Sustie

用Python的zipfile标准库解压非标准编码的zip压缩包

时至今日（2024 年），依然有很多日本的 zip 压缩包采用 Shift JIS 编码。使用 7-Zip 等软件解压这些压缩包的时候，会发现文件名都是乱码。WinRAR 支持指定压缩包的文本编码，但是我个人不怎么喜欢 WinRAR。因此，我决定使用 Python 的标准库来解压非标准编码的 zip 压缩包。

对于 3.11 及 3.11 之后的 Python 版本，ZipFile提供了一个metadata_encoding的参数，通过指定这个参数就可以设置编码：

import zipfile

with zipfile.ZipFile('foo.zip', metadata_encoding='cp932') as f:
    f.extractall()

如果是 3.11 之前的 Python 版本，对于非 UTF-8 编码的压缩包，ZipFile默认使用的是 cp437 编码，因此我们需要手动修改字符串编码，然后再解压：

import zipfile
import os
import shutil

with zipfile.ZipFile('foo.zip') as f:
    for name in f.namelist():
        path = name.encode('cp437').decode('cp932')
        if path[-1] == '/':
            os.makedirs(path, exist_ok=True)
        else:
            src = f.open(name)
            os.makedirs(os.path.dirname(path), exist_ok=True)
            with open(path, 'wb') as dst:
                shutil.copyfileobj(src, dst)

顺带一提，根据这个 StackOverflow 问题，zip 标准规定：若 UTF-8 的 flag 没有被设置，那么文件名的编码就应该是 cp437，但是实际实现很多都没有遵从标准。