如何解码Windows 10生成的压缩包中的乱码文件名？

问题根源 #

Windows系统默认生成Zip包时，文件名使用系统本地编码（中文环境为GBK，英文环境为CP1252），而Python的zipfile模块默认采用IBM437编码解码文件名，两者不匹配就会出现乱码。Ubuntu生成的Zip包默认使用UTF-8编码，所以不会有问题；无法本地复现是因为你的本地环境编码和客户端Windows环境不一致。

解决方案 #

修改代码逻辑：先将namelist()返回的乱码字符串重新编码为IBM437（还原Zip包中存储的原始字节），再尝试用Windows常用编码（GBK/CP1252）解码，最后保留原逻辑作为 fallback。

修改后的代码：

from zipfile import ZipFile

with ZipFile('arhive.zip') as myzip:
    for name in myzip.namelist():
        raw_bytes = name.encode("IBM437")
        uname = name
        
        # 优先尝试中文Windows环境的GBK编码
        try:
            uname = raw_bytes.decode("GBK")
        except UnicodeDecodeError:
            # 尝试英文Windows环境的CP1252编码
            try:
                uname = raw_bytes.decode("CP1252")
            except UnicodeDecodeError:
                # 最后尝试俄语环境常用的IBM866编码
                try:
                    uname = raw_bytes.decode("IBM866")
                except UnicodeDecodeError:
                    pass
        
        print(uname)

额外建议 #

如果客户端可以更换Zip生成工具，推荐使用支持UTF-8编码的工具（比如7-Zip，勾选"使用UTF-8编码文件名"选项），这样zipfile会自动识别UTF-8编码，无需额外处理。

内容的提问来源于stack exchange，提问作者Jon Jones