Tarfile 在 .tar.gz 归档中产生乱码文件名

Question

在windows上，当文件路径中有汉字时，tar.gz中的汉字会出现乱码，解压后还是乱码。

Answer 1

这一切都在文档中的Unicode issues 中进行了解释。

对于 PAX 之前的所有 tarball 格式（包括 tarfile 使用的默认格式），文件名都存储在“本地文件系统编码”中。压缩程序必须对解压缩程序想要什么进行疯狂的猜测，反之亦然。如果你不猜你的程序，Python 会帮你猜，猜 UTF-8。请参阅TarFile，它说明如果您不指定任何内容，它将使用ENCODING，以及ENCODING，它说明它在Windows 上默认为'utf-8'。

所以，有三种解决方案：

1. 使用 PAX 格式的压缩包。这很容易;只需将format=tarfile.PAX_FORMAT 传递给TarFile 构造函数。 （您也可以设置tarfile.DEFAULT_FORMAT = tarfile.PAX_FORMAT 来更改默认值。）只要您用来解压的工具理解PAX，就可以了。
2. 找出您的解压缩工具需要哪种编码，并通过将 format='big5' 传递给 TarFile 构造函数来明确指定。 （您也可以设置 tarfile.ENCODING='big5' 来更改默认值。）同样，您的工具很有可能使用系统配置的 OEM 字符集，但不能保证这一点，而且在不知道您使用的是什么工具的情况下，我不能给出有关如何解决的更多详细信息。
3. 让 Python 使用 UTF-8，并说服您的解压工具读取 UTF-8 而不是胡乱猜测。在不知道您使用的是哪种工具的情况下，我无法提供更详细的信息。