我们在zip文件中的文件编码时遇到了问题。 我们正在使用离子zip来压缩和解压缩档案。 我们位于丹麦，因此我们经常在文件名中包含æ，ø或å的文件。
当用户使用 windows 内置工具来压缩文件时，我发现它使用的是 IBM437 enconding，当我们有包含"ø"/"Ø"的文件时，这只会给出一些时髦的结果。我用以下代码修复了这一点：
public static string IBM437Encode(this string text)
{
return text.Replace('ø', '¢').Replace('Ø', '¥');
}
public static string IBM437Decode(this string text)
{
return text.Replace('¢', 'ø').Replace('¥', 'Ø');
}
这已经运行了一段时间，一切都很好。
但是，因为总有一个但是，我们没有尝试使用mac osx中默认工具压缩的文件。 所以现在我们遇到了一个新问题。 使用 æ、ø 和 å 时，编码为 UTF-8！因此，如果我知道zip被压缩的位置，我可以让它工作，但是有没有简单的方法来检测或规范化zip内部的编码？
检测编码始终是一项棘手的工作，但 UTF8 对有效序列中应包含的值具有严格的按位规则，并且您可以初始化 UTF8Encoding 对象，当这些序列不正确时，通过引发异常来初始化 UTF8Encoding 对象：
public static Boolean MatchesUtf8Encoding(Byte[] bytes)
{
UTF8Encoding enc = new UTF8Encoding(false, true);
try { enc.GetString(bytes) }
catch(ArgumentException) { return false; }
return true;
}
如果你对zip中的所有文件名运行它，你可以确定它是否在任何地方失败，在这种情况下，你可以得出结论，这些名称没有保存为UTF-8。
请注意，除了 UTF-8 之外，计算机的默认编码(Encoding.Default，通常是美国和西欧国家的 Windows-1252，但根据地区和语言的不同而烦人地不同)和您已经遇到的 DOS-437 编码之间也存在烦人的差异。
区分它们非常非常困难，并且可能需要通过实际检查每个编码来完成，这些编码的范围超出了字节0x80产生正常的重音字符，并且哪些是您通常不会期望在文件名中遇到的特殊字符。例如，许多 DOS-437 字符是用于在 DOS 中绘制半图形用户界面的帧。
作为参考，这些是 DOS-437 中的特殊字符(因此字节范围 0x80-0xFF)：
80 ÇüéâäàåçêëèïîìÄÅ 90 ÉæôöòûùÿÖÜ¢£¥₧ƒ A0 áíóúñѪº¿⌐¬1/21/4¡«» B0 ░▒▓│┤╡╢╖╕╣║╗╝╜╛┐ C0 └┴┬├─┼╞╟╚╔╩╦╠═╬╧ D0 ╨╤╥╙╘╒╓╫╪┘┌█▄▌▐▀ E0 αßΓπΣσμτΦΘΩδ∞φε∩ F0 ≡±≥≤⌠⌡÷≈°∙·√ⁿ²■
而在 Windows-1252 中：
80 € 'ƒ"...†‡ˆ‰Š‹Œ ž 90 ''""•–— ̃™š›œ žŸ A0 ¡¢ ¡¢¥¦§ ̈©ª«¬ ® ̄ B0 °±²³'μ¶· ̧¹º»1/41/23/4¿ C0 ÀÁÂÃÄÅÆÇÈÉÊËÌÍÎÏ D0 ÐÑÒÓÔÕÖ×ØÙÚÛÜÝÞß E0 àáâãäåæçèéêëìíîï F0 ðñòóôõö÷øùúûüýþÿ
其中一些甚至不可打印，所以这使得它更容易一些。
如您所见，通常，DOS-437 的大部分重音字符都在 0x80-0xA5 区域(0xE1 Beta 在德国经常用作 eszett)，而 Win-1252 几乎在 0xC0-0xFF 区域中具有所有这些字符。如果确定这些区域，则可以创建一个扫描机制来评估它似乎倾向于哪种编码，只需计算每个区域有多少个区域在预期范围内和之外。
请注意，c# 中的Char表示一个 unicode 字符，无论它是从什么字节加载的，并且 unicode 字符具有某些分类，您可以通过编程方式查找它们，以区分普通字母(可能带有变音符号)和各种特殊字符类(简单示例：我知道其中一个类是"空格字符")。可能值得研究该系统，以自动确定什么是"正常语言字符"的过程。