正確解碼zip條目文件名 - CP437，UTF-8或？

我最近寫了一個名爲zipzap的zip文件I/O庫，但我正在努力從任意zip文件正確解碼zip條目文件名。正確解碼zip條目文件名 - CP437，UTF-8或？

現在，PKWARE spec狀態：

D.1 ZIP格式歷來只支持原IBM PC的字符編碼集，通常被稱爲IBM代碼頁437 ...

D.2如果未設置通用位11，則文件名和註釋應符合與原始ZIP字符編碼的一致性。如果通用11位被設置，則文件名和註釋必須支持Unicode標準，版本4.1.0或更大使用由UTF-8存儲規範中定義的字符編碼表...

其意味着符合zip文件將文件名編碼爲CP437，除非設置了EFS位，在這種情況下文件名是UTF-8。

不幸的是，很多zip工具似乎沒有正確設置EFS位（例如Mac CLI，GUI zip）或使用其他編碼，通常是默認系統（例如WinZip？）。如果您知道WinZip，7-Zip，Info-Zip，PKZIP，Java JAR/Zip，.NET zip，dotnetzip等編碼文件名以及它們將其「版本設置」字段設置爲何時拉鍊告訴我。

特別地，信息-Zip的嘗試此時解壓：

文件系統= MS-DOS（0）=> CP437
- 除外：版本= 2.5，2.6，4.0 = > ISO 8859-1
文件系統= HPFS（6）=> CP437
文件系統= NTFS（10）和版本= 5.0 => CP437
否則，ISO 8859-1

如果我要支持檢查或從任意壓縮文件解壓，並在文件名編碼一個合理嘗試沒有EFS標誌，有什麼我可以看看對於？

來源

2012-11-07 Glen Low

確定文件名是否使用UTF-8編碼而不使用EFS標誌的唯一方法是檢查是否在其中一個字符中設置了高位。那可能可能意味着該字符是UTF-8編碼。然而，它仍然可能是另一種方式，因爲CP437中有一些字符的高位被設置，並且不能被解碼爲UTF-8。

我會堅持使用PKWARE應用筆記規範，而不是在試圖符合現有每個已知的zip應用的解決方案中進行破解。

來源

2012-11-07 00:31:46

目前情況如下：

大多數Windows實現使用DOS（OEM）編碼
的Mac OS的壓縮工具使用UTF-8，但它不設置UTF-8位標誌
* nix的壓縮實用程序默默地使用系統編碼

所以唯一的辦法是檢查文件名包含有類似的UTF8字符（檢查UTF8編碼的說明 - 第一個字節應該是110xx xxx，第二個 - 用於2字節編碼字符的10xxxxxx）。如果它是正確的utf8字符串 - 使用utf8編碼。如果不是 - 回退到OEM/DOS編碼。

來源

2012-11-11 12:09:37

正確解碼zip條目文件名 - CP437，UTF-8或？

回答

相關問題