指定されたエンコーディングでZIPを解凍する

ファイルを含むZIPファイルを取得しました。ファイル名はエンコードされています。私はそれらのファイル名のエンコーディングを知っているとしましょうが、私はまだそれらを適切に解凍する方法を知りません。

ファイルの例は、「【SSK字幕組】The Vampire Diaries吸血鬼日记S06E12.ass」というファイルを1つ含んでいます。

使用されているエンコードはGB18030（中国語）であることを知っています

質問です-適切なエンコードされたファイル名を取得するために、unzipまたは他のCLIユーティリティを使用してFreeBSDでそのファイルを解凍する方法は？できる限りのことを試しましたが、結果は決して良くありませんでした。助けてください。

OSXで試しました：

MBP1:test 2ge$ bsdtar xf gb18030.zip
MBP1:test 2ge$ ls
%A1%BESSK%D7%D6Ļ%D7顿The Vampire Diaries %CE%FCѪ%B9%ED%C8ռ%C7S06E12/      gb18030.zip
MBP1:test 2ge$ cd %A1%BESSK%D7%D6Ļ%D7顿The\ Vampire\ Diaries\ %CE%FCѪ%B9%ED%C8ռ%C7S06E12/
MBP1:%A1%BESSK%D7%D6Ļ%D7顿The Vampire Diaries %CE%FCѪ%B9%ED%C8ռ%C7S06E12 2ge$ ls
%A1%BESSK%D7%D6Ļ%D7顿The Vampire Diaries %CE%FCѪ%B9%ED%C8ռ%C7S06E12.ass*
MBP1:%A1%BESSK%D7%D6Ļ%D7顿The Vampire Diaries %CE%FCѪ%B9%ED%C8ռ%C7S06E12 2ge$ find . | iconv -f gb18030 -t utf-8
.
./%A1%BESSK%D7%D6L抬%D7椤縏he Vampire Diaries %CE%FC血%B9%ED%C8占%C7S06E12.ass 
MBP1:%A1%BESSK%D7%D6Ļ%D7顿The Vampire Diaries %CE%FCѪ%B9%ED%C8ռ%C7S06E12 2ge$ convmv -r -f gb18030 -t utf-8 --notest .
Skipping, already UTF-8: ./%A1%BESSK%D7%D6Ļ%D7顿The Vampire Diaries %CE%FCѪ%B9%ED%C8ռ%C7S06E12.ass
Ready!

unzipで同様に試しましたが、同様の問題が発生します。

ありがとう、今は無料のBSDを試しており、そこでOSX（ターミナル）からSSHを使って接続しています：

# locale
LANG=
LC_CTYPE="C"
LC_COLLATE="C"
LC_TIME="C"
LC_NUMERIC="C"
LC_MONETARY="C"
LC_MESSAGES="C"
LC_ALL=C

最初に、中国の名前を適切に表示したいと思います。私が変更され

setenv LC_ALL zh_CN.GB18030
setenv LANG zh_CN.GB18030

次に、ファイルをダウンロードし、「ls」を試して適切な文字を表示しようとしましたが、運はありません。だから、最初の中国語のロケールを解決して、適切な結果がいつ得られるかを確認する必要があると思います。実際に比較できます。これで私を喜ばせることもできますか？

エンコードが何であるかを知っている限り、Ubuntu 16.04で任意のエンコードでzipを解凍するために行うことは次のとおりです。同じ方法は、広く利用可能なunzipツールに依存しているだけなので、FreeBSDでも動作するはずです。

1. スペルを間違えないように、エンコーディングの正確な名前を再確認します。 ます https //www.iana.org/assignments/character-sets/character-sets.xhtml

2. 私は単に走る

   $ unzip -O <encoding> <filename> -d <target_dir>
   

   または

   $ unzip -I <encoding> <filename> -d <target_dir>
   

   間の選択-Oや-I、ここの指示に従って：

   $ unzip -h
   UnZip 6.00 of 20 April 2009, by Debian. Original by Info-ZIP.
     ...
     -O CHARSET  specify a character encoding for DOS, Windows and OS/2 archives
     -I CHARSET  specify a character encoding for UNIX and other archives
     ...
   

   -O多くの人が.zipUnixでファイルを作成するわけではないので、私は単に試してみて、うまくいくはずです...

