java压缩zip文件中文乱码问题

用java来打包文件生成压缩文件，有两个地方会出现乱码
1、内容的中文乱码问题，这个问题网上很多人给出了解决方法，两种：修改sun的源码；使用开源的类库org.apache.tools.zip.ZipOutputStream和org.apache.tools.zip.ZipEntry，这两个类ant.jar中有，可以下载使用即可，毫无疑问，选择后者更方便
2、压缩文件注释的中文乱码问题：zos.setComment("中文测试");这个问题在网上查了半天没看到有人解释，遂只能自己想办法解决。在自己机器上的工程创建的测试类，没有任何问题，但是在公司的项目中使用一直出现乱码，通过使用设置编码的方法（zos.setEncoding("gbk");）终于发现了问题，测试项目的编码方式为gbk，而公司项目的默认编码是utf-8，所以测试项目没问题而公司的项目中出现了问题。

org.apache.tools.zip.ZipOutputStream默认使用项目的编码方式，理论上讲utf-8也是支持中文的，是在想不通为啥还是乱码，通过setEncoding方法改成gbk即可解决

附上一段压缩文件的代码

package com.compress;

import java.io.BufferedInputStream;
import java.io.BufferedOutputStream;
import java.io.DataInputStream;
import java.io.File;
import java.io.FileInputStream;
import java.io.FileOutputStream;

import org.apache.tools.zip.ZipEntry;
import org.apache.tools.zip.ZipOutputStream;

public class CompressEncodingTest {

	/**
	 * @param args
	 * @throws Exception
	 */
	public static void main(String[] args) throws Exception {
		File f = new File("中文测试.txt");
		ZipOutputStream zos = new ZipOutputStream(new BufferedOutputStream(
				new FileOutputStream("zipTest.zip"), 1024));
		zos.putNextEntry(new ZipEntry("中国人.txt"));
		DataInputStream dis = new DataInputStream(new BufferedInputStream(
				new FileInputStream(f)));
		zos.putNextEntry(new ZipEntry(f.getName()));
		int c;
		while ((c = dis.read()) != -1) {
			zos.write(c);
		}

		zos.setEncoding("gbk");
		zos.setComment("中文测试");

		zos.closeEntry();
		zos.close();
	}

}

评论

6 楼 dabing69221 2013-12-23  

riching 写道

大神你牛逼，受教了，我这种不求甚解的习惯要改，谢谢

dabing69221 写道

楼主说“测试项目的编码方式为gbk，而公司项目的默认编码是utf-8，所以测试项目没问题而公司的项目中出现了问题 ”楼主这么分析也对，但是不全面，下面我给楼主分析一下出错原因：
通过org.apache.tools.zip.ZipOutputStream类的源码，我们看到这么一个方法，没错下面这个方法就是幕后真凶：

    protected byte[] getBytes(String name)
        throws ZipException
    {
        if(encoding == null)
            return name.getBytes();
        return name.getBytes(encoding);
        UnsupportedEncodingException uee;
        uee;
        throw new ZipException(uee.getMessage());
    }
以上这句代码，就是将我们的文件名的字符变为字节，（这里变为字节的目的就是为了通过字节流把字节写出去） 这里判断了一下encoding是否为空，楼主如果不写encoding的话，就会执行name.getByte()也就是使用平台的默认字符集将此 String 编码为 byte 序列，并将结果存储到一个新的 byte 数组中。（这里使用平台的默认字符集就是楼主所在项目的编码），假如说这里项目所在编码为UTF-8，那么这里就会自动将文件名的字符转换为UTF-8的字节，然后写入到底层输出流。

当我们双击打开那个压缩的zip文件时，程序就会使用ANSI编码（通常指的是平台的默认编码，例如英文操作系统中是ISO-8859-1，中文系统是GBK）。别忘了，我们写文件的时候使用UTF-8的编码来写文件名的，这个时候-- 奇迹出现了“乱码”，为什么呢？ GBK每个汉字占2个字节，而UTF-8每个汉字占3个字节，它们所占字节数都不一样，乱码是必须的，这下楼主知道为什么你的程序老是乱码了吗？ 呵呵呵

呵呵

5 楼 riching 2013-12-02  

大神你牛逼，受教了，我这种不求甚解的习惯要改，谢谢

dabing69221 写道

楼主说“测试项目的编码方式为gbk，而公司项目的默认编码是utf-8，所以测试项目没问题而公司的项目中出现了问题 ”楼主这么分析也对，但是不全面，下面我给楼主分析一下出错原因：
通过org.apache.tools.zip.ZipOutputStream类的源码，我们看到这么一个方法，没错下面这个方法就是幕后真凶：

    protected byte[] getBytes(String name)
        throws ZipException
    {
        if(encoding == null)
            return name.getBytes();
        return name.getBytes(encoding);
        UnsupportedEncodingException uee;
        uee;
        throw new ZipException(uee.getMessage());
    }
以上这句代码，就是将我们的文件名的字符变为字节，（这里变为字节的目的就是为了通过字节流把字节写出去） 这里判断了一下encoding是否为空，楼主如果不写encoding的话，就会执行name.getByte()也就是使用平台的默认字符集将此 String 编码为 byte 序列，并将结果存储到一个新的 byte 数组中。（这里使用平台的默认字符集就是楼主所在项目的编码），假如说这里项目所在编码为UTF-8，那么这里就会自动将文件名的字符转换为UTF-8的字节，然后写入到底层输出流。

