防止 7-Zip 生成的 ZIP 文件在 Mac OS X 下出现乱码

May 3, 2009 @ 4:08 pm · Filed under 流水账

一直以来，我发现在 Mac OS X 中，不论用 Stuffit Expander 还是命令行下的 unzip，解压缩 Windows 下生成的某些 ZIP 文件时，解出来的中文文件名会变成乱码。不过，这种情况出现的次数很少，没有引起我的重视。今天终于觉得不能忍了，以几个简单关键词在 Google 上搜索，好像没有发现专门说这件事情的。于是决心花点时间研究它。

我在 Windows 下的 ZIP 文件大多数是用 7-Zip 这个自由软件生成的。虽然它的强项在于自己的 7z 格式，不过出于兼容性的考虑，我只是用它压缩 ZIP 格式文件，并解压缩所有常见的压缩文件格式。ZIP 文件标准自创立之初就没有、现在也没有记录文件名编码的信息，所以有很大一批 ZIP 文件都是以压缩包的创建者本地 locale 编码的，比如我遇到问题的几个 ZIP 文件内部的文件名就是用简体中文 GBK 编码的。而我 Mac OS X 的 locale 是 en_US.UTF-8，解开后自然不能正确识别 GBK 编码的文件名了。

阅读了 ZIP 文件格式这个 Wikipedia 条目，我发现最新的 ZIP 标准中建议使用 UTF-8 作为文件名的编码。这一点并不出乎意料，显然对于跨平台的需求，UTF-8 的编码是最理想的选择。下面的问题就是如何让 7-Zip 生成以 UTF-8 编码被压缩文件名的 ZIP 文件了。

在 Windows 下进行试验，我发现一个有意思的现象：当 Windows 系统的 locale 为简体中文(中国)时（“控制面板-区域和语言选项-高级-为非Unicode程序的语言选择 – Chinese (PRC)”），7-Zip 压缩出来的 ZIP 文件以 GBK 编码被压缩文件名；而当 Windows 系统的 locale 为英语(美国)时，压缩出来的 ZIP 文件编码竟然是 UTF-8！此外，在中文 locale 下，不论是以 GBK 还是 UTF-8 编码文件名的 ZIP 文件都能正常解开；而在英文 locale 下，只能解开 UTF-8 编码的文件，GBK 编码的文件解出来就是乱码。这表明， 7-Zip 是有处理 UTF-8 编码文件名的功能的。但是，为什么仅仅对英语(美国)代码页（也就是最基本的 ASCII ）才会使用 UTF-8 呢？

继续查找，发现 UTF-8 的版本历史里面，自从 4.58 版本以来引入了 ZIP 内部文件名编码的概念。默认模式是，对于生成 ZIP 文件的文件名，如果当前 locale 代码页中有相应字符，就用当前代码页；如果没有，就使用 UTF-8。同时，7-Zip 也提供了两个模式，强制以 UTF-8 编码文件名，或强制以当前 locale 编码文件名（即不作转换）。

了解了这一点，解决方法就变得简单了：压缩 ZIP 文件时，使用 -mcu 选项强制使用 UTF-8 作为压缩文件名的编码。图形界面中的操作如下：

需要注意的是，7-Zip 的 Explorer shell 右键菜单中“Add to .zip” 这个项目只能以默认参数生成 ZIP 文件。如果希望生成在其他平台不出现乱码的 UTF-8 编码 ZIP 文件，就只能使用 “Add to archive…” 菜单项了。