【字符集】解决docker 容器中中文乱码问题

一个后端服务容器中解压zip包，释放出带文件名带中文的文件，中文显示被?代替，初步推断是服务基础镜像系统字符集出现问题。

 

进入容器中端界面，手动创建带中文的文件，果不其然，中文显示被?代替了！

 

进入容器 查看字符集

#  docker exec -it    /bin/bash

# locale

# locale  -a

 

从输出可以看到，系统使用的是POSIX字符集，POSIX字符集是不支持中文的，而UTF-8是支持中文的 只要把系统中的环境 LANG 改为”UTF-8”格式即可解决问题。

 

在容器中临时测试

# export  LANG="en_US.UTF-8"

手动touch一个带中文的文件，显示正常。

 

永久设置需在Dockerfile中设置环境字符集环境变量

ENV  LANG="en_US.UTF-8"

创建文件的的文件名中文显示问题解决了，程序解压zip包，释放出带文件名带中文的文件名显示乱码问题依然存在。

查阅知道得知，原zip格式并没有指定编码格式，Windows下生成的zip文件中的编码是GBK/GB2312等，因此，导致这些zip文件在Linux下解压时出现乱码问题，因为Linux下的默认编码是UTF-8。

zip这种档案格式1993年出现以来，直到2006年 6.3版才支持Unicode（UTF-8）文件名。虽然zip标准里说在此之前只支持IBM CP437编码，但如果那样的话，在zip档案中只能出现拉丁字母和少量的其它字符。事实上，各种zip软件在创建档案时使用当前系统的字符集来编码文件名，这样的档案文件在使用同样字符集的系统里可被正常解压，但在别的系统里解压就容易出现文件名乱码问题。

如果能在创建zip文件的时候明确要求软件使用Unicode文件名，就能保证支持zip 6.3标准的软件总能正确地解码档案中的文件名。在我找到的资料里，7-zip从2008年开始支持Unicode文件名，并提供了3种模式，其中-mcu选项会让7-zip在遇到非ASCII字符时便启用UTF-8文件名编码，其命令行使用方法如下：

# 7z  a  -mcu  X.zip    FILE_NAME

7zFM的“创建压缩包”对话框左下角有一个名叫“参数”的文本框，在里面可以填写创建压缩包时想要使用的参数，但必须省略“-m”，也就是说，如需指定“-mcu”，则要在该文本框里填写“cu”。

 

一般来说， 解决方式：

第一条命令用于解压缩，而LANG=C表示以US-ASCII这样的编码输出文件名，如果没有这个语言设置，它同样会输出乱码，只不过是UTF8格式的乱码(convmv会忽略这样的乱码)。

第二条命令是将GBK编码的文件名转化为UTF8编码，-r表示递归访问目录，即对当前目录中所有文件进行转换。

 

不管Windows还是linux，都可以压缩成7z格式，因为这种压缩有自己的编码，不会乱，但是使用7zip，需要引入新的软件包，我们一般选择指定解压字符编码。

 

 

参考

 

在zip文件中使用Unicode文件名

https://via.hypothes.is/http://coinfaces.me/posts/unicode-filename-in-zip-archive

 

解决linux下zip文件解压乱码

https://via.hypothes.is/https://yelog.org/2017/04/25/%E8%A7%A3%E5%86%B3linux%E4%B8%8Bzip%E6%96%87%E4%BB%B6%E8%A7%A3%E5%8E%8B%E4%B9%B1%E7%A0%81

 

Linux 下 zip 文件解压乱码解决方案

https://via.hypothes.is/https://www.jianshu.com/p/72bb8d2ed4df

 

如何看待 Bandizip 将推出新的付费版本，原免费版将添加广告？

https://via.hypothes.is/https://www.zhihu.com/question/350595457