解决python中用zipfile解压缩文件时中文文件名乱码的问题

来源：http://blog.sina.com.cn/s/blog_5805e98101012uzv.html

万恶的编码！！！！！！！！！！

学习 python 2.x 时就被时不时出现的中文乱码问题搞得头大，无奈用起来资料挺少、支持不多的 python 3.x，没想到昨天来解压缩一大堆文件时仍然遇到乱码的问题，对 python 3.x 失望之极。不得已，又拿起C#来解决。其实在C#中也有乱码的问题，最终是用 FileStream 变相解决的。

所以其实最初可能冤枉了 python 3.x 了，自它采用 unicode 之后，乱码问题其实少多了，有的时候还是不熟练。

今天又硬着头皮看 ZipFile 的源代码，在一堆英文资料中翻来翻去。其实这一 bug 已经早被提出来了，只是没有解决，可能是负责解决问题的大牛们都不用中文系统，尤其是都不用中文Windows系统，所以官方居然说已经修复了。

下面说一下原因及解决办法。

在zip标准中，对文件名的 encoding 用的不是 unicode，而可能是各种软件根据系统的默认字符集来采用（此为猜测），因此zipfile中根据文件 flag 检测的时候，只支持 cp437 和 utf-8。具体就是查找 zipfile.py 源代码找到下面的代码： 

1: if flags & 0x800:

2: # UTF-8 file names extension

3: filename = filename.decode('utf-8')

4: else:

5: # Historical ZIP filename encoding

6: filename = filename.decode('cp437')

修改如下：

1: if sys.getfilesystemencoding()=='mbcs':

2: filename=filename.decode('mbcs')

3: elif flags & 0x800:

4: # UTF-8 file names extension

5: filename = filename.decode('utf-8')

6: else:

7: # Historical ZIP filename encoding

8: filename = filename.decode('cp437')

后面一处同样如此修改： 

1: if sys.getfilesystemencoding()=='mbcs':

2: fname_str = fname.decode('mbcs')

3: elif zinfo.flag_bits & 0x800:

4: # UTF-8 filename

5: fname_str = fname.decode("utf-8")

6: else:

7: fname_str = fname.decode("cp437")

 

 当然这种办法只是暂时性的解决了这一问题，可能在其它系统中采用会带来更多的问题。