Obsidian Importer 处理 Notion 导出文件时文件名编码问题的分析与解决

Obsidian Importer 处理 Notion 导出文件时文件名编码问题的分析与解决

在 Obsidian Importer 项目中，开发者发现了一个关于 Notion 导出文件处理的特殊问题：当从 Notion 导入包含非ASCII字符的文件时，文件名会出现双重URL编码的情况。这个问题尤其影响使用西里尔字母、中文等非拉丁字符的文件名。

问题的核心在于 Notion 的导出机制。当用户从 Notion 导出数据时，系统会对文件名进行URL编码处理，但奇怪的是，这种编码被应用了两次。例如，一个原始文件名为"Руководство по подключению DK103M(W)(-4G).pdf"的文件，在导出后会变成"%25D0%25A0%25D1%2583..."这样的形式，其中每个百分号又被编码了一次。

这种现象导致了几个技术挑战：

1. 文件名在文件系统中显示为难以理解的编码字符串
2. 文件链接在Markdown文档中也保持编码状态，影响可读性
3. 用户无法直观地识别和访问这些文件

开发者通过分析发现，Notion 的导出HTML文件中，文件引用链接的href属性包含了这种双重编码。更复杂的是，Notion 还会将文件名中的空格转换为下划线，这进一步增加了处理难度。

解决方案采用了JavaScript的decodeURIComponent函数对文件名进行解码处理。这个函数能够正确处理单层和双层的URL编码，将编码后的字符串还原为原始字符。对于未被编码的文件名，这个操作不会产生任何影响，保证了兼容性。

对于已经导入并修改过的Obsidian库，开发者建议了几种处理方案：

1. 对于新导入，可以直接使用修复后的Importer版本
2. 对于已有库，可以编写简单的脚本批量解码文件名
3. 手动使用在线URL解码工具处理少量文件

这个问题揭示了数据迁移工具开发中的一个常见挑战：不同平台对特殊字符的处理方式差异。Obsidian Importer通过这次修复，增强了对Notion导出的兼容性，为用户提供了更顺畅的迁移体验。

对于技术开发者而言，这个案例也提醒我们：

• 在处理外部数据导入时要考虑各种编码可能性
• 文件名处理需要同时考虑文件系统和链接引用两方面
• 数据迁移工具需要具备一定的容错和自动修复能力