encoding - 用PHP如何检测一个ZIP包内的文件是在何种编码的系统下创建的
事情起源于在WIN下创建的zip放到linux下解压时，中文路径和文件名会出现乱码，于是动手写了个脚本转换zip内文件名的代码。但是，如果是在日语、韩语或者繁体字WIN系统下建立的zip，由于不知道原始编码格式，导致无法转码。
怎么解。。。
事情起源于在WIN下创建的zip放到linux下解压时，中文路径和文件名会出现乱码，于是动手写了个脚本转换zip内文件名的代码。但是，如果是在日语、韩语或者繁体字WIN系统下建立的zip，由于不知道原始编码格式，导致无法转码。
怎么解。。。
PHPz2017-04-10 14:27:17
LZ 的 id 看着眼熟 ... 这么多年了还在问这个等级的问题 ... 你也不容易啊你 ...
<?php
/* well ... prepare our zip file ... */
$zip = new ZipArchive;
$res = $zip->open( '/path/to/your.zip' );
/* can not open ..? are you kidding me ..? */
if ( true !== $res )
throw new Exception( 'Can Not Open Zip File / ' . $res );
/* default value of file encoding ... */
$encoding = 'EMTPY';
/* controller ... change this if mb_detect_encoding return wrong answer ... */
$controller = null;
/* get file list ... */
for ( $i = 0; $i < $zip->numFiles; ++ $i ) {
/* get file encoding ... */
$encoding = mb_detect_encoding( $zip->getNameIndex( $i ), $controller );
/* we do not need english named files ... */
if ( 'ASCII' !== $encoding ) break;
}
/* clean table ... */
$zip->close();
/* simply output ... */
echo $encoding;
代码就是这样了 ... 根据文件名来判断系统 ...
简体中文的 windows 会返回 EUC-CN ... 繁体中文我猜测应该是 EUC-TW 或者 BIG5 ...
Linux 和 MacOS 都是 UTF-8 ... 纯英文的文件就别捣乱了 ...
ringa_lee2017-04-10 14:27:17
应该是有编码问题，举例说明：mac下的压缩，如果文件是中文名，到win下面解压的时候全部是乱码。所以在mac下面压缩的时候，都尽量只用英文文件名。
11年的时候，有人提过类似问题：http://bbs.csdn.net/topics/370123319 ，文中的解决方案是说：查看http://www.pkware.com/documents/cases...，并搜索“Info-ZIP Unicode Path Extra Field”
搜索完这段内容：
4.6 Third Party Mappings
------------------------
4.6.1 Third party mappings commonly used are:
0x07c8 Macintosh
0x2605 ZipIt Macintosh
0x2705 ZipIt Macintosh 1.3.5+
0x2805 ZipIt Macintosh 1.3.5+
0x334d Info-ZIP Macintosh
0x4341 Acorn/SparkFS
0x4453 Windows NT security descriptor (binary ACL)
0x4704 VM/CMS
0x470f MVS
0x4b46 FWKCS MD5 (see below)
0x4c41 OS/2 access control list (text ACL)
0x4d49 Info-ZIP OpenVMS
0x4f4c Xceed original location extra field
0x5356 AOS/VS (ACL)
0x5455 extended timestamp
0x554e Xceed unicode extra field
0x5855 Info-ZIP UNIX (original, also OS/2, NT, etc)
0x6375 Info-ZIP Unicode Comment Extra Field
0x6542 BeOS/BeBox
0x7075 Info-ZIP Unicode Path Extra Field
0x756e ASi UNIX
0x7855 Info-ZIP UNIX (new)
0xa220 Microsoft Open Packaging Growth Hint
0xfd4a SMS/QDOS
希望有用。
阿神2017-04-10 14:27:17
@Ven 就是文件名的编码吧，稍微改了下楼上的代码，我的系统是linux，所以要把非UTF-8的重新编码为UTF-8
<?php
function detect_encoding($zipfile_name){
$zip = new ZipArchive;
$res = $zip->open($zipfile_name);
if(true !== $res)
throw new Exception('Can Not Open Zip File '.$res);
$encoding = "UTF-8";
$controller = array("ASCII","UTF-8", "GB2312", "GBK", "BIG5");
for($i = 0; $i < $zip->numFiles; ++ $i){
$entry = $zip->getNameIndex($i);
$encoding = mb_detect_encoding($entry, $controller);
if( "UTF-8" !== $encoding)
$entry = iconv($encoding, "UTF-8", $entry);
echo $entry." ---> ".$encoding.chr(10);
}
$zip->close();
}
detect_encoding($argv[1]);
?>
巴扎黑2017-04-10 14:27:17
正确答案见@Sunyanzi 的回答，这里再补充一些。
由于Windows系统的历史原因，部分压缩软件生成的zip包，在用mb_detect_encoding()检查文件名的编码时，会得到类似“CP936”这样的结果。我当时在这里被搞晕了，以为函数没能正确检测到编码。实际上CP936是微软自己的一套标准，基本上等于GBK。
而关于其他的“CP***”的编码对应关系，或许可以参看这篇文章：Windows代码页
