今天項目中遇到了中文編碼的zip文件，處理了蠻長時間，所以記錄下，以免下次踩坑。
python2下
python2中讀取zip文件，zipfile.zipinfo的filename類型是str，基本上類似于python3中的bytes，即可以被decode為unicode。
所以，要處理中文，只需要將文件名按照編碼decode成unicode就好。
|
1
2
3
4
5
6
7
|
import zipfilefpath = '/path/to/zip.zip'zfile = zipfile.zipfile(fpath, 'r')for fileinfo in zfile.filelist: print fileinfo.filename.decode('gb18030') # 如果要更加詳細的區分bytes/str/unicode的語義 print bytes(fileinfo.filename).decode('gb18030') |
python3下
python3中，language encoding flag (efs)如果是1，則按照utf8來處理文件編碼，efs如果為0，則直接按照cp437解碼文件名。這是標準直接規定的。
但是，很多軟件在制作zip壓縮包的時候，直接使用gb18030或者其他非標準編碼格式來編碼文件名，所以我們還得將文件名反轉為bytes，然后再使用對應的編碼方式解碼：
|
1
2
3
4
|
fpath = '/path/to/zip.zip'zfile = zipfile.zipfile(fpath, 'r')for fileinfo in zfile.filelist: print(fileinfo.filename.encode('cp437').decode('gb18030')) |
方法都有了，那直接根據文件名智能猜測文件編碼，然后解壓就好。但是由于單個文件名太短，chardet的猜測可能不準，所以我們可以直接將所有的文件名連接起來，猜測編碼。
代碼請參考 mczip ，兼容python2和python3。
總結
以上所述是小編給大家介紹的python 2/3下處理cjk編碼的zip文件的方法,希望對大家有所幫助，如果大家有任何疑問請給我留言，小編會及時回復大家的。在此也非常感謝大家對服務器之家網站的支持！
如果你覺得本文對你有幫助，歡迎轉載，煩請注明出處，謝謝！原文鏈接：https://www.robberphex.com/2019/04/1022
