Имена файлов с японскими символами превращаются в мусор при записи в zip-файл с помощью java.util.zip.*

У меня есть каталог с именем, содержащим японские символы, и мне нужно использовать утилиты zip в java.util.zip, чтобы записать его в zip-файл. Запись zip-файла прошла успешно, но когда я открываю полученный zip-файл либо с помощью встроенной в Windows утилиты сжатия файлов, либо с помощью 7-Zip, каталог с японскими символами в имени отображается как набор символов мусора. В моей системе установлен языковой пакет для японского/восточноазиатского языка — я могу создавать каталоги с японскими именами, так что это не проблема.

Интересно, что если я напишу отдельный скрипт для чтения полученного zip-файла с помощью java.util.zip, имя каталога будет правильным, и я смогу извлечь содержимое zip-архива в каталоги с соответствующими именами и японскими символами. Но я не могу сделать это, используя коммерческие zip-инструменты, которые я пробовал, что, несомненно, захотят сделать наши клиенты.

Любые идеи о том, что вызывает эту проблему, и как я могу ее обойти?

Я знаю об этой ошибке, но мне все еще нужен обходной путь для этого случая.


java localization internationalization zip unicode
person Jeff    schedule 30.12.2009    source источник
comment
Хороший вопрос. Если вы можете извлечь его с помощью своего скрипта и получить правильные имена файлов в конце, это означает, что символы закодированы в кодировке, которая поддерживает эти символы, например Shift-JIS или UTF-8.   -  person Craig McQueen    schedule 30.12.2009
comment
Это определенно UTF-8 или его версия для Java. См. эту ссылку: velocityreviews.com/ форумы/   -  person Jeff    schedule 30.12.2009

Ответы (3)


arrow_upward
1
arrow_downward

Если java.util.zip по-прежнему ведет себя как этот пост описывает, я не уверен, что это возможно (со встроенными классами). Я видел библиотеку Chilkat Java Zip, упомянутую ранее, как способ получить это работает, но никогда не использовал его.

person Kaleb Brasee    schedule 30.12.2009
comment
просто добавить ... в сообщении говорится, что формат ZIP-файла не поддерживает Unicode. Имена файлов представляют собой всего лишь 8-битные строки внутри, с (на самом деле) без определенной кодировки или кодировки Unicode. Это означает, что автор и читатель файла должны договориться о взаимно понятном формате. Это никогда не было полностью правдой. На момент написания этого поста в 2005 году кодировка была IBM437. Не было соглашения о символах, которые требовали чего-то вне этой кодировки. В 2007 году PKZIP добавил в спецификацию UTF-8. Как говорит Калеб, неясно, развивалась ли когда-либо J2SE для поддержки этого обновления спецификации. Думаю, нет. - person Cheeso; 03.01.2010
comment
Я пробовал использовать библиотеки Chilkat, но результаты были хуже, чем при использовании стандартной утилиты zip. - person ThomasW; 17.10.2011

arrow_upward
3
arrow_downward

TrueZIP утверждает, что делает это лучше:

J2SE API всегда использует UTF-8 (восьмибитный набор символов Unicode) для имен записей и комментариев вместо CP437 (он же IBM437, подлинный набор символов IBM-PC), который используется фактическим стандартом PKZIP от PKWARE. В результате вы не можете читать или записывать ZIP-файлы с международными именами файлов, такими как, например. täscht.txt в ZIP-файле, созданном (южным) немцем.

[описание других проблем опущено]

Библиотека TrueZIP была разработана для преодоления этих ограничений/недостатков.

person meriton    schedule 30.12.2009
comment
Я не знаю о библиотеке TrueZIP, но комментарий немного вводит в заблуждение. Создатели де-факто стандартного программного обеспечения PKZIP, PKWARE, публикуют актуальную спецификацию формата. pkware.com/support/zip-application-note Спецификация позволяет использовать либо CP437, либо UTF-8. Если приложения ZIP соответствуют спецификации, они могут использовать любую кодировку. Таким образом, утверждение, что вы не можете читать или записывать ZIP-файлы с именами записей, преобразованными в i18n, в общем случае неверно. Любое приложение может соответствовать спецификации. - person Cheeso; 03.01.2010
comment
При этом некоторые приложения и инструменты zip не полностью соответствуют спецификации, в частности часть спецификации UTF-8, которая была впервые добавлена ​​в сентябре 2007 года. Так, например, сжатые папки Windows Vista не будут правильно читаться. ZIP-файлы с именами записей в кодировке UTF-8. Не уверен насчет встроенных в Mac zip-инструментов. Я также не уверен, что J2SE API соответствует редакции спецификации zip от сентября 2007 года. Возможно, несмотря на поддержку UTF-8 в спецификации, API J2SE предшествует спецификации и делает что-то вне спецификации для поддержки Unicode. - person Cheeso; 03.01.2010
comment
Очень информативно. ИМХО, это потребовало бы отдельного ответа (и голоса). Я думаю, что южногерманская часть — это просто легкомысленная мотивация имени записи, содержащего не-ascii-символ ä. - person meriton; 04.01.2010
comment
Рада, что информативно. Я сделал это комментарием, потому что у меня нет хороших идей о том, как решить проблему в Java. Так что твой ответ все равно лучший! - person Cheeso; 05.01.2010

arrow_upward
2
arrow_downward

Чудеса действительно случаются, и Sun/Oracle действительно исправили долгоживущий баг/rfe:

Теперь можно [настроить кодировку имени файла при создании][1] zip-файла/потока (требуется Java 7).

[1]: http://download.java.net/jdk7/docs/api/java/util/zip/ZipOutputStream.html#ZipOutputStream(java.io.OutputStream, java.nio.charset.Charset)

person Anton Kraievyi    schedule 28.07.2010
comment
Вау, это отличная новость. Пройдет некоторое время, прежде чем наши клиенты смогут извлечь из этого пользу, но я рад, что это не осталось просто гнойной язвой. - person Jeff; 29.07.2010