ZipArchive编码兼容逻辑与测试结果不符的技术疑问

问题背景 #

我查阅了.NET官方文档中ZipArchive构造函数的备注，了解到读取ZIP归档时，若entryNameEncoding设为非null值，条目名称解码规则为：

• 若语言编码标志未设置，使用指定的entryNameEncoding解码；
• 若标志已设置，则使用UTF-8解码。

据此我认为，使用new ZipArchive(utf8Stream, ZipArchiveMode.Read, true, Encoding.Latin1)应该能同时处理现代UTF-8格式ZIP和遗留Latin1格式ZIP。但实际运行xUnit测试时，用该方式读取UTF-8创建的ZIP文件，条目名称出现乱码，与预期不符。

测试输出 #

language encoding flag is set, and entry names are encoded by using UTF-8.
language encoding flag is set, and entry names are encoded by using UTF-8.
language encoding flag is set, and entry names are encoded by using UTF-8.
ZipArchive.Latin1:
finalePräsentation.pdf
münchen.pdf
Übersicht.pdf
ZipArchive.Default:
finalePräsentation.pdf
münchen.pdf
Ãœbersicht.pdf

测试代码 #

[Fact]
public async Task ZipArchive_Encoding()
{
    string[] entryNames = {"finalePräsentation.pdf", "münchen.pdf", "Übersicht.pdf"};
    var latin1Stream = new MemoryStream();
    var utf8Stream = new MemoryStream();
    {
        using (var archiveOut = new ZipArchive(latin1Stream, ZipArchiveMode.Create, true, Encoding.Latin1))
        {
            foreach (var entryName in entryNames)
            {
                /*
                 * When you write to archive files and entryNameEncoding is set to a value other than null,
                 * the specified entryNameEncoding is used to encode the entry names into bytes.
                 * The language encoding flag (in the general-purpose bit flag of the local file header)
                 * is set only when the specified encoding is a UTF-8 encoding.
                 */
                var entry = archiveOut.CreateEntry(entryName);
                await using var writer = new StreamWriter(entry.Open());
                await writer.WriteAsync("Hello World!");
            }
        }

        latin1Stream.Position = 0;

        using (var archiveOut = new ZipArchive(utf8Stream, ZipArchiveMode.Create, true, null))
        {
            foreach (var entryName in entryNames)
            {
                var containsOnlyAscii = entryName.All(char.IsAscii);
                if (!containsOnlyAscii)
                    output.WriteLine("language encoding flag is set, and entry names are encoded by using UTF-8.");
                else
                    output.WriteLine(
                        "the language encoding flag is not set, and entry names are encoded by using the current system default code page");
                var entry = archiveOut.CreateEntry(entryName);
                await using var writer = new StreamWriter(entry.Open());
                await writer.WriteAsync("Hello World!");
            }
        }

        utf8Stream.Position = 0;
    }
    {
        output.WriteLine("ZipArchive.Latin1:");
        using (var archiveIn = new ZipArchive(latin1Stream, ZipArchiveMode.Read, true, Encoding.Latin1))
        {
            foreach (var entry in archiveIn.Entries)
                output.WriteLine(entry.FullName);
        }

        output.WriteLine("ZipArchive.Default:");
        // When you open a zip archive file for reading and entryNameEncoding is set to a value other than null,
        using (var archiveIn = new ZipArchive(utf8Stream, ZipArchiveMode.Read, true, Encoding.Latin1))
        {
            // When the language encoding flag is set, UTF-8 is used to decode the entry name.
            foreach (var entry in archiveIn.Entries)
                output.WriteLine(entry.FullName);
        }
    }
}

原因分析 #

问题出在.NET ZipArchive的实际解码逻辑与文档表述的细微差异：

1. 文档表述的简化偏差
   文档提到“若标志已设置则用UTF-8解码”，但实际实现中，当你显式指定entryNameEncoding时，该编码会强制覆盖语言编码标志的判断——不管标志是否设置，都会使用指定的编码解码条目名称。

2. 乱码的本质原因
   你用UTF-8编码写入的条目名称（如finalePräsentation.pdf），字节序列是UTF-8格式。当用Encoding.Latin1解码时，UTF-8的多字节字符会被拆分为单个Latin1字符：比如ä的UTF-8字节是0xC3 0xA4，用Latin1解码后会变成ä，这就是乱码的来源。

3. 误解文档的核心点
   文档描述容易让人误以为entryNameEncoding是“备选编码”，仅在语言编码标志未设置时生效，但实际.NET的逻辑是：指定entryNameEncoding后会强制使用该编码，忽略标志；只有当entryNameEncoding为null时，才会根据标志选择UTF-8或系统默认编码。

解决方法 #

要同时兼容UTF-8和Latin1格式的ZIP文件，不能直接指定Encoding.Latin1，需要手动判断编码：

• 读取ZIP时，先检查条目的语言编码标志；
• 若标志已设置，用UTF-8解码；
• 若未设置，用Encoding.Latin1解码。

或者，使用第三方ZIP库（如SharpZipLib），这类库通常提供更灵活的编码适配逻辑，能自动识别并处理不同编码的ZIP文件。

内容的提问来源于stack exchange，提问作者malat