防止 7-Zip 產生的 ZIP 檔案在 Mac OS X 下出現亂碼

May 3, 2009 @ 4:08 pm · Filed under 流水賬

一直以來，我發現在 Mac OS X 中，不論用 Stuffit Expander 還是命令列下的 unzip，解壓縮 Windows 下產生的某些 ZIP 檔案時，解出來的中文檔案名稱會變成亂碼。不過，這種情況出現的次數很少，沒有引起我的重視。今天終於覺得不能忍了，以幾個簡單關鍵詞在 Google 上搜尋，好像沒有發現專門說這件事情的。於是決心花點時間研究它。

我在 Windows 下的 ZIP 檔案大多數是用 7-Zip 這個自由軟體產生的。雖然它的強項在於自己的 7z 格式，不過出於相容性的考慮，我只是用它壓縮 ZIP 格式檔案，並解壓縮所有常見的壓縮檔格式。ZIP 檔案標準自創立之初就沒有、現在也沒有記錄檔案名稱編碼的資訊，所以有很大一批 ZIP 檔案都是以壓縮包的建立者本地 locale 編碼的，比如我遇到問題的幾個 ZIP 檔案內部的檔案名稱就是用簡體中文 GBK 編碼的。而我 Mac OS X 的 locale 是 en_US.UTF-8，解開後自然不能正確識別 GBK 編碼的檔案名稱了。

閱讀了 ZIP 檔案格式這個 Wikipedia 條目，我發現最新的 ZIP 標準中建議使用 UTF-8 作為檔案名稱的編碼。這一點並不出乎意料，顯然對於跨平台的需求，UTF-8 的編碼是最理想的選擇。下面的問題就是如何讓 7-Zip 產生以 UTF-8 編碼被壓縮檔名的 ZIP 檔案了。

在 Windows 下進行實驗，我發現一個有意思的現象：當 Windows 系統的 locale 為簡體中文(中國)時（“控制台-地區和語言選項-進階-為非Unicode程式的語言選擇 – Chinese (PRC)”），7-Zip 壓縮出來的 ZIP 檔案以 GBK 編碼被壓縮檔名；而當 Windows 系統的 locale 為英語(美國)時，壓縮出來的 ZIP 檔案編碼竟然是 UTF-8！此外，在中文 locale 下，不論是以 GBK 還是 UTF-8 編碼檔案名稱的 ZIP 檔案都能正常解開；而在英文 locale 下，只能解開 UTF-8 編碼的檔案，GBK 編碼的檔案解出來就是亂碼。這表明， 7-Zip 是有處理 UTF-8 編碼檔案名稱的功能的。但是，為什麼僅僅對英語(美國)字碼頁（也就是最基本的 ASCII ）才會使用 UTF-8 呢？

繼續尋找，發現 UTF-8 的版本歷史裡面，自從 4.58 版本以來引入了 ZIP 內部檔案名稱編碼的概念。預設模式是，對於產生 ZIP 檔案的檔案名稱，如果當前 locale 字碼頁中有相應字元，就用當前字碼頁；如果沒有，就使用 UTF-8。同時，7-Zip 也提供了兩個模式，強制以 UTF-8 編碼檔案名稱，或強制以當前 locale 編碼檔案名稱（即不作轉換）。

瞭解了這一點，解決方案就變得簡單了：壓縮 ZIP 檔案時，使用 -mcu 選項強制使用 UTF-8 作為壓縮檔名的編碼。圖形介面中的操作如下：

需要注意的是，7-Zip 的 Explorer shell 右鍵菜單中“Add to .zip” 這個項目只能以預設參數產生 ZIP 檔案。如果希望產生在其他平台不出現亂碼的 UTF-8 編碼 ZIP 檔案，就只能使用 “Add to archive…” 功能表項目了。