したがって、あなたの特定の例では：

1. 正確なエンコーディング名はGB18030です。

2. -Oフラグを使用して：

   $ unzip -O GB18030 gb18030.zip -d target_dir
   Archive:  gb18030.zip
      creating: target_dir/【SSK字幕组】The Vampire Diaries 吸血鬼日记S06E12/
     inflating: target_dir/【SSK字幕组】The Vampire Diaries 吸血鬼日记S06E12/【SSK字幕组】The Vampire Diaries 吸血鬼日记S06E12.ass
   

   ... できます。

ほとんどのPOSIXファイルシステムでは、ファイル名は単なる一連のバイトであり、それを理解するのはユーザー空間次第です。これをあなたの利点に使用できます。

1. まず、使用してアーカイブを解凍bsdtarするので、unzipツールはファイル名をマングルようだbsdtarが生それらを抽出する一方、。（Linuxでこれをテストしています。FreeBSDは単にそれを呼び出すと思いますtar。）

   $ bsdtar xf gb18030.zip
   

2. などのツールiconvが名前を正常にデコードできることを確認します。

   $ find . | iconv -f gb18030 -t utf-8
   

   （これはfind出力にのみ影響し、ファイル自体には影響しないことに注意してください。）

3. 最後にconvmv、ファイル名をUTF-8に変換するために使用します。

   $ convmv -r -f gb18030 -t utf-8 --notest .
   

   （注：私はGB18030のサポートのためにCPANからエンコード:: HanExtraをインストールする必要がありました、そして手動で追加use Encode::HanExtra;それがはずのにもかかわらずには/ usr / binに/ convmv

4. convmv使用できない場合は、スクリプトを作成します。

   $ find . -depth | while read -r old; do
       old=./$old;
       head=${old%/*};
       tail=${old##*/};
       new=$head/$(echo "$tail" | iconv -f gb18030 -t utf-8);
       [ "$old" = "$new" ] || mv "$old" "$new";
   done
   

   （少なくともLinuxでは、これiconvはほとんど常に利用可能で、常に gb18030 をサポートするという利点があります。）

方法1：unarユーティリティを使用する

sudo apt-get install unar

unar -e gb18030 gb18030.zip

方法2：Pythonスクリプトを使用してファイルを解凍します（https://gist.github.com/usunyu/dfc6e56af6e6caab8018bef4c3f3d452#file-gbk-unzip-pyを参照）

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# unzip-gbk.py

import os
import sys
import zipfile
import argparse

parser = argparse.ArgumentParser()
parser.add_argument("--encoding", help="encoding for filename, default gbk")
parser.add_argument("-l", help="list filenames in zipfile, do not unzip", action="store_true")
parser.add_argument("file", help="process file.zip")
args = parser.parse_args()
print "Processing File " + args.file

file=zipfile.ZipFile(args.file,"r");
if args.encoding:
    print "Encoding " + args.encoding
for name in file.namelist():
    if args.encoding:
        utf8name=name.decode(args.encoding)
    else:
        utf8name=name.decode('gbk')
    pathname = os.path.dirname(utf8name)
    if args.l:
        print "Filename " + utf8name
    else:
        print "Extracting " + utf8name
        if not os.path.exists(pathname) and pathname!= "":
            os.makedirs(pathname)
        data = file.read(name)
        if not os.path.exists(utf8name):
            fo = open(utf8name, "w")
            fo.write(data)
            fo.close
file.close()

例gb18030.zipは、次のファイルを抽出します

【SSK字幕组】The Vampire Diaries 吸血鬼日记S06E12
【SSK字幕组】The Vampire Diaries 吸血鬼日记S06E12/【SSK字幕组】The Vampire Diaries 吸血鬼日记S06E12.ass

OS Xでは、The Unarchiverと呼ばれるGUIアプリケーションを使用できます。Mac App StoreまたはHomebrew Caskを使用してインストールできます。

brew cask install the-unarchiver

それを使用してZIPファイルを開くと、アプリケーションでは、アーカイブからファイル名のプレビューを使用して適切なエンコードを選択できます。

7zはスイッチで文字セットIDをサポートします -scsで。例：

7z x -scs903 some.zip

ここで、903は中文簡體文字セットです。文字セットIDのより長いリストは、ここにあります。

7zを使用してファイルを抽出します

7z x yourfile.zip

その後、これらのファイル名のエンコーディングを自分で変換します。

convmv --notest -f from_encoding -t utf-8 -r your_extracted_folder/

これは私のために機能します。私の場合のfrom_encodingはtis-620（タイ語のエンコーディング）であり、言語の適切なエンコーディングを見つける必要があります。一般的なものは通常この問題を解決しますが、ファイル名がまだ読めない場合は、from_encodingをwindows-1252やshift-jis（日本語）などに変更してみてください。使用可能なエンコードをコマンドを使用して一覧表示できます。

convmv --list
iconv --list

これは私にとって非常に簡単な「解決方法」です。

7zipを使用したところ、適切なエンコーディングを選択できました。

（標準のzipではできなかったこと）

しかし、GUIツールを使用してWindowsで使用しました。たぶん、コマンドライン7zもあなたのために働くでしょう。