C#中的德语字母和编码

Question

我有一个解压缩功能,我System.Text.Encoding用来确保提取后的文件在提取后保持相同的名称,因为我解压缩的文件通常包含德语字母.
我尝试了不同的东西Encoding.Default,Encoding.UTF8但是没有任何作品 äÄéöÖüß.txt被转换为„Ž‚”™á.txt或默认情况下它是黑盒子:/

有什么建议？

using (ZipArchive archive = System.IO.Compression.ZipFile.Open(ZipFile, ZipArchiveMode.Read, System.Text.Encoding.Default))
{

    foreach (ZipArchiveEntry entry in archive.Entries)
    {
        string fullPath = Path.Combine(appPath, entry.FullName);
        if (String.IsNullOrEmpty(entry.Name))
        {
            Directory.CreateDirectory(fullPath);
        }
        else
        {
            if (!entry.Name.Equals("Updater.exe"))
            {
                entry.ExtractToFile(fullPath,true);

            }
        }
    }
}

Answer 1

首先,唯一的官方(不存在...)ZIP格式不允许使用Unicode字符(那么您不能使用除ASCII之外的任何编码).

也就是说许多工具和库允许您使用不同的编码,但它可能会失败(例如,如果您尝试解码强制 UTF8/UTF32或任何使用其他编码编码的文件).

如果文件名以ASCII编码,它将获得系统的代码页:

对于仅包含ASCII字符的条目名称,将设置语言编码标志,并使用当前系统默认代码页对条目名称进行编码.

对于这个主题,你没有对.NET类有如此大的控制权.但是如果你没有指定编码,你将获得默认行为(UTF8表示ASCII之外的代码和ASCII的当前代码页).大多数情况下它是有效的(如果编码和解码都在相同的代码页内完成).

怎么避免这个？这并不容易(因为我们缺乏标准),但总结一下:

• 不要强制编码(除非您使用已压缩的zip文件,然后使用已知编码).
• 在大多数情况下,默认行为非常好.
• 对于具有扩展字符的 ASCII编码ZIP 依赖于系统代码页(在两个系统中它必须相同).
• 为用户提供一种更改编码的方法(您无法检查zip实用程序使用的编码,并且没有关于此的标准).这意味着不仅要更改编码(UTF8/UTF16或其他),还要更改代码页(如果它们不匹配).GetEncoding函数将为您指定的代码页提供正确的编码器.

最好的提示,我可以给你？依赖于默认行为(它很常见)但是如果您需要与大多数ZIP兼容(因为每个ZIP可能以不同的方式实现),为用户提供一种更改它的方法,不仅仅是为了编码而是为了代码页也是.特别是不要用德语特定代码页的代码强制它,因为它会打破您将处理的第一个西班牙语/法语/意大利语/荷兰语文件(并且没有它们的公共代码页).

如果您打开错误编码的文件(而不是代码页),BTW准备好处理各种异常.

为未来的读者编辑(来自评论): CP 850捕获了大多数西欧常见字符,但它不是欧洲的代码页.例如,将它与东欧语言或挪威语进行比较.它与它们不匹配(并且在语言中33-127范围之外的字符非常常见,因为它们不是盒子绘图).CP 850 Ê Ë ı(用于Norsk语言)中没有(例如)CP 850中的某些字符(例如).

让我举个例子来解释一下.你有一个文件名(来自Trukey),名称为:"GaripDosyaAdı.txt".最后一个字符在CP 857(土耳其)上有代码141.如果你使用CP 850,你会得到ì而不是ı因为在最初的CP 850中它有代码213.我甚至不会提到远东语言(因为即使你被限制在一个固定的代码页也会变得混乱欧洲).这是您无法设置固定代码页的原因,除非您正在编写一个小实用程序供您自己使用.

Answer 2

试用CodePage 850(对我有用):

using (ZipArchive archive = System.IO.Compression.ZipFile.Open(ZipFile, ZipArchiveMode.Read,  System.Text.Encoding.GetEncoding(850)))
{
      // ....

下一个评论来自(一个古老的版本)Sharpziplib,它让我朝着正确的方向前进:

    /* Using the codepage 1252 doesn't solve the 8bit ASCII problem :/
       any help would be appreciated.

      // get encoding for latin characters (like ö, ü, ß or ô)
      static Encoding ecp1252 = Encoding.GetEncoding(1252);
    */

    // private static Encoding _encoding = System.Text.ASCIIEncoding;
    private static Encoding _encoding = System.Text.Encoding.GetEncoding(850);

最后一行是我的更改,使其正确读取带有特殊字符的zip文件.