一个软件，微软通常需要经历四、五代，才会搞对

这是前几天在一个 podcast 中听到美国几个 IT 前辈的观点。我当下脑中立刻发出“一针见血”的反射动作，这两天更是遇上一个活生生的例子，始作俑者的现行犯是 Windows Media Player。

一位同事最近买了 Macbook，故需要将一些 MP3 从 XP 迁移到 Mac OS 10.5 上的 iTune，其中包括一些过去用 Media Player 从原始 Audio CD 剥下来的中文和日文歌。当这些 MP3 被导入 Mac 上的 iTune 时，他发现里面出现了大量的乱码，而大部分都集中在中、日文歌曲。于是找我求助。

我们知道，MP3 等多媒体文档的元数据（如歌名、演唱者、专辑名等），是存放在 ID3 标签里面的。可能是因为我不爱用 Media Player（觉得界面很不直觉），自己过去对处理这个问题还真的没经验。替他诊断了一下后，发现这些 MP3 的 ID3 标签中的文字，都是以简体中文 CP936, GB2312 的编码形式存在，而未采用多语言支持更好的 Unicode (UTF-8)。这就有趣了。在 ID3 文字编码的处理上，Windows Media Player 的做法，不同于其他 MP3 音乐播放器，如 iTune 或 Linux 上的各播放器。人家都是选择用 Unicode，但微软则独排众议地选择用本地的语言，所以在不同语言的 OS 下做，会出来不同的结果 — 简体中文会是 CP936，繁体中文则 CP937…。微软早在 NT 和 Office 2000 时代便已支持 Unicode，为何 Media Player 不采用真是匪夷所思。

我知道可以用 perl 等脚本语言写一个转码的 script，因为有现成的 ID3 library 模块，所以开发起来很方便。过去我为了要处理一些没有 ID3 的老 MP3，把文档和目录名中的歌名、演唱者、专辑名等信息，批量写入新生成的 ID3 标签，就曾写过一个 Perl script。上网搜了一下，果然已经有人写好了 — Google Code 上有一个叫 mp3-tag-iconv 的 perl script，这是一个华人网友写的。此外，发现有一个泰国网友在 Linux 上有同样的问题，他推荐一个 sourceforge 上某俄国网友写的 Python 脚本 tag2utf （看来，这个问题至少中、泰、俄文的用户都遇到了）。兴冲冲地开始拿一个王菲的歌，用 mp3-tag-iconv 来测，没想到遇到一个 bug。反映给作者后，短短两个小时内，竟然就上传了新版。这次没问题了，感谢！能成功地将 test.mp3 中的标签文字从 cp936/GB2312 转为 UTF-8。我是在 Cygwin （一套提供 Unix 命令列工具的环境）底下操作该 perl script。

事实上，如果要用这些 scripts 来做批量转换，还可能遇到其他的挑战 — 因为不只是 ID3 元数据，就连文档名和目录名，都是用歌名、演唱者、专辑名来命名的，而 Unix 命令列环境最怕遇到非 ASCII 的文档、目录名，而好死不死这些 MP3 的文档、目录名，不但充满了中文，而且还有用中文 codepage 去编码的非 ASCII 西文字元（如 Joaquín 中的 í），和日文平假名、片假名，这恐怕够呛…。

我 cd 到要转换的根目录，然后下:

find . -type f -name ‘*.mp3′ -exec mp3_tag_iconv-0.9c.pl -f cp936 {} \;

果然，有十几个文档名，Cygwin 无法处理，导致转换失败，但已经可以偷笑的是，这个方法对 95% 以上的文档都 work。

分别找出了哪些档名有问题的，发现一个有趣的现象 — 只要是中文的，都没问题，有问题的都是那些日文歌，还有一两个西文的。这似乎意味着，只要是和 OS 本地编码配置一致的（中文），Cygwin 就 OK，否则，如果是那些违反自然，在中文系统下硬编成日文的档名，则会有问题。

没什么其他好方法了，幸亏有问题的只有十几个。于是使用低科技的解决方法，将它们一一改名为 ASCII 文档、目录名，重新执行转换命令。终于结束了一场 Media Player 带来的灾难。

很久没去升级 Media Player 了，不知道最新版针对 ID3 编码的问题上，是否已经改进。已经换了好几代了，也该是搞对的时候了吧！

附带一提：分享一个好东西 — 讲究音质的网友，如果要将 audio CD 上的音乐转成 MP3，千万别用 iTune 或 Media Player（如果上述的经历还不足以让您抛弃它）。在此推荐 LAME （唯一的缺点是转换速度较慢，因为演算法较为复杂）。针对 iTune 转 MP3 音质不佳，有一种个阴谋论 (conspiracy theory) 的猜测是，iTune 里面故意要把 MP3 编码模组做烂一点，相较之下，如果选择用苹果独家的 AAC (m4a) 格式，则音质好得多，这么做是鼓励用户尽量采用方便他们锁定用户的 AAC 格式 。

LAME 的名字也超酷 — LAME Ain’t an Mp3 Encoder，连名称缩写都玩递归，让我想起 GNU — GNU is Not Unix。不只如此，lame 的英文原意为 “跛” 或 “拙劣“，似乎命名者又有点自我解嘲或谦虚的味道。