11

我有一个解压缩功能，我使用System.Text.Encoding它来确保正在提取的文件在提取后保持相同的名称，因为通常我正在解压缩的文件包含德语字母。
我尝试了不同的东西，Encoding.Default或者Encoding.UTF8但没有任何工作 äÄéöÖüß.txt被转换为„Ž‚”™á.txt或者在默认情况下它是黑匣子：/

有什么建议么？

using (ZipArchive archive = System.IO.Compression.ZipFile.Open(ZipFile, ZipArchiveMode.Read, System.Text.Encoding.Default))
{

    foreach (ZipArchiveEntry entry in archive.Entries)
    {
        string fullPath = Path.Combine(appPath, entry.FullName);
        if (String.IsNullOrEmpty(entry.Name))
        {
            Directory.CreateDirectory(fullPath);
        }
        else
        {
            if (!entry.Name.Equals("Updater.exe"))
            {
                entry.ExtractToFile(fullPath,true);

            }
        }
    }
}
4

3 回答 3

12

尝试 CodePage 850（对我有用）：

using (ZipArchive archive = System.IO.Compression.ZipFile.Open(ZipFile, ZipArchiveMode.Read,  System.Text.Encoding.GetEncoding(850)))
{
      // ....

下一条评论来自 Sharpziplib（一个古老的版本），它让我朝着正确的方向前进：

    /* Using the codepage 1252 doesn't solve the 8bit ASCII problem :/
       any help would be appreciated.

      // get encoding for latin characters (like ö, ü, ß or ô)
      static Encoding ecp1252 = Encoding.GetEncoding(1252);
    */

    // private static Encoding _encoding = System.Text.ASCIIEncoding;
    private static Encoding _encoding = System.Text.Encoding.GetEncoding(850);

最后一行是我的更改，使其正确读取带有特殊字符的 zip 文件。

于 2013-11-15T09:26:10.177 回答
11

首先，唯一的官方（不存在...）ZIP 格式不允许使用 Unicode 字符（那么您不能使用除 ASCII 以外的任何编码）。

也就是说，许多工具和库允许您使用不同的编码，但它可能会失败（例如，如果您尝试解码强制UTF8/UTF32 或任何用另一种编码编码的文件）。

如果文件名以 ASCII 编码，它将获得系统的代码页：

对于仅包含 ASCII 字符的条目名称，设置语言编码标志，并使用当前系统默认代码页对条目名称进行编码。

对于这个主题，您对 .NET 类没有这么大的控制力。但是，如果您不指定编码，您将获得默认行为（UTF8 用于 ASCII 以外的代码，当前代码页用于 ASCII）。大多数时候它可以工作（如果编码和解码都在同一个代码页中完成）。

如何避免这种情况？这并不容易（因为我们缺乏标准），但总结一下：

  • 不要强制编码（除非您使用的是使用已知编码压缩的 zip 文件）。
  • 在大多数情况下，默认行为非常好。
  • 对于带有扩展字符的 ASCII 编码 ZIP，依赖于系统代码页（在两个系统中必须相同）。
  • 为用户提供更改编码的方法（您无法检查 zip 实用程序使用的编码，并且对此没有标准）。这不仅意味着更改编码（UTF8/UTF16 或其他），还意味着更改代码页（以防它们不匹配）。GetEncoding函数将为您提供您指定的代码页的正确编码器）。

我能给你的最好的提示？依赖默认行为（这很常见），但如果您需要与大多数 ZIP 兼容（因为每个 ZIP 可能以不同的方式实现），请为您的用户提供一种更改它的方法，不仅用于编码，而且用于代码页也是。特别是不要从具有德语特定代码页的代码中强制它，因为它会与您将处理的第一个西班牙语/法语/意大利语/荷兰语文件中断（并且它们没有通用代码页）。

顺便说一句，如果您打开编码错误的文件（不是代码页），请准备好处理各种异常。

为未来的读者编辑（来自评论）： CP 850 捕获了大多数常见的西欧字符，但它不是欧洲的代码页。例如，将其与东欧语言或挪威语进行比较。它与它们不匹配（并且在 33-127 范围之外的语言字符非常常见，因为它们不是方框图）。CP 850（Ê Ë ı例如）中的某些字符在（比如说）CP 865（用于挪威语）中不可用。

让我用一个例子来解释。您有一个具有以下名称的文件名（来自 Trukey）：“Garip Dosya Adı.txt”。最后一个字符在 CP 857（土耳其）上的代码为 141。如果您使用的是 CP 850，您会得到ì，而不是ı因为在原始 CP 850 中它的代码为 213。我什至不会提及远东语言（因为即使您受限于固定的代码页也会造成混乱欧洲）。这就是您无法设置固定代码页的原因，除非您正在编写一个小型实用程序供自己使用。

于 2013-11-15T09:20:58.323 回答
1

我使用了以下库：

using System.IO;
using System.Text;

在以下方法中使用Encoding.Latin1 ：

File.ReadAllLinesAsync(filePath, Encoding.Latin1, cancellationToken);

这在我的情况下有效。

于 2021-10-21T08:16:50.543 回答