解决rubyzip使用中遭遇到的中文文件名称乱码问题

    最近程序中需要用到rubyzip这个gem进行解压缩和压缩，于是就遇到了中文文件名变成乱码的问题。

    首先，使用rubyzip解压缩zip文件，代码参照官网的示例很简单

def unzip(zip_file, dest_dir)    
    Zip::File.open zip_file do |zf|  
      zf.each do |e|          
        path = File.join dest_dir, e.name
        FileUtils.mkdir_p File.dirname(path)  
        zf.extract(e, path) { true }  
      end  
    end  
  end 

发现中文文件名乱码后，看文档发现只需在方法开始加上 ，

Zip.force_entry_names_encoding = 'GBK'

 

经过测试果然解决问题。

应用里还需要生成zip压缩包，这里就不贴代码了，完全采用官网的示例即可，这次仔细看了说明，在其中加上下面这行即可顺利生成包含中文文件名的zip压缩包

Zip.unicode_names = true

 

好，现在压缩解压缩代码都完成了，可是接下来问题来了，用自己的代码解压缩自己打包的zip文件，又出现了中文文件名乱码问题！

经研究发现，一开始的zip包是在windows下打包的，中文文件名编码为gb18030，程序打包的zip文件，中文文件名的编码是UTF-8，在windows下打开解压都没有问题，但是由于解压代码中固定设置为GBK，所以解压自己打包的zip就再次出现乱码现象。

多方搜索，仔细看文档甚至代码，都没有好的解决方案，不能自适应编码是不能接受的。没办法只能自己解决编码探测问题。

在gems网站找到2个编码探测的gem一个是纯ruby编码的 ’rchardet‘，另一个是依赖ICU库的 'charlock_holmes'， 经测试，两个库都可以完成任务，但是'charlock_holmes' 要比 ’rchardet' 快上一个量级。

开始，采用每个文件名探测一次的方式，结果很不理想，误报率较高，而且置信度维持低水平，尤其charlock_holmes'，经常把中文编码探测为日文Shift_JIS。后改为联合所有文件名为一个字符串在进行探测，发现置信度大幅度提升，基本已经满足需要。

因为GB18030编码足够空间，所以如果探测到不是ASCII编码，就一律转为GB18030，经测试完美解决了我的问题。

附上修改后的代码：

def unzip(zip_file, dest_dir)    
    file_encoding = detect_encoding_v2 zip_file

    Zip::File.open zip_file do |zf|  
      zf.each do |e|          
        name = e.name                
        name = name.encode('GB18030', file_encoding) if file_encoding != 'ASCII'
        path = File.join dest_dir, name
        FileUtils.mkdir_p File.dirname(path)  
        zf.extract(e, path) { true }  
      end  
    end  
  end 

def detect_encoding_v2(zip_file)   
    require 'charlock_holmes' 
    names = []
    Zip::File.open zip_file do |zf|  
      zf.each do |e|
        name = e.name
        names << e.name
      end
    end
    ss = names.join
    cd = CharlockHolmes::EncodingDetector.detect(ss)
    syscoding = name.encoding.to_s.upcase
    coding = cd[:encoding].upcase

    if coding=='ASCII' && syscoding!='ASCII'
      coding = 'GB18030'
    end
   
    return coding
  end