python zipfile文件名乱码问题

zipfile文件名乱码问题

接到一个解压zip文件的任务。在几百G的文件里面找到zip文件，并解压到当前目录。这个任务看似很简单，但是全都是坑的。
被坑的第一点，文件名乱码。搜索博客里面的教程，一般有两种方法。1、修改源码，把cp437编码换成gbk。2、decode cp437 再 encode gbk。
这两种方案都只能适应一些场景而已，因为zip的压缩工具本来就是混乱的。
我来说说第一种方案的坑点，并非所有的zip文件都是通过flag_bits来控制是utf-8还是别的编码的。例如，一个flag_bits标记为非utf-8的文件名，你直接修改源码转gbk，则很有可能会gbk can not decode error 。
第二种，方案同样有像似的问题。一个utf-8的文件名因为flag_bits的错误。然后，你就无法区分是到底是 decode cp437 还是 utf-8。
所以，正确的方法是读取flag_bits,decode cp437 或者 utf-8 还原成二进制数据。然后，再使用chardet猜测编码，如果猜测不出来，应该指定utf-8编码、然后再使用gbk。
是的，这个编码还是要靠猜的。

解压文件的另外一个坑点

我也不知道为啥，压缩文件的路径上，有的文件夹的尾部是一个空格。这导致，解压后的文件夹。有内容，但是打开是看不到文件的。
我使用rar工具进行解压。发现，工具会把尾部的空格替换成下划线。

结果

经过这些修改，终于这几百G的文件，扫描出来的zip，可以成功解压。有60G大小。而且，文件名都可以还原。没有乱码的情况。