一个讨厌的编码问题

Posted 2020-11-25 平静的寄居者

编码问题很讨厌。昨天就碰到了一个，花了几个小时才解决。

使用DotNetZip这个库自动打包文件夹，原来的代码是：

                    var dir = new DirectoryInfo(@"c:\foo");
                    using (ZipFile zip = new ZipFile(Encoding.UTF8))
                    {
                        var entry = zip.AddDirectory(dir.FullName, dir.Name);
                        zip.Save(Path.Combine(path, dir.Name + ".zip"));
                    }

看上去很正常，也似乎能work，成功打包，用7-zip打开，里面的中文文件夹也显示正常。

但是，如果是用7-zip手工打包的zip，在资源管理器里双击可以看到里面的文件夹。而这个用代码生成的zip，如果打包进去的是中文文件夹，双击却显示空白。这似乎不成问题，但因为我打包的都是pdg文件（某电子书格式文件，不懂的一搜便知），本来直接把zip后缀改成uvz，便可用一个叫做UnicornViewer的软件阅读，而这个用代码生成的zip，改名后却用UnicornViewer打不开，提示打开失败。

英文文件夹可以，中文文件夹不行，似乎很可能是“编码问题”。

用下面的代码查看zip的属性：

                using (ZipFile zip = ZipFile.Read("foo.zip")))
                {
                    foreach (ZipEntry entry in zip)
                    {
                        if (entry.IsDirectory)
                        {//这里加上断点，以便查看entry的属性
                            break;
                        }
                    }
                }

结果发现，用7-zip打包的文件，entry的AlternateEncoding显示为IBM437，FileName属性显示为乱码，比如“世界第一位六冠王赵国荣实战专辑”，显示为“╩└╜τ╡┌╥╗╬╗┴?╣┌═?╒╘╣·╚┘╩╡╒╜╫¿╝¡”。

查了很多资料，调试了半天，最后终于理解了，原来这是用IBM437去解码gb2312/gbk编码的字符串的结果。理解了这一点，修改代码：

                    var dir = new DirectoryInfo(@"c:\foo");
                    byte[] bytes = Encoding.GetEncoding("gb2312").GetBytes(dir.Name.ToCharArray());
                    string newName = Encoding.GetEncoding("IBM437").GetString(bytes);
                    using (ZipFile zip = new ZipFile(Encoding.UTF8))
                    {
                        zip.AlternateEncoding = Encoding.GetEncoding("IBM437");
                        var entry = zip.AddDirectory(dir.FullName, newName);
                        zip.Save(Path.Combine(path, dir.Name + ".zip"));
                    }

测试通过。

以前碰到的编码问题，多是将乱码转成正常显示的字符，这次却要故意生成“乱码”才能工作正常，呵呵。管他呢，反正it just works。