正确解码zip条目文件名 - CP437，UTF-8或？

Question

我最近编写了一个名为zipzap的zip文件I / O库，但我正在努力正确解码任意zip文件中的zip条目文件名。

现在，PKWARE spec州：

  

D.1 ZIP格式历来只支持原始的IBM PC角色   编码集，通常称为IBM Code Page 437 ...

     

D.2如果未设置通用位11，则文件名和注释应符合   到原始的ZIP字符编码。如果设置了通用位11，则   文件名和注释必须支持Unicode标准版本4.1.0或   使用UTF-8存储定义的字符编码格式更大   说明书...

表示符合zip的文件将文件名编码为CP437，除非设置了EFS位，在这种情况下文件名为UTF-8。

不幸的是，许多zip工具似乎没有正确设置EFS位（例如Mac CLI，GUI zip）或使用其他一些编码，通常是默认的系统编码（例如WinZip？）。如果您知道WinZip，7-Zip，Info-Zip，PKZIP，Java JAR / Zip，.NET zip，dotnetzip等如何编码文件名以及他们将“版本由”字段设置为何时 zipping < / em>，请告诉我。

特别是，当解压缩：

时，I​​nfo-Zip会尝试此操作

• 文件系统= MS-DOS（0）=＆gt; CP437
  • 除外：版本= 2.5,2.6,4.0 =＆gt; ISO 8859-1
• 文件系统= HPFS（6）=＆gt; CP437
• 文件系统= NTFS（10）和版本= 5.0 =＆gt; CP437
• 否则，ISO 8859-1

如果我想支持检查或从任意zip文件中提取并在没有EFS标志的情况下进行合理的尝试文件名编码，我还能找到什么？

Answer 1

确定文件名是否在不使用EFS标志的情况下编码为UTF-8的唯一方法是检查是否在其中一个字符中设置了高位。那可能可能意味着该字符是UTF-8编码的。但是，它仍然可能是另一种方式，因为CP437中的某些字符具有高位设置并且不打算解码为UTF-8。

我会坚持使用PKWARE应用笔记规范而不是破解试图符合现有的每个已知zip应用程序的解决方案。

Answer 2

目前的情况如下：

• 大多数Windows实现使用DOS（OEM）编码
• Mac OS zip实用程序使用utf-8，但它没有设置utf-8位标志
• * nix zip实用程序默默使用系统编码

所以唯一的方法是检查文件名是否包含utf-8字符（检查utf8编码的描述 - 第一个字节应该是110xxxxx，第二个 - 10xxxxxx用于2个字节的编码字符）。如果是正确的utf8字符串 - 使用utf8编码。如果不是 - 回退到OEM / DOS编码。