Windows上压缩的文件在Linux上解压有乱码

 在Linux系统上解压中文文件名的压缩文件时，可能会遇到解压后的文件名是乱码的问题，如下图

这个问题遇到的人不少，网上一搜就可以找到解决办法，那就是解压的时候指定CP936编码就可以了，

unzip  -O CP936 XXXX.zip

之前我只是大体知道原因，但是没有详细的去了解过，下面就针对这个问题了解一下。

在Windows系统中，当文件名包含中文字符时，系统会使用Unicode编码格式来处理这些文件名。Unicode是一种标准字符编码，支持多种语言和字符集，包括中文字符。因此，当在Windows系统中压缩包含中文字符的文件时，系统会将文件名以Unicode编码的形式存储在压缩文件中，以确保文件名的正确显示和处理。

Linux系统默认情况下使用的是UTF-8编码格式来处理文件名。因此，当将包含中文字符的压缩文件从Windows系统中移动到Linux系统下，并使用unzip解压命令时，可能会出现乱码的情况。这种情况发生的原因是因为Linux系统默认的文件系统编码是UTF-8，而不是Windows系统中使用的Unicode编码（默认是UTF-16）。当Linux系统尝试解压包含中文字符文件名的压缩文件时，它会尝试使用UTF-8编码来解析文件名，而不是识别Windows系统中使用的UTF-16编码。因此，导致在Linux系统下解压后的文件名显示为乱码。

那么，为什么不是可以这样写：

unzip -O utf16  XXXX.zip

这样不就统一了吗，为什么还要使用CP936编码？CP936编码是什么编码？

CP936编码是一种针对中文字符集的编码方案，也被称为GBK编码、GB2312编码的扩展版本。CP936编码兼容ASCII编码，因此它不仅可以处理中文字符，也可以处理英文字符和数字字符。

在Linux系统中，unzip命令的-O选项用于指定输出文件名的编码格式，但并不会影响解压缩文件时所采用的解压缩编码。当使用unzip -O utf16命令时，-O utf16选项只会告诉unzip命令在解压缩后的输出文件名中使用UTF-16编码，但并不会强制unzip命令以UTF-16编码解压缩压缩文件中的文件名。

另一方面，当使用unzip -O CP936命令时，-O CP936选项指定了解压缩后的输出文件名编码为CP936（GBK编码），这会告诉unzip命令以指定的编码格式来处理输出文件名。因为CP936编码适用于中文字符，所以在解压包含中文字符文件名的压缩文件时，指定使用CP936编码能够更好地确保文件名显示正确。

换个说法就是，如果指定了-O utf16选项， unzip命令并不会强制unzip命令以UTF-16编码解压缩压缩文件中的文件名，而指定-O CP936选项时，unzip命令会强制unzip命令以CP936编码解压缩压缩文件中的文件名。

因此，指定-O CP936选项能够在解压包含中文字符文件名的压缩文件时，确保unzip命令使用正确的编码来处理输出文件名，而不会尝试使用系统默认的编码。

那为什么指定CP936编码，而不是GB2312？

CP936和GB2312都是用于表示中文字符集的编码方式，但它们之间有一些区别：

1. GB2312是中国国家标准，于1981年发布，包含6763个汉字和682个非汉字字符，适用于简体中文。GB2312编码在早期被广泛应用于中文系统和软件中。

2. CP936是Microsoft Windows系统中的中文字符集编码，也称为GBK编码。GBK编码在GB2312的基础上进行了扩展，包含了更多的汉字和符号，适用于简体中文和繁体中文。

由于CP936（GBK）编码包含了GB2312编码中的所有字符，并且还扩展了更多字符，因此在处理中文字符时，通常会选择使用CP936（GBK）编码，以确保能够涵盖更广泛的字符范围。因此，在Windows系统中处理中文字符时，通常会使用CP936（GBK）编码，而不是GB2312编码。