zip 文件中西里尔文文件名的编码

Question

这里有一些关于以流形式存储在 zip 文件（希伯来语、中文、日语或韩语）中的文件名称中的非 ASCII 字母的问题。然而，提供的解决方案都没有帮助我使用来自 Windows 机器的带有西里尔字母的 zipfile。

该文件本身有一个西里尔文名称（??????.zip - 可下载链接）。这是一个包含零长度内容的档案，仅用于说明目的。

unzip -l 印刷：

Archive:  ??????.zip
  Length      Date    Time    Name
---------  ---------- -----   ----
        0  2017-05-03 18:19   ???????/ict_inf.pdf
---------                     -------
        0                     1 file

丑陋???????代表字节序列C9 AB DF E8 AB DF BC AB DF。

我知道（通过使用 GMail 预览功能）这应该是

Archive:  ??????.zip
  Length      Date    Time    Name
---------  ---------- -----   ----
        0  2017-05-03 18:19   ?????????/ict_inf.pdf
---------                     -------
        0                     1 file

那就是我们需要映射C9 AB DF E8 AB DF BC AB DF到?????????.

有几种常用的 8 位西里尔文编码：CP1251、CP866、ISO8859-5，但是他们会将这个字编码为不同的字节序列：

           ?  ?  ?  ?  ?  ?  ?  ?  ?
CP866:     90 AE E1 8A AE E1 AC AE E1
CP1251:    D0 EE F1 CA EE F1 EC EE F1
ISO8859-5: C0 DE E1 BA DE E1 DC DE E1

显然，常用的 8 位西里尔文编码都不会像这样将输入名称解码为输出名称。这里有一些更复杂的事情在起作用。

如果我们知道如何解码名称，那么使用适当的find脚本（https://unix.stackexchange.com/a/252000/17649）在提取后重命名文件将很容易，例如

find -mindepth 1 -exec sh -c 'mv "$1" "$(echo "$1" | here-goes-the-decoding pipeline )"' sh {} \;

或convvv实用程序。

Answer 1

我在 OpenNET.ru 论坛上找到了一个解决方案，这是一个流行的俄语资源，自 1996 年以来一直致力于开源软件和技术。OpenNET 上的一篇文章表明 Info-ZIP，曾经是处理 ZIP 的流行工具集运行 MS-DOS 的计算机上的存档假定在 MS-DOS 上只有一种 8 位编码，即 CP850，因此所有文件名都通过CP850->CP1252转换自动运行。CP1252 可能被选为最流行的 ISO-8859-1 字符集编码近似值。

因此，在提取包含西里尔文文件名的存档后运行的正确 find 命令将是

find -mindepth 1 -exec sh -c 'mv "$1" "$(echo "$1" | iconv -f cp1252 -t cp850 | iconv -f cp866 )"' sh {} \;

有趣的是，可以找到不使用 CP1252 而是使用 ISO-8859-1 的建议。情况似乎并非如此，因为我遇到的一些档案iconv -f iso8859-1 -t cp850在iconv -f cp1252 -t cp850成功转换时失败。

回到个人角色

           ?  ?  ?  ?  ?  ?  ?  ?  ?
CP866:     90 AE E1 8A AE E1 AC AE E1

现在应用 CP850 -> CP1252 结果是C9 AB DF E8 AB DF BC AB DF. 正是我们观察到的序列。

另一个有用的命令是

 unzip -l ?????????.zip | grep -aEv '^Archive:' | iconv -f iso8859-1 -t cp850 | iconv -f cp866

从存档中获取文件列表

 Length      Date    Time    Name
---------  ---------- -----   ----
        0  2017-05-03 18:19   ?????????/ict_inf.pdf
---------                     -------
        0                     1 file

过滤掉以开头的行Archive:是一种保护，以隐藏存档名称以防止转换。

Answer 2

与“最近”infozip 一起使用的 ZIP 文件显示正确的文件名：

\n\n

unzip -l Russian-\xd0\x9a\xd0\xbe\xd1\x81\xd0\xbc\xd0\xbe\xd1\x81.zip \nArchive:  Russian-\xd0\x9a\xd0\xbe\xd1\x81\xd0\xbc\xd0\xbe\xd1\x81.zip\n  Length      Date    Time    Name\n---------  ---------- -----   ----\n        0  2017-05-03 18:19   \xd0\xa0\xd0\xbe\xd1\x81\xd0\x9a\xd0\xbe\xd1\x81\xd0\xbc\xd0\xbe\xd1\x81/ict_inf.pdf\n---------                     -------\n        0                     1 file\n\n

\n\n

并且 unzip 在解压时正确创建\xd0\xa0\xd0\xbe\xd1\x81\xd0\x9a\xd0\xbe\xd1\x81\xd0\xbc\xd0\xbe\xd1\x81/目录。

\n\n

infozip 很久以前就添加了 UTF-8 支持。我的 Ubuntu 上的可执行文件：

\n\n

UnZip 6.00, 20 April 2009\nZip 3.0,  July 5th 2008\n

\n\n

所以你的问题可能是一个古老的InfoZip版本（或者是没有UTF-8支持编译的版本）

\n\n

在我的版本中，strings /usr/bin/unzip | grep -A8 -B8 \'UTF-8\'除其他外，产生：

\n\n

ZIP64_SUPPORT (archives using Zip64 for large files supported)\nLARGE_FILE_SUPPORT (large files over 2 GiB supported)\nother\nUTF-8\nUNICODE_SUPPORT [wide-chars, char coding: %s] (handle UTF-8 paths)\nUSE_DEFLATE64 (PKZIP 4.x Deflate64(tm) supported)\nUSE_UNSHRINK (PKZIP/Zip 1.x unshrinking method supported)\n

\n\n

这似乎与编译/构建选项有关

\n