動機と目的

ダウンロードしたzipファイルをAndroidで解凍したら文字化けした。
未だにこんなことあるのかとがっかりした。
実際にWindows11でzipファイルを作成して犯人探しをする。

実験手順

圧縮

ファイル名が日本語のファイルを作成した。
echo Hello world! > サンプル.txt

以下の環境と名前で計5つのzipファイルを作成した。

ArchLinux : zip サンプル.txt linux.zip

Windows11	標準機能 `右クリック > 圧縮先... > ZIPファイル`	7zip
utf8オフ	`win.zip`	`win7z.zip`
utf8オン	`u8win.zip`	`u8win7z.zip`

utf8オンとは以下の状態のこと。

標準機能での圧縮については以下の記事を参照。

解凍

圧縮を行った5つの環境に加えて、以下の3つの環境でも解凍を行った。

iPadOS 18.3 @ iPad Air 5
- Apple "ファイル"
- Readdle "Documents"
Android 14 @ Pixel 7a
- Google "Files"

結果

殆どの場合において文字化けすることなく解凍できた。
問題のあった組み合わせを以下に示す。

win7z.zip
- Readdle "Documents"
- Google "Files"

linuxで解凍した様子を以下に示す。
問題こそ起きなかったがu8win7z.zipでは何故かASCIIで読んでいるようだ。

[root@toko-aero linux]# unzip linux.zip -d linux
Archive:  linux.zip
 extracting: linux/サンプル.txt  
[root@toko-aero linux]# unzip u8win.zip -d u8win 
Archive:  u8win.zip
  inflating: u8win/サンプル.txt  
[root@toko-aero linux]# unzip u8win7z.zip -d u8win7z
Archive:  u8win7z.zip
サンプル.txt:  mismatching "local" filename (уВ╡уГ│уГЧуГл.txt),
         continuing with "central" filename version
 extracting: u8win7z/サンプル.txt  
[root@toko-aero linux]# unzip win.zip -d win
Archive:  win.zip
  inflating: win/サンプル.txt    
[root@toko-aero linux]# unzip win7z.zip -d win7z
Archive:  win7z.zip
 extracting: win7z/サンプル.txt

imhexで覗く

文字化けに深く関わってくるのがGeneralPurposeFlagのUTF8フラグとファイル名のエンコード方法である。

↓UTF8フラグの立っている状態

↓ファイル名がutf-8でエンコードされている状態

以下実際のファイルである。

↓linux.zip

↓u8win.zip

↓u8win7z.zip

↓win.zip

↓win7z.zip

Windows11標準機能で圧縮した2つは同一のバイナリであった。

注目すべきはやはりwin7z.zipである。
UTF8ビットが立っていないのも、sjisエンコードされているのも、このファイルのみである。

拡張領域にタグ0x75 0x70としてutf-8エンコードされたファイル名が書かれていることが確認できる。

https://pkware.cachefly.net/webdocs/casestudies/APPNOTE.TXT　4.6.1より抜粋

4.6 Third Party Mappings

4.6.1 Third party mappings commonly used are:

0x07c8 Macintosh
...
0x6854 THEOS
0x7075 Info-ZIP Unicode Path Extra Field ←これ
0x7441 AtheOS/Syllable
...

追加実験

`win7z.zip`の拡張領域を消してみる

utf-8エンコードされたファイル名の存在する拡張領域2箇所を00で埋めた。
これで予告無しにsjisエンコードされたファイル名を突きつけるzipファイルが出来上がった。
ArchLinux上のunzipコマンドで解凍した。

 zip % unzip mod.zip
Archive:  mod.zip
 extracting: ГTГУГvГЛ.txt

化けた。

至って真っ当な結果である。

まとめ

文字化け選手権、選ばれたのは...

... 7zip でした...

sjisでファイル名を吐く
ロケール設定で挙動が変わる
- utf8にしていても問題が起きる

オプションcu=onを指定すればutf8エンコードのファイルを吐くようだが、知らないと使えないので意味をなさない。
筆者然り、何も知らずにとりあえず7zipで圧縮している人は多いだろう。
文句は言わないのでArchLinux、今すぐインストール。

使うべきは...

... Windows11標準機能 でした...

インストール不要
utf-8エンコードしてくれる
変なロケール設定に惑わされない
中身が小さくても律儀にdeflateする
- かわいい
- 実用上の問題はない

知っておこう

今日は、ファイル名がshift-jisでエンコードされたzipファイルが文字化けしない理由について、知っておこう。

( "Documents" で解凍する )
う〜ん、化けたね！、じゃ！

答: 拡張領域にutf8でエンコードされたファイル名があるから