최근 오래전부터 운영하던 티스토리 블로그 백업을 위해 전체 데이터를 zip 파일로 다운로드했다. 소중한 글들을 로컬 컴퓨터에 안전하게 보관하고, 필요한 데이터만 뽑아서 정리해 두려던 참이었다. 그런데 평소처럼 윈도우 탐색기에서 마우스 우클릭을 하고 압축 해제를 시도하는 순간, 뜬금없는 오류 창이 뜨며 작업이 중단되었다.
처음에는 다운로드 파일이 손상된 줄 알았다. 하지만 자세히 살펴보니 원인은 다름 아닌 파일 이름에 있었다. 백업 폴더 안에 있는 글 중 일부 파일명에 콜론(:) 문자가 포함되어 있었던 것이다. 윈도우 환경에서 파일 이름으로 사용할 수 없는 문자가 들어가 있는 바람에 탐색기가 에러를 내뱉은 셈이었다.
Windows zip 콜론 파일명 제약에 걸리다
문제가 발생한 원인은 명확했다. 윈도우가 사용하는 NTFS 파일시스템과 리눅스 기반 환경의 파일시스템 간의 규칙 차이 때문이다. 내가 백업한 데이터 중에는 과정-V8처럼 제목이나 태그에서 유래되어 콜론(:)이 고스란히 포함된 파일명이 존재했다.
윈도우에서는 시스템 보호와 예약어 관리 등의 이유로 파일명에 콜론을 사용하는 것을 아예 허용하지 않는다. 이 제약 조건 때문에 Windows zip 압축을 풀 때 파일 생성 단계에서 실패하고 말았던 것이다. 아무리 성능 좋은 압축 해제 소프트웨어를 깔아서 돌려봐도, 운영체제 자체의 강력한 제약을 넘어설 수는 없었다.
결국 윈도우라는 환경을 잠시 벗어나야 한다는 결론에 도달했다. 리눅스 계열의 OS라면 이 콜론을 파일명으로 너그럽게 수용해 줄 것이 분명했기 때문이다.
Linux unzip 명령어로 가볍게 해결하기
어떻게 리눅스 환경을 쉽고 빠르게 쓸 수 있을지 고민하다가, 가볍게 접근할 수 있는 구글 앱스 스크립트(GAS) 샌드박스의 bash 환경을 활용하기로 했다. 거창하게 가상머신을 띄우거나 듀얼 부팅을 세팅할 필요 없이 가벼운 샌드박스 터미널만 있으면 충분했다.
준비된 리눅스 환경에 백업 zip 파일을 무사히 업로드했다. 이어서 터미널 창을 열고 대중적인 Linux unzip 명령어를 입력해 압축을 해제했다. 결과는 대성공이었다. 윈도우에서 그렇게 속을 썩이던 콜론 파일명들이 아무런 저항도 없이 원래 이름 그대로 얌전하게 압축 해제되었다.
추출된 결과물을 보니 총 15건의 온전한 파일들이 생성되어 있었다. 파일시스템이 다른 두 환경을 오가며 우회하는 것만으로 막혔던 작업이 단번에 풀리는 경험은 언제 겪어도 참 흥미롭다.
HTML 파싱과 구글 시트 수동 임포트
이렇게 무사히 받아낸 15건의 파일들은 원본 형태인 HTML 포맷으로 저장되어 있었다. 단순히 파일로 가지고 있는 것보다 텍스트 데이터를 정제하여 나만의 아카이브를 만들고 싶어졌다. 이를 위해 HTML 구조를 분석해 글 제목, 카테고리, 작성일자, 그리고 본문 텍스트를 추출하는 작업을 시작했다.
데이터 구조가 복잡하지 않아 필요한 핵심 요소들만 쏙쏙 끄집어낼 수 있었다. 추출한 정보들을 보기 좋게 쉼표로 분리한 CSV 형태의 데이터로 가공하여 하나의 통합 파일로 빌드했다.
이렇게 만들어진 CSV 파일을 구글 스프레드시트(Google Sheets)에 수동으로 가져오기(Import)를 실행했다. 셀마다 제목과 본문이 질서정연하게 채워지는 광경을 목격하자마자, 이전에 겪었던 파일명 제약 삽질에 대한 모든 피로가 한순간에 씻겨 내려가는 듯했다.
마치며
OS마다 파일명을 다루는 규칙이 다르다는 사실을 다시금 몸소 실감했다. 윈도우 환경에서 압축 해제 실패로 곤혹을 치르고 있다면, 파일명 제약 조건을 의심해 보고 리눅스 터미널을 활용해 보는 것을 강력히 추천한다. 이번 경험을 통해 이기종 운영체제 간의 데이터 호환성을 다룰 때는 항상 파일시스템 제약을 염두에 두어야 한다는 소중한 배움을 얻었다.