Java，解压缩文件名中带有德语字符的文件夹

Question

我正在尝试解压缩其中包含德语字符的文件夹，例如 Aufhänge 。 我知道在 Java 7 中，它默认使用 utf-8，我认为“ä”是 utf-8 字符之一。 这是我的代码 sn-p

public static void main(String[] args) throws IOException {
    ZipInputStream zipInputStream = new ZipInputStream(new FileInputStream(ZIP_PATH), StandardCharsets.UTF_8);
    ZipEntry zipEntry;
    while ((zipEntry = zipInputStream.getNextEntry()) != null) {
        System.out.println(zipEntry.getName());
    }
}

这是我得到的错误：java.lang.IllegalArgumentException: MALFORMED

它适用于 Charset.forName("Cp437")，但不适用于 StandardCharsets.UTF_8

Answer 1

您没有提及您的操作系统，也没有提及您是如何创建 zip 文件的，但无论如何我设法在 Windows 10 上使用 7-Zip 重现了您的问题：

• 创建一个包含一些琐碎内容的简单文本文件（例如，只有三个字符“abc”）。
• 将文件另存为 D:\Temp\Aufhänge.txt。请注意文件名中的变音符号。
• 在 Windows 文件资源管理器中找到该文件。
• 选择文件并右键单击。从上下文菜单中选择 7-Zip > Add to "Aufhänge.zip" 以创建 Aufhänge.zip。

然后，在 NetBeans 中运行以下代码来解压缩刚刚创建的文件：

import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.IOException;
import java.nio.charset.Charset;
import java.util.zip.ZipEntry;
import java.util.zip.ZipInputStream;

public class GermanZip {

    static String ZIP_PATH = "D:\\Temp\\Aufhänge.zip";

    public static void main(String[] args) throws FileNotFoundException, IOException {

        ZipInputStream zipInputStream = new ZipInputStream(new FileInputStream(ZIP_PATH), Charset.forName("UTF-8"));
        ZipEntry zipEntry;
        while ((zipEntry = zipInputStream.getNextEntry()) != null) {
            System.out.println(zipEntry.getName());
        }
    }

}

正如您所指出的，代码在执行此语句时抛出java.lang.IllegalArgumentException: MALFORMED：zipEntry = zipInputStream.getNextEntry()) != null。

问题出现是因为默认情况下 7-Zip 使用 Cp437 对 zip 文件中的文件名进行编码，如 this comment from 7-Zip 中所述：

默认编码为 OEM (DOS) 编码。这是为了兼容 旧的 zip 软件。

这就是为什么在使用 Charset.forName("Cp437") 而不是 Charset.forName("UTF-8") 时解压缩有效的原因。

如果您想使用 Charset.forName("UTF-8") 解压缩，则必须强制 7-Zip 以 UTF-8 对 zip 中的文件名进行编码。为此，请在运行 7-Zip 时指定 cu 参数，如链接注释中所述：

• 在 Windows 文件资源管理器中选择文件并右键单击。
• 从上下文菜单中选择 7-Zip > 添加到存档..."。

• 在 Add to Archive 对话框的 Parameters 字段中指定 cu：

• 将压缩后的文件名存储为 UTF-8 格式后，您可以在代码中将 Charset.forName("Cp437") 替换为 Charset.forName("UTF-8")，解压时不会抛出异常。

此答案特定于 Windows 10 和 7-Zip，但一般原则应适用于任何环境：如果为您的 ZipInputStream 指定 UTF-8 编码，请确保 zip 文件中的文件名确实经过编码使用 UTF-8。您可以通过在二进制编辑器中打开 zip 文件并搜索压缩文件的名称来轻松验证这一点。

---

根据以下 OP 的评论/问题进行更新：

• 不幸的是，.ZIP File Format Specification 目前不提供一种方法来存储用于压缩文件名的编码，除了一个例外，如“附录 D - 语言编码 (EFS)”中所述：

  D.2 如果未设置通用位 11，则文件名和注释 应该符合原始 ZIP 字符编码。 如果一般 目的位 11 已设置，文件名和注释必须支持 Unicode 标准，版本 4.1.0 或更高版本，使用该字符 UTF-8 存储规范定义的编码形式。 Unicode 标准由 Unicode 联盟发布 (www.unicode.org)。存储在 ZIP 文件中的 UTF-8 编码数据是 预计不包含字节顺序标记 (BOM)。

• 所以在您的代码中，对于每个压缩文件，首先检查是否设置了 通用位标志 的位 11。如果是，那么您可以确定该压缩文件的名称是使用 UTF-8 编码的。否则，编码就是创建压缩文件时使用的任何编码。在 Windows 上默认为 Cp437，但如果您在 Windows 上运行并处理在 Linux 上创建的 zip 文件，我认为没有一种简单的方法可以确定使用的编码。

• 很遗憾，ZipEntry 没有提供访问压缩文件的通用位标志字段的方法，因此您需要在字节级别处理压缩文件。
• 更复杂的是，本文中的“编码”与用于每个压缩文件名的编码相关，而不是用于压缩文件本身。一个压缩文件名可以使用 UTF-8 编码，另一个压缩文件名可以使用 Cp437 等添加。