|
我在ubuntu 10.04下使用unzip,7z,7za都无法正常解压来自windows的文件。带有中文名称的文件夹仍然乱码，请问有什么解决办法
作者：Latm Ake
链接：http://www.zhihu.com/question/20523036/answer/35225920 来源：知乎 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 由于zip格式中并没有指定编码格式，Windows下生成的zip文件中的编码是GBK/GB2312等，因此，导致这些zip文件在Linux下解压时出现乱码问题，因为Linux下的默认编码是UTF8。 目前网上流传一种unzip -O cp936的方法，但一些unzip是没有-O这个选项的。 我使用的版本 unzip 6.0 debian modified 版本有这个选项 我发现另外两种解决方案可用。 python方案此方案目前来看非常完美。
#!/usr/bin/env python
# -*- coding: utf-8 -*-
import os
import sys
import zipfile
#print "Processing File " + sys.argv[1]
file=zipfile.ZipFile(sys.argv[1],"r");
for name in file.namelist():
utf8name=name.decode('gbk')
# print "Extracting " + utf8name
pathname = os.path.dirname(utf8name)
if not os.path.exists(pathname) and pathname!= "":
os.makedirs(pathname)
data = file.read(name)
if not os.path.exists(utf8name):
fo = open(utf8name, "w")
fo.write(data)
fo.close
file.close()
Windows 用户屏蔽两条 print 语句，Linux 用户不用屏蔽 7z方案 需要安装p7zip和convmv，在Fedora下的命令是 su -c 'yum install p7zip convmv' 在ubuntu下的安装命令是 sudo apt-get install p7zip convmv 安装完之后，就可以用7za和convmv两个命令完成解压缩任务。 LANG=C 7za x your-zip-file.zip convmv -f GBK -t utf8 --notest -r . 第一条命令用于解压缩，而LANG=C表示以US-ASCII这样的编码输出文件名，如果没有这个语言设置，它同样会输出乱码，只不过是UTF8格式的乱码(convmv会忽略这样的乱码)。
第二条命令是将GBK编码的文件名转化为UTF8编码，-r表示递归访问目录，即对当前目录中所有文件进行转换。
本质问题还是zip格式的缺陷，没有字段标志出文件名的编码格式。
ZIP在压缩与解压缩的时候默认使用了系统的本地编码，如windows中文环境下为GBK，日文环境下是JIS，linux默认编码为UTF8等；那么在不同系统环境下，只要压缩与解压缩的编码不一致，就会出现乱码。 一楼提供的python解决方案，最好不要用，简单的处理会有很多风险，比如zip炸弹，目录覆盖，执行病毒文件等。 正确的做法是：尽可能的只使用英文名，尽可能的使用7z格式（rar也可以，不过是商业软件，不推荐） 解决现有的问题的话，比较靠谱的是先解压再转换，比如windows中文环境下的压缩文件到linux下解压，出现乱码的文件名即是 GBK被当做UTF8显示了，我们只要正确转换就行了 convmv -f gb2312 -t utf8 -r --notest * ============= 说句题外话，当年做的病毒木马检测项目，要对所有压缩文件解压缩，由于性能要求和接口原因，不能使用现有的解压缩产品，最后把相关解压缩的源代码都看了遍，zip,rar,7z,cab,tar,gz,ios等等，其中被zip格式的乱码问题折腾的死去活来；一怒之下把字符编码研究了透，还写了一篇博客，邮件乱码、数据库乱码、python程序乱码等，自此妈妈再也不担心我的编码问题了。 也建议大家深入了解下字符编码。
(责任编辑：IT) |