encoding - 用PHP如何检测一个ZIP包内的文件是在何种编码的系统下创建的

程序员文章站 2022-03-13 19:01:35

...

事情起源于在WIN下创建的zip放到linux下解压时，中文路径和文件名会出现乱码，于是动手写了个脚本转换zip内文件名的代码。但是，如果是在日语、韩语或者繁体字WIN系统下建立的zip，由于不知道原始编码格式，导致无法转码。
怎么解。。。

回复内容：

LZ 的 id 看着眼熟 ... 这么多年了还在问这个等级的问题 ... 你也不容易啊你 ...

open( '/path/to/your.zip' );

/* can not open ..? are you kidding me ..? */
if ( true !== $res )
    throw new Exception( 'Can Not Open Zip File / ' . $res );

/* default value of file encoding ... */
$encoding = 'EMTPY';

/* controller ... change this if mb_detect_encoding return wrong answer ... */
$controller = null;

/* get file list ... */
for ( $i = 0; $i numFiles; ++ $i ) {

    /* get file encoding ... */
    $encoding = mb_detect_encoding( $zip->getNameIndex( $i ), $controller );

    /* we do not need english named files ... */
    if ( 'ASCII' !== $encoding ) break;

}

/* clean table ... */
$zip->close();

/* simply output ... */
echo $encoding;

代码就是这样了 ... 根据文件名来判断系统 ...

简体中文的 windows 会返回 EUC-CN ... 繁体中文我猜测应该是 EUC-TW 或者 BIG5 ...

Linux 和 MacOS 都是 UTF-8 ... 纯英文的文件就别捣乱了 ...

应该是有编码问题，举例说明：mac下的压缩，如果文件是中文名，到win下面解压的时候全部是乱码。所以在mac下面压缩的时候，都尽量只用英文文件名。

11年的时候，有人提过类似问题：http://bbs.csdn.net/topics/370123319 ，文中的解决方案是说：查看http://www.pkware.com/documents/cases...，并搜索“Info-ZIP Unicode Path Extra Field”

搜索完这段内容：

4.6 Third Party Mappings
------------------------
                 
   4.6.1 Third party mappings commonly used are:

          0x07c8        Macintosh
          0x2605        ZipIt Macintosh
          0x2705        ZipIt Macintosh 1.3.5+
          0x2805        ZipIt Macintosh 1.3.5+
          0x334d        Info-ZIP Macintosh
          0x4341        Acorn/SparkFS 
          0x4453        Windows NT security descriptor (binary ACL)
          0x4704        VM/CMS
          0x470f        MVS
          0x4b46        FWKCS MD5 (see below)
          0x4c41        OS/2 access control list (text ACL)
          0x4d49        Info-ZIP OpenVMS
          0x4f4c        Xceed original location extra field
          0x5356        AOS/VS (ACL)
          0x5455        extended timestamp
          0x554e        Xceed unicode extra field
          0x5855        Info-ZIP UNIX (original, also OS/2, NT, etc)
          0x6375        Info-ZIP Unicode Comment Extra Field
          0x6542        BeOS/BeBox
          0x7075        Info-ZIP Unicode Path Extra Field
          0x756e        ASi UNIX
          0x7855        Info-ZIP UNIX (new)
          0xa220        Microsoft Open Packaging Growth Hint
          0xfd4a        SMS/QDOS

希望有用。

@Ven 就是文件名的编码吧，稍微改了下楼上的代码，我的系统是linux，所以要把非UTF-8的重新编码为UTF-8

open($zipfile_name);
    if(true !== $res)
        throw new Exception('Can Not Open Zip File '.$res);

    $encoding = "UTF-8";
    $controller = array("ASCII","UTF-8", "GB2312", "GBK", "BIG5");

    for($i = 0; $i numFiles; ++ $i){
        $entry = $zip->getNameIndex($i);
        $encoding = mb_detect_encoding($entry, $controller);
        if( "UTF-8" !== $encoding)
            $entry = iconv($encoding, "UTF-8", $entry);
        echo $entry." ---> ".$encoding.chr(10);
    }
    $zip->close();
}
detect_encoding($argv[1]);
?>

正确答案见@Sunyanzi 的回答，这里再补充一些。
由于Windows系统的历史原因，部分压缩软件生成的zip包，在用mb_detect_encoding()检查文件名的编码时，会得到类似“CP936”这样的结果。我当时在这里被搞晕了，以为函数没能正确检测到编码。实际上CP936是微软自己的一套标准，基本上等于GBK。
而关于其他的“CP***”的编码对应关系，或许可以参看这篇文章：Windows代码页

ZIP格式，似乎文件名没有编码这一说。
至于你说的解压缩出现乱码，这是解压缩软件的问题……