Как распаковать zip-архив с русскими именами файлов в Python?

Question

[Андрей Безпалов]

Задача: скачать прайс-лист поставщика в архиве, распаковать и передать данные парсеру. Отлично работал до тех пор, пока в архиве не стали использоваться русские имена файлов.

import requests
from io import BytesIO
from zipfile import ZipFile

# Создаем сессию
s = requests.Session()

# Авторизуемся и получаем ссылку на zip-архив
# ...

# Скачиваем zip-архив
request = s.get(self.url_price, cookies=cookies)

# Извлекаем данные
zip_data = ZipFile(BytesIO(request.content))
xls_data = zip_data.open(zip_data.namelist()[0])

Выдает ошибку BadZipFile:
File name in directory 'Åαá⌐ß½¿ßΓ_æá¼áαá.xml' and header b'\xcf\xf0\xe0\xe9\xf1\xeb\xe8\xf1\xf2_\xd1\xe0\xec\xe0\xf0\xe0.xml' differ.

Предполагаю, что проблему можно обойти, указав кодировку, или обратившись к файлу не по имени, а по индексу, но в описании zipfile не нашел ничего подобного.

Уточнение: используется Python 3.4.

UPD: приведение имени к читабельному виду смог сделать так:

name = zip_data.namelist()[0]
name = bytes(name, 'CP437').decode('CP866')

При попытке открыть файл с этим именем:
xls_data = zip_data.open(name)

Система сообщает, что не может найти файл в архиве с ошибкой:

KeyError
"There is no item named 'Прайслист_Самара.xml' in the archive"

Comments

[Andy_U]

Ага, это я не проверил, когда предлагал аналогичный вариант :( Но если в open/read использовать "оригинальное" имя, то у меня все срабатывает. Впрочем, я тестировал на zip-файле на диске, созданным 7-zip, внутри которого находится единственный файл проверка.txt с содержимым qwerty. Вот полный код:

from zipfile import ZipFile

with ZipFile('zip.zip', 'r') as f:

    for name in f.namelist():
        print(name)
        print(name.encode('cp437').decode('cp866'))
        with f.open(name) as ff:
            print(ff.read())

и вывод на консоль:

"C:\Program Files\Python34\python.exe" "D:/My Documents/PycharmProjects/ziptst/main.py"
»α«óÑα¬á.txt
проверка.txt
b'qwerty'

Process finished with exit code 0

Вариант с патченным zipfile.py пробовали?

[Andy_U]

Вдогонку, у меня 64-bit Windows Python 3.4.2, а у Вас?

Answer 1

[Andy_U]

Перепишите файл zipfile.py из библиотеки питона к себе, и исправьте строки decode('cp437') и decode("cp437") на decode('cp866'). По-крайней мере, имена файлов внутри архивов станут правильными. Ну и еще надо иметь ввиду, что метод read() выдает байты, а не строки.

Кстати, если всегда

bytes.decode('cp437').encode('cp437') == bytes

то можно обойтись и без патча zipfile.py:

f = ZipFile('z.zip', 'r')

for name in f.namelist():
    unicode_name = name.encode('cp437').decode('cp866')
    print(unicode_name)

P.S. Почему имена файлов хранятся внутри архива в OEM кодировке, я не понимаю. Что Windows так делает, что 7-zip.

Comments

[Андрей Безпалов]

Заменил в двух местах decode("cp437") на decode('cp866').
Закомментировал проверку:
# if fname_str != zinfo.orig_filename:
# raise BadZipFile(
# 'File name in directory %r and header %r differ.'
# % (zinfo.orig_filename, fname))

Answer 2

[aon24]

akarin забыл указать, что ссылка демонстрирует решение для Python 2.7

Comments

[Андрей Безпалов]

Да. Для Python 3 отлично работает решение Andy_U.