=True  ntpath=True 
'NUL .txt'       mine=True  ntpath=True 
'CONIN$'         mine=False ntpath=True   <- differs
'CONOUT$'        mine=False ntpath=True   <- differs
'console.txt'    mine=False ntpath=False
'nullable.md'    mine=False ntpath=False
'guide.md'       mine=False ntpath=False

13個の名前のうち、食い違ったのはCONIN$とCONOUT$の2つです。標準ライブラリのほうが広く予約名として扱っています。一方、Microsoftの文書の予約名一覧にこの2つは載っていません。この見本では、文書の一覧に合わせ、検査の表はそのままにしています。厳しい側に寄せたいなら、表へ足すのは簡単です。ただ、載っていない根拠を足して購入者のファイル名を縛る理由は、ここでは置きません。

COM0は両方とも予約名と見なしませんでした。文書の一覧にもありません。名前の一部にconやnullが含まれるだけのconsole.txtとnullable.mdも通っています。部分一致にしなくて正解でした。

この検査が見ていないこと

PASSは、Windowsで必ず展開できる保証ではありません。実際のWindowsで展開は試していません。確かめたのは、Microsoftの文書に書かれた名前の規則を、ZIPの一覧に当てた結果だけです。

見ていないものが3つあります。展開先のパスの長さ。ZIPの中身の安全性。そして、購入者が使う展開ソフトごとの挙動です。大文字小文字の衝突は前回の検査が受け持ちます。今回の検査はそれと並べて、出荷前にもう1行足す位置づけです。

ファイル名はAIが最も気軽に増やす部分です。中身の文章を読み直しても、名前の規則は目に入りません。そして今回は、最初に書いた検査も1回では足りませんでした。気づけたのは、通ったZIPの数ではなく、見つかった問題の数を並べたからです。

出典

この記事をシェア