ZIPのファイル名はなぜ文字化けするのか。フラグ1つと、作る側・開く側の食い違い
もらったZIPを展開したら、日本語のファイル名が 譌・譛ャ隱.txt のようになった。中身のデータは無事なのに、名前だけが化ける。原因は、ZIPのファイル名に、文字コードを書く場所がほとんど無いことだ。仕様書を読み、手元で実際にZIPを作って測った。
仕様書は何と言っているか
PKWAREが公開している仕様書 APPNOTE.TXT の 6.3.10 版(2022年11月1日改訂)を読んだ(確認日:2026年11月3日)。
- Appendix D.1:ZIPは歴史的に、IBM Code Page 437(CP437)しかサポートしてこなかった。
- 4.4.4 の bit 11(EFS):このビットが立っていれば、ファイル名とコメントは UTF-8 で書かれている。
- Appendix D.2:立っていなければ、元の文字コード(CP437)に従うべき(SHOULD)。
- 4.6.9:Info-ZIP が決めた追加フィールド(ヘッダーID
0x7075)に、UTF-8の名前を別に入れる方法もある。どちらを使うかは、作る側に任されている(D.8)。
つまり仕様の上では、フラグが無い名前はCP437で、日本語は想定されていない。もう一つ、4.4.17.1 は区切りを / と決めていて、\ は認めていない。
6つの方法で、同じ3ファイルを圧縮した
日本語.txt・資料/表.txt・readme.txt を、手元で使えた方法でZIPにして、名前のバイト列を読んだ。環境は Windows 11 Pro(10.0.26300、日本語、コードページ932)。
| 作った方法 | bit 11 | 日本語 のバイト列 | 区切り | 作った環境 |
|---|---|---|---|---|
| PowerShell 5.1 の Compress-Archive | 1 | E6 97 A5 E6 9C AC E8 AA 9E(UTF-8) | \ | MS-DOS |
| .NET Framework の ZipFile(既定) | 1 | 同上 | \ | MS-DOS |
| tar.exe(bsdtar 3.8.9) | 0 | 93 FA 96 7B 8C EA(CP932) | / | Unix |
| 7-Zip 24.05 | 0(+0x7075) | 同上(CP932) | / | MS-DOS |
| エクスプローラーの圧縮フォルダー相当※ | 0 | 同上(CP932) | / | MS-DOS |
| Go 1.27 の archive/zip | 1 | UTF-8 | / | MS-DOS |
※ 右クリックの操作そのものではなく、同じ機能を呼ぶ Shell.Application の CopyHere で作った。「作った環境」は、ZIPの中に記録される version made by の上位バイトだ。
わかったことは3つ。
1. 作る側の書き方は、ばらばらだ。 UTF-8にフラグを立てるもの、CP932をフラグなしで書くもの、CP932にUTF-8の予備を添えるものがある。2. フラグが無い日本語名は、すべてCP932だった。 仕様の「CP437」とは違い、実際は作った環境の既定のコードページだ。3. PowerShell 5.1 と .NET Framework は、区切りに \ を使っていた。 4.4.17.1 に反する書き方だ。
macOSのFinderやLinuxの zip は試していない。結果はこの環境のものだ。
開く側は、どうやって文字コードを決めるのか
名前のバイト列を、違う文字コードで読むと、こうなる。
| 名前(元) | 読み方 | 見え方 |
|---|---|---|
| 日本語.txt(UTF-8) | CP932 として | 譌・譛ャ隱�.txt |
| 日本語.txt(UTF-8) | CP437 として | µùѵ£¼Φ¬₧.txt |
| 日本語.txt(CP932) | CP437 として | ô·û{îΩ.txt |
| 日本語.txt(CP932) | UTF-8 として | ���{��.txt |
仕様どおりCP437で読めば、日本語は必ず化ける。だから展開するソフトは、作った環境や名前のバイト列の形から推測していると考えられる。その推測が結果を分けた例が出た。
上の5つのZIP(Compress-Archive・tar.exe・7-Zip・エクスプローラー相当・Go)を、Expand-Archive、tar.exe、7-Zip の3つで展開した。15通りのうち14通りは名前が正しく出たが、tar.exe で作ったZIPを7-Zipで展開したときだけ、{.txt のような壊れた名前になった。名前のバイト列は、7-Zipが作ったものと同じCP932だ。違うのは、作った環境が Unix と記録されていることだけだった。そこで中身を変えず、この1バイトだけを MS-DOS や NTFS に書き換えると、同じ7-Zipで正しい名前が出た。
7-Zipは、作った環境がUnixなら、名前をUTF-8と見なしているようだ。 確かめたのは、1バイトで結果が変わるところまでで、7-Zipの内部は読んでいない。フラグが無い名前の読み方は、ソフトごとの推測になる。同じZIPが、あるソフトでは読めて、別のソフトでは化けるのはこのためだ。
「表」や「ソ」と、0x5C
資料/表.txt のCP932のバイト列は、8E 91 97 BF 2F 95 5C 2E 74 78 74。「表」は 95 5C で、2バイト目の 5C はバックスラッシュのコードだ。CP437として読むと Äæù┐/ò\.txt になり、名前の途中に本物の \ が現れる。Windowsでは \ はフォルダーの区切りなので、名前が意図しない形に割れる。5C を2バイト目に持つ文字がCP932に37文字あることは、CSVの記事で数えた。
直す方法
バイト列が無事なら、正しい文字コードで読み直せば、元の名前に戻る。このサイトのツールは、名前ごとにフラグの有無と、UTF-8とCP932のどちらとして読めるかを判定して、読み方を選び直せる。名前をUTF-8に直したZIPも作れる(圧縮データはそのまま移して、名前とフラグだけを書き換える)。ZIPはブラウザの中で処理して、サーバーには送らない。
展開するときの、もう一つの危険
名前に ../ を含むエントリを、検証せずに展開先とつなぐと、フォルダーの外にファイルが書き込まれる。Snykの研究チームはこれを Zip Slip と名づけ、2018年6月5日に公表した(非公開の連絡は4月15日)。JavaScript、Ruby、.NET、Goなど、複数の言語の展開処理で見つかったと書かれている(確認日:2026年11月3日)。仕様の4.4.17.1は、名前に先頭の / などを含めてはならないとするが、これは作る側への決まりで、悪意のあるZIPが守る保証はない。だから読む側が検査するしかない。上のツールは、../ や絶対パスを含む名前を見つけると、ダウンロードの対象から外して警告する。
参考
- PKWARE, APPNOTE.TXT 6.3.10(4.4.4・4.4.17.1・4.6.9・Appendix D):https://pkware.cachefly.net/webdocs/casestudies/APPNOTE.TXT
- Snyk, Zip Slip Vulnerability:https://security.snyk.io/research/zip-slip-vulnerability
測定は、ANSIコードページ932の Windows 11 Pro 10.0.26300、PowerShell 5.1.26100.9818、bsdtar 3.8.9、7-Zip 24.05、Go 1.27.0。名前の判定は、各ZIPの中央ディレクトリを読んで行った。