今天项目中遇到了中文编码的zip文件，处理了蛮长时间，所以记录下，以免下次踩坑。
python2下
python2中读取zip文件，zipfile.zipinfo的filename类型是str，基本上类似于python3中的bytes，即可以被decode为unicode。
所以，要处理中文，只需要将文件名按照编码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') # 如果要更加详细的区分bytes/str/unicode的语义 print bytes(fileinfo.filename).decode('gb18030') |
python3下
python3中，language encoding flag (efs)如果是1，则按照utf8来处理文件编码，efs如果为0，则直接按照cp437解码文件名。这是标准直接规定的。
但是，很多软件在制作zip压缩包的时候，直接使用gb18030或者其他非标准编码格式来编码文件名，所以我们还得将文件名反转为bytes，然后再使用对应的编码方式解码：
|
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，那直接根据文件名智能猜测文件编码，然后解压就好。但是由于单个文件名太短，chardet的猜测可能不准，所以我们可以直接将所有的文件名连接起来，猜测编码。
代码请参考 mczip ，兼容python2和python3。
总结
以上所述是小编给大家介绍的python 2/3下处理cjk编码的zip文件的方法,希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对服务器之家网站的支持！
如果你觉得本文对你有帮助，欢迎转载，烦请注明出处，谢谢！原文链接：https://www.robberphex.com/2019/04/1022
