Normalización Unicode para nombres de archivos y texto copiado de pdf:s

HFS+ requiere que los nombres de archivo estén en forma descompuesta (LETRA PEQUEÑA LATINA A + DIAERESIS COMBINADA) en lugar de la forma compuesta (LETRA PEQUEÑA LATINA A CON DIAERESIS). Puede utilizar iconv para convertir el texto en forma compuesta:

$ echo -n ä | xxd -p
c3a4
$ touch ä
$ ls | tr -d '\n' | xxd -p
61cc88
$ ls | tr -d '\n' | iconv -f utf-8-mac -t utf-8 | xxd -p
c3a4

HFS+ no utiliza NFD (forma normal descompuesta). En http://developer.apple.com/library/mac/#qa/qa1173/_index.html :

Importante: Los términos utilizados en esta sección, precompuesto y descompuesto, corresponden aproximadamente a las formas normales C y D de Unicode, respectivamente. Sin embargo, la mayoría de los formatos de volumen no siguen la especificación exacta de estas formas normales. Por ejemplo, HFS Plus (Mac OS Extended) utiliza una variante de la forma normal D en la que las letras U+2000 a U+2FFF, U+F900 a U+FAFF y U+2F800 a U+2FAFF no están descompuestas (esto evita problemas con las conversiones de ida y vuelta de las antiguas codificaciones de texto de Mac).

Algo como esto también podría funcionar:

python -c 'import unicodedata as ud; print ud.normalize("NFC", u"\N{LATIN SMALL LETTER A}\N{COMBINING DIAERESIS}")'