正确解码zip条目文件名称
我最近编写了一个名为zipzap的zip文件I / O库，但我正努力从任意zip文件正确解码zip条目文件名。
现在，PKWARE规范指出：
D.1 ZIP格式历来只支持原始的IBM PC字符编码集，通常称为IBM Code Page 437 ......
D.2如果未设置通用第11位，则文件名和注释应符合原始ZIP字符编码。 如果设置了通用第11位，则文件名和注释必须使用UTF-8存储规范定义的字符编码格式支持Unicode标准，版本4.1.0或更高版本...
这意味着符合zip文件将文件名称编码为CP437，除非设置了EFS位，在这种情况下，文件名是UTF-8。
不幸的是，很多zip工具似乎没有正确设置EFS位（例如Mac CLI，GUI zip）或使用其他编码，通常是默认系统（例如WinZip？）。 如果您知道WinZip，7-Zip，Info-Zip，PKZIP，Java JAR / Zip，.NET zip，dotnetzip等编码文件名以及他们将其“版本设置”字段设置为压缩时的情况，请告诉我。
特别是，Info-Zip在解压缩时会尝试这样做：
如果我想支持检查或从任意zip文件中提取，并且在没有EFS标志的情况下合理地尝试文件名编码 ，我可以寻找什么？
确定文件名是否使用UTF-8编码而不使用EFS标志的唯一方法是检查是否在其中一个字符中设置了高位。 这可能意味着该字符是UTF-8编码的。 然而，它仍然可能是另一种方式，因为CP437中有一些字符的高位被设置，并且不能被解码为UTF-8。
我会坚持使用PKWARE应用笔记规范，而不是试图解决现有每个已知的zip应用的解决方案。
目前情况如下：
所以唯一的方法是检查文件名是否包含类似utf-8字符的内容（查看utf8编码的描述 - 第一个字节应该是110xxxxx，其次是10xxxxxx，用于2字节编码字符）。 如果它是正确的utf8字符串 - 使用utf8编码。 如果不是 - 回退到OEM / DOS编码。
链接地址: http://www.djcxy.com/p/65725.html