当我们双击打开那个压缩的zip文件时，程序就会使用ANSI编码（通常指的是平台的默认编码，例如英文操作系统中是ISO-8859-1，中文系统是GBK）。别忘了，我们写文件的时候使用UTF-8的编码来写文件名的，这个时候-- 奇迹出现了“乱码”，为什么呢？ GBK每个汉字占2个字节，而UTF-8每个汉字占3个字节，它们所占字节数都不一样，乱码是必须的，这下楼主知道为什么你的程序老是乱码了吗？ 呵呵呵

4 楼 dabing69221 2013-12-01  

楼主说“测试项目的编码方式为gbk，而公司项目的默认编码是utf-8，所以测试项目没问题而公司的项目中出现了问题 ”楼主这么分析也对，但是不全面，下面我给楼主分析一下出错原因：
通过org.apache.tools.zip.ZipOutputStream类的源码，我们看到这么一个方法，没错下面这个方法就是幕后真凶：

    protected byte[] getBytes(String name)
        throws ZipException
    {
        if(encoding == null)
            return name.getBytes();
        return name.getBytes(encoding);
        UnsupportedEncodingException uee;
        uee;
        throw new ZipException(uee.getMessage());
    }
以上这句代码，就是将我们的文件名的字符变为字节，（这里变为字节的目的就是为了通过字节流把字节写出去） 这里判断了一下encoding是否为空，楼主如果不写encoding的话，就会执行name.getByte()也就是使用平台的默认字符集将此 String 编码为 byte 序列，并将结果存储到一个新的 byte 数组中。（这里使用平台的默认字符集就是楼主所在项目的编码），假如说这里项目所在编码为UTF-8，那么这里就会自动将文件名的字符转换为UTF-8的字节，然后写入到底层输出流。

当我们双击打开那个压缩的zip文件时，程序就会使用ANSI编码（通常指的是平台的默认编码，例如英文操作系统中是ISO-8859-1，中文系统是GBK）。别忘了，我们写文件的时候使用UTF-8的编码来写文件名的，这个时候-- 奇迹出现了“乱码”，为什么呢？ GBK每个汉字占2个字节，而UTF-8每个汉字占3个字节，它们所占字节数都不一样，乱码是必须的，这下楼主知道为什么你的程序老是乱码了吗？ 呵呵呵

3 楼 dabing69221 2013-12-01  

楼主，我给你分析一下，你的压缩zip包为什么会乱码？
分析原因：
  我们在使用JDK自带的ZipOutputStream压缩文件时，压缩文件没有采用英文命名时，没有问题。如果采用中文命令就会出现问题，为什么会这样呢？我们来看看ZipOutputStream源码，它到底是怎么把文件名转换为字节的？
  private static byte[] getUTF8Bytes(String s)
    {
        char ac[] = s.toCharArray();
        int i = ac.length;
        int j = 0;
        for(int k = 0; k < i; k++)
        {
            char c = ac[k];
            if(c <= '\177')
            {
                j++;
                continue;
            }
            if(c <= '\u07FF')
                j += 2;
            else
                j += 3;
        }

        byte abyte0[] = new byte[j];
        int l = 0;
        for(int i1 = 0; i1 < i; i1++)
        {
            char c1 = ac[i1];
            if(c1 <= '\177')
            {
                abyte0[l++] = (byte)c1;
                continue;
            }
            if(c1 <= '\u07FF')
            {
                abyte0[l++] = (byte)(c1 >> 6 | 192);
                abyte0[l++] = (byte)(c1 & 63 | 128);
            } else
            {
                abyte0[l++] = (byte)(c1 >> 12 | 224);
                abyte0[l++] = (byte)(c1 >> 6 & 63 | 128);
                abyte0[l++] = (byte)(c1 & 63 | 128);
            }
        }

        return abyte0;
    }
以上这个方法就是JDK自带的ZipOutputStream类中将文件名装换为字节的方法，通过源码我们不难看出，它是先将String变为char[]数组，然后通过遍历char[]数组，最后将char强转为byte,存放到byte数组中。
  如果这样做的话，就暴露了一个问题，就是楼主所说的“中文乱码”问题，为什么呢？ 因为在Java中，一个char是2个字节(byte)，而一个中文汉字是一个字符，也就是2个字节；英文字母是一个字节，所以，一个英文字母可以保存到 一个字节(byte)中，而一个中文汉字不能（道理很简单啊，一个汉字是2个字节） --- 所以说这就是为什么保存英文的文件名是不会乱码，但是保存中文的文件名时会乱码的原因。

2 楼 riching 2010-06-06  

xiaohahaa 写道

不使用外部包，只用jdk内部的类，能不能实现？

能实现，不过中文的文件名和中文的注释（comment）会乱码，内容没问题

1 楼 xiaohahaa 2010-06-05  

不使用外部包，只用jdk内部的类，能不能实现？