使用给定的编码解压缩 ZIP

Question

我得到了 ZIP 文件，其中包含文件，哪些文件名采用某种编码。假设我知道这些文件名的编码，但我仍然不知道如何正确解压缩它们。

这是示例文件，它包含一个文件“?SSK????吸血鬼日记????S06E12.ass”

我知道使用的编码是 GB18030（中文）

问题是 - 如何使用 unzip 或其他 CLI 实用程序在 FreeBSD 中解压缩该文件以获得正确编码的文件名？我尽我所能，但结果从来没有好。请帮忙。

我在 OSX 上试过：

MBP1:test 2ge$ bsdtar xf gb18030.zip
MBP1:test 2ge$ ls
%A1%BESSK%D7%D6L?%D7?The Vampire Diaries %CE%FC?%B9%ED%C8?%C7S06E12/      gb18030.zip
MBP1:test 2ge$ cd %A1%BESSK%D7%D6L?%D7?The\ Vampire\ Diaries\ %CE%FC?%B9%ED%C8?%C7S06E12/
MBP1:%A1%BESSK%D7%D6L?%D7?The Vampire Diaries %CE%FC?%B9%ED%C8?%C7S06E12 2ge$ ls
%A1%BESSK%D7%D6L?%D7?The Vampire Diaries %CE%FC?%B9%ED%C8?%C7S06E12.ass*
MBP1:%A1%BESSK%D7%D6L?%D7?The Vampire Diaries %CE%FC?%B9%ED%C8?%C7S06E12 2ge$ find . | iconv -f gb18030 -t utf-8
.
./%A1%BESSK%D7%D6L?%D7??he Vampire Diaries %CE%FC?%B9%ED%C8?%C7S06E12.ass 
MBP1:%A1%BESSK%D7%D6L?%D7?The Vampire Diaries %CE%FC?%B9%ED%C8?%C7S06E12 2ge$ convmv -r -f gb18030 -t utf-8 --notest .
Skipping, already UTF-8: ./%A1%BESSK%D7%D6L?%D7?The Vampire Diaries %CE%FC?%B9%ED%C8?%C7S06E12.ass
Ready!

我尝试了类似的解压缩，但我遇到了类似的问题。

谢谢，现在尝试免费的 BSD，我正在使用来自 OSX（终端）的 SSH 进行连接：

# locale
LANG=
LC_CTYPE="C"
LC_COLLATE="C"
LC_TIME="C"
LC_NUMERIC="C"
LC_MONETARY="C"
LC_MESSAGES="C"
LC_ALL=C

首先，我想正确显示中文名称。我变了

setenv LC_ALL zh_CN.GB18030
setenv LANG zh_CN.GB18030

然后我下载了文件并尝试“ls”以查看正确的字符，但不是运气。所以我想我必须先解决中文语言环境来验证何时得到正确的结果，实际上我可以比较它。你也可以帮我吗？

Answer 1

这是我在 Ubuntu 16.04 上所做的以任何编码解压缩 zip 的操作，只要我知道该编码是什么。同样的方法应该适用于 FreeBSD，因为它只依赖于广泛可用的unzip工具。

1. 我仔细检查了编码的确切名称，以免拼错：https : //www.iana.org/assignments/character-sets/character-sets.xhtml

2. 我只是跑

   $ unzip -O <encoding> <filename> -d <target_dir>
   

   或者

   $ unzip -I <encoding> <filename> -d <target_dir>
   

   在此处选择-O或-I根据说明进行选择：

   $ unzip -h
   UnZip 6.00 of 20 April 2009, by Debian. Original by Info-ZIP.
     ...
     -O CHARSET  specify a character encoding for DOS, Windows and OS/2 archives
     -I CHARSET  specify a character encoding for UNIX and other archives
     ...
   

   这意味着我只是尝试一下-O，它应该可以工作，因为没有多少人会.zip在 Unix 中创建文件......

因此，对于您的具体示例：

1. 确切的编码名称是GB18030.

2. 我使用-O标志和：

   $ unzip -O GB18030 gb18030.zip -d target_dir
   Archive:  gb18030.zip
      creating: target_dir/?SSK????The Vampire Diaries ?????S06E12/
     inflating: target_dir/?SSK????The Vampire Diaries ?????S06E12/?SSK????The Vampire Diaries ?????S06E12.ass
   

   ... 有用。

Answer 2

方法 1：使用 unar 实用程序

sudo apt-get install unar

unar -e gb18030 gb18030.zip

方法二：使用python脚本解压文件（参考https://gist.github.com/usunyu/dfc6e56af6e6caab8018bef4c3f3d452#file-gbk-unzip-py）

sudo apt-get install unar

unar -e gb18030 gb18030.zip

示例 gb18030.zip 将提取以下文件

?SSK????The Vampire Diaries ?????S06E12
?SSK????The Vampire Diaries ?????S06E12/?SSK????The Vampire Diaries ?????S06E12.ass

Answer 3

在大多数 POSIX 文件系统上，文件名只是一系列字节，由用户空间来理解它。您可以充分利用这一点。

1. 首先，使用 提取存档bsdtar，因为该unzip工具似乎会破坏文件名，而 bsdtar 将原始提取它们。（我正在 Linux 上测试这个。我猜 FreeBSD 只是称它为tar。）

   $ bsdtar xf gb18030.zip
   

2. 验证诸如此类的工具是否iconv可以成功解码名称：

   $ find . | iconv -f gb18030 -t utf-8
   

   （请注意，这仅影响find输出，而不影响文件本身。）

3. 最后用于convmv将文件名转换为 UTF-8：

   $ convmv -r -f gb18030 -t utf-8 --notest .
   

   （注意：我必须从 CPAN 安装 Encode::HanExtra 以获得 GB18030 支持，并手动添加use Encode::HanExtra;到 /usr/bin/convmv 即使它应该

4. 如果convmv不可用，请编写脚本：

   $ find . -depth | while read -r old; do
       old=./$old;
       head=${old%/*};
       tail=${old##*/};
       new=$head/$(echo "$tail" | iconv -f gb18030 -t utf-8);
       [ "$old" = "$new" ] || mv "$old" "$new";
   done
   

   （至少在 Linux 上，这有一个优势，iconv几乎总是可用的，并且它总是支持 gb18030。）

Answer 4

在 OS X 上，您可以使用名为The Unarchiver的 GUI 应用程序。它可以使用Mac App Store或Homebrew Cask 安装：

brew cask install the-unarchiver

当您使用它打开 ZIP 文件时，该应用程序允许您使用存档中文件名的预览来选择适当的编码。

Answer 5

7z 支持带有 switch 的字符集 ID -scs，例如：

7z x -scs903 some.zip

903在哪里？？？？字符集。可以在此处找到更长的字符集 ID 列表。