Cómo detectar colisiones de nombres de archivo sensibles a mayúsculas y minúsculas antes de una copia multiplataforma

Detecte colisiones de nombres sensibles a mayúsculas inventariando cada ruta relativa, normalizando cada ruta según las reglas de comparación del destino y agrupando las rutas que producen la misma clave normalizada. Resuelva cada grupo antes de copiar los datos.

Este prechequeo es esencial al mover datos desde un recurso compartido Linux sensible a mayúsculas a Windows, volúmenes macOS predeterminados o espacios de nombres SMB insensibles a mayúsculas. Un conteo normal de archivos no revelará que dos nombres válidos de origen compiten por un nombre de destino.

¿Qué se considera una colisión de nombre de archivo?

Una colisión ocurre cuando rutas de origen distintas son tratadas como la misma ruta por el destino. Un recordatorio práctico sobre diferencias de sensibilidad a mayúsculas entre plataformas muestra por qué Report.pdf y report.pdf pueden comportarse diferente, pero la comparación debe incluir cada componente del directorio.

Los conflictos multiplataforma también pueden involucrar normalización Unicode, espacios o puntos finales, nombres de dispositivos reservados y caracteres que un destino prohíbe. Las causas de los cambios de nombre de archivo entre macOS y Linux pertenecen a la misma auditoría de compatibilidad de rutas.

Defina el destino antes de escanear. Una copia a ext4, NTFS o un conjunto de datos respaldado por SMB puede mostrar un comportamiento de nombres diferente. Esto está relacionado con por qué el comportamiento de SMB difiere entre clientes.

¿Qué tipos de colisión debe reportar el informe previo?

Separe las categorías de colisión para que la solución sea predecible. Un par que solo difiere en mayúsculas generalmente puede renombrarse, mientras que un nombre reservado de Windows puede requerir tanto renombrar como actualizar la referencia en la aplicación.

El informe debe preservar la ruta original a nivel de bytes y mostrar una forma legible. Los nombres Unicode visualmente idénticos pueden parecer una línea duplicada en lugar de dos entradas distintas de origen.

¿Cómo construir un inventario de origen confiable?

Ejecuta el inventario en el sistema de archivos de origen o a través del mismo protocolo usado para la migración. Exporta rutas relativas en un formato que maneje de forma segura espacios, tabulaciones, saltos de línea y caracteres no ASCII.

Incluye directorios porque dos nombres de directorio en colisión pueden ocultar miles de archivos afectados. Registra el tipo de objeto, tamaño, hora de modificación y un identificador estable cuando esté disponible para que los elementos renombrados puedan rastrearse.

Congela las escrituras o toma una instantánea antes del escaneo final. Si los nombres cambian entre el inventario y la copia, una preinspección limpia puede quedar obsoleta antes de que comience la migración.

¿Cómo deben normalizarse las rutas para la comparación?

Comienza con el comportamiento de insensibilidad a mayúsculas del destino. Compara una clave en minúsculas o insensible a mayúsculas mientras conservas la ruta original para el informe. No renombres la fuente automáticamente en este paso.

Luego añade reglas específicas del destino: normalización Unicode, manejo de separadores, caracteres prohibidos, sufijos recortados, límites de longitud de ruta y nombres reservados. Normalizar más agresivamente que el destino puede crear falsos positivos, mientras que normalizar menos puede pasar por alto colisiones destructivas.

Aplica normalización a cada componente de la ruta. Dos archivos con nombres base diferentes aún colisionan si sus directorios padre se reducen a la misma ruta normalizada.

¿Qué puedes ejecutar en Linux, macOS o Windows?

En Linux o macOS, un script puede leer rutas delimitadas por nulos, calcular una clave de destino, ordenar por esa clave e informar grupos con más de una ruta original. Los métodos publicados para encontrar nombres de archivo duplicados sin importar mayúsculas ilustran la lógica de agrupación, pero los archivos con idiomas mixtos necesitan manejo explícito de Unicode.

find /source -print0 | python3 collision_scan.py --target windows

En Windows, PowerShell puede enumerar rutas relativas y agruparlas usando un comparador ordinal insensible a mayúsculas. Ejecútalo contra el recurso compartido de origen con una cuenta que pueda ver todos los directorios previstos.

Get-ChildItem -LiteralPath '\\NAS\Source' -Recurse -Force |
  ForEach-Object { $_.FullName.Substring($root.Length).ToLowerInvariant() } |
  Group-Object | Where-Object Count -gt 1

Estos ejemplos ilustran el modelo de agrupación, no un escáner universal. Las verificaciones en producción deben preservar los originales, manejar rutas inaccesibles e implementar todas las reglas de nomenclatura del destino.

¿Cómo debe resolver los grupos de colisión?

Elija un nombre canónico con el propietario de los datos, luego cambie el nombre de las otras rutas usando un sufijo determinista como un código de proyecto, fecha o etiqueta del sistema de origen. Reglas consistentes de nomenclatura para servidores domésticos ayudan a evitar sufijos arbitrarios.

1. Exporte el grupo de colisión y su departamento o aplicación propietaria.
2. Seleccione la ruta que mantenga la ortografía canónica.
3. Cambie el nombre de rutas en conflicto en el origen o en una copia en etapa.
4. Actualice listas de reproducción, bases de datos, accesos directos, scripts y manifiestos que los referencien.
5. Ejecute nuevamente el escaneo completo hasta que no queden grupos bloqueantes.

No permita que la herramienta de copia decida silenciosamente por orden de sobrescritura. Incluso si ambos contenidos de archivo son idénticos, colapsar nombres silenciosamente destruye evidencia sobre el espacio de nombres original.

¿Cómo verificar que la copia no colapsó rutas?

Capture un manifiesto previo a la copia después de la remediación y genere un manifiesto de destino con las mismas reglas de ruta relativa. Compare conjuntos de rutas normalizadas, conteos de objetos, tamaños y sumas de contenido para archivos críticos.

Revise los registros de copia para eventos de “ya existe”, cambio de nombre, omisión, nombre inválido y sobrescritura. Un código de salida cero puede acompañar rutas omitidas según la herramienta.

Mantenga el origen como solo lectura hasta que los usuarios validen el comportamiento de la aplicación. La compatibilidad del espacio de nombres incluye enlaces y referencias, no solo la presencia de bytes de archivo.

Preguntas frecuentes

¿Pueden existir dos nombres de archivo que solo difieran en mayúsculas en Linux?

Por lo general sí en sistemas de archivos Linux sensibles a mayúsculas y minúsculas comunes. Pueden colisionar al copiarse a un destino insensible a mayúsculas o al exponerse mediante un servicio configurado de forma diferente.

¿Es seguro convertir todos los nombres de archivo a minúsculas como solución?

No. Convertir a minúsculas en masa puede crear nuevas colisiones y romper referencias. Detecte grupos primero, luego aplique cambios de nombre revisados y deterministas.

¿Detectan las sumas de verificación colisiones de nombres de archivo?

Los sumas de verificación comparan contenido, no la identidad del espacio de nombres. Dos rutas diferentes pueden tener contenido diferente o idéntico y aún competir por un nombre de destino.

Una copia segura multiplataforma demuestra que cada ruta de origen se asigna a una ruta de destino única y válida. Realice esa comprobación antes de la transferencia en lugar de descubrir colisiones mediante archivos sobrescritos.