C#中的德语字母和编码

Question

我有一个解压功能，我正在使用

System.Text.Encoding

来确保解压后的文件在解压后保持相同的名称，因为通常我解压的文件包含德语字母。
我尝试了不同的东西，比如

Encoding.Default

或

Encoding.UTF8

但没有任何效果

äÄéöÖüß.txt

被转换为

„Ž‚”™á.txt

或者在默认情况下它是黑盒子：/

有什么建议吗？

using (ZipArchive archive = System.IO.Compression.ZipFile.Open(ZipFile, ZipArchiveMode.Read, System.Text.Encoding.Default))
{

    foreach (ZipArchiveEntry entry in archive.Entries)
    {
        string fullPath = Path.Combine(appPath, entry.FullName);
        if (String.IsNullOrEmpty(entry.Name))
        {
            Directory.CreateDirectory(fullPath);
        }
        else
        {
            if (!entry.Name.Equals("Updater.exe"))
            {
                entry.ExtractToFile(fullPath,true);

            }
        }
    }
}

Answer 1

尝试 CodePage 850（对我有用）：

using (ZipArchive archive = System.IO.Compression.ZipFile.Open(ZipFile, ZipArchiveMode.Read,  System.Text.Encoding.GetEncoding(850)))
{
      // ....

下一条评论来自（一个古老的版本）Sharpziplib，它让我走上了正确的方向：

    /* Using the codepage 1252 doesn't solve the 8bit ASCII problem :/
       any help would be appreciated.

      // get encoding for latin characters (like ö, ü, ß or ô)
      static Encoding ecp1252 = Encoding.GetEncoding(1252);
    */

    // private static Encoding _encoding = System.Text.ASCIIEncoding;
    private static Encoding _encoding = System.Text.Encoding.GetEncoding(850);

最后一行是我的更改，以使其正确读取带有特殊字符的 zip 文件。

Answer 2

首先唯一的官方（不存在......）ZIP格式不允许Unicode字符（那么你不能使用除ASCII以外的任何编码）。

也就是说，许多工具和库允许您使用不同的编码，但它可能会失败（例如，如果您尝试解码 forcing UTF8/UTF32 或使用其他编码编码的任何文件）。

如果文件名以 ASCII 编码，它将获得您系统的代码页：

对于只包含ASCII字符的条目名称，设置语言编码标志，使用当前系统默认代码页对条目名称进行编码。

你对这个主题的 .NET 类没有那么大的控制权。但是，如果您不指定编码，您将获得默认行为（UTF8 用于 ASCII 之外的代码和 ASCII 的当前代码页）。大多数时候它都有效（如果编码和解码都在同一代码页内完成）。

如何避免这种情况？这并不容易（因为我们缺乏标准）但总结一下：

• 不要强制编码（除非你正在使用你用已知编码压缩的 zip 文件）。
• 在大多数情况下，默认行为非常好。
• 对于带有扩展字符的ASCII编码ZIP，依赖于系统代码页（在两个系统中必须相同）。
• 为用户提供一种更改编码的方法（您无法检查 zip 实用程序使用的是什么编码，并且没有关于此的标准）。这意味着不仅要更改编码（UTF8/UTF16 或其他），还要更改代码页（以防它们不匹配）。 GetEncoding 函数将为您指定的代码页提供正确的编码器）。

我能给你的最佳提示？依赖默认行为（这很常见），但如果您需要与大多数 ZIP 兼容（因为每个 ZIP 可能以不同的方式实现），则为您的用户提供一种更改它的方法，不仅用于编码，还用于代码页也是。特别是不要用德语特定代码页从代码强制它，因为它会破坏您将处理的第一个西班牙语/法语/意大利语/荷兰语文件（并且没有它们的通用代码页）。

顺便说一句，如果您打开编码错误（不是代码页）的文件，请准备好处理各种异常情况。

为未来的读者编辑（来自评论）： CP 850 捕获了大多数常见的西欧字符，但它不是欧洲的代码页。例如，将其与东欧语言或挪威语进行比较。它与它们不匹配（在该语言中，33-127 范围之外的字符非常常见，因为它们不是方框图）。 CP 850 中的某些字符（例如Ê û ı）在（比方说）CP 865（挪威语）中不可用。

让我用一个例子来解释。您有一个文件名（来自 Trukey），名称为：“Garip Dosya Adı.txt”。最后一个字符在 CP 857（土耳其）上的代码为 141。如果您使用的是 CP 850，您将得到 ì 而不是 ı，因为在原始 CP 850 中它的代码为 213。我什至不会提及远东语言（因为固定的代码页甚至会造成混乱如果您仅限于欧洲）。这就是你不能设置固定代码页的原因，除非你正在编写一个小实用程序供自己使用。

Answer 3

我使用了以下库：

using System.IO;
using System.Text;

在以下方法中使用Encoding.Latin1：

File.ReadAllLinesAsync(filePath, Encoding.Latin1, cancellationToken);

在我的案例中有效。

Answer 4

在我的 .net 6 应用程序中，我必须先注册 CodePagesEncodingProvider.Instance，然后使用 850 编码。

string zipPath = @"C:\Users\x\Desktop\zipTest.zip";
string extractPath = @"C:\Users\x\Desktop\test";
Encoding.RegisterProvider(CodePagesEncodingProvider.Instance); // Register the encoding provider for the appropriate code page
ZipFile.ExtractToDirectory(zipPath, extractPath, System.Text.Encoding.GetEncoding(850));