对 mp3 乱码问题的分析和解决(thythombox)

Crazier · #1

对 mp3 乱码问题的分析和解决
引自：http://www.osxcn.com/ubuntu/mp3-tag-encoding.html

最近尝试 Listen 和 Banshee 才发现，Rhythmbox 上出现的 mp3 乱码问题依旧，而且更加严重，想要彻底弄清和解决必须搞清两点，第一， mp3 标签类型和编码，第二，各种播放器对 mp3 标签读取情况，相信它们应该都有相关的开发文档来说明，但我还是用了一个最笨的方法，就是一个一个的测试来得出结论，真理不是来自于实践吗？

1、了解 mp3 标签类型和使用的编码

首先说 mp3 标签类型和编码，大家应该知道目前主要存在这几种标准，ID3v1, ID3v2 2.3, ID3v2 2.4, APEv2，ID3v1 只支持 ISO-8859-1 编码 (编码集参考)，严格的说它是不支持中文的 (并不代表它不能储存中文信息，目前中文 mp3 的 ID3v1 标签都使用这个字段来储存 GBK/GB18030 编码的中文信息)，而第二版 (ID3v2) 支持的格式增加了 utf-16，直到 2.4 版才开始支持 uft-8，但 ID3v2 标准没有统一标签内容的编码，例如 2.4 版的 ID3v2 你可以使用 ISO-8859-1 编码，也可以使用 utf-16/uft-8 这种 Unicode 编码格式。做得最好的是 APEv2，它不但有很好的扩展性，而且还把编码格式统一为 utf-8，这样一来只要支持 APEv2 读取的播放器播放带有 APEv2 标签的 mp3 就不会存在乱码问题。

2、了解各种播放器对 mp3 标签读取情况

接下来研究的就是各种播放器对这几种标准的标签支持程度，测试的播放器有：gnome 自带的 Rhythmbox 0.10.0, Listen 0.5, Banshee 0.12.1+dfsg-3, Quod Libet 0.24, Exaile! 0.2.8, GMPC 0.13.0, Audacious 1.2.2。

测试的方法很简单，用一个 mp3 文件，分别写入不同类型的标签 (排列组合下来共 20 多种)，在 ID3v1 和 ID3v2 2.3/2.4 中分别使用不同的编码写入中文信息 (如 GBK 编码)，然后用这些播放器去读取，得到其结果。从这次的测试结果来看，Rhythmbox 对各种 mp3 的标签支持最好，这主要归功于它支持 APEv2 标签的读取。而 Banshee 和剩下的播放器完全一样，都不支持 APEv2 的读取，这个就能很好的解释为什么一些 mp3 在 Rhythmbox 上正常，在其他播放器上就会乱码。原因是现在很多 mp3 为了兼容，都同时使用了 ID3v1 和 APEv2 标签，Rhythmbox 读取 ID3v1 一样会乱码，但它优先读取了 APEv2 标签，而 Banshee 这些播放器不支持 APEv2 就只能读取 ID3v1，当然会乱码了。

他们的共同特点就是，所依赖的 libid3tag 库完全按照 ID3 标准来读取标签内容。不管使用何种标准的标签，只要是读取以 Unicode 编码的中文内容，肯定没有问题，遇到 GBK/GB18030 编码的中文内容时，还是把它当成 ISO-8859-1 编码来读取，不乱才怪。

ps: Vista 上的 WMP 不支持 ID3v2 2.4 和 APEv2 标签的读取，但它很聪明不能读取就用文件名代替，千千静听支持全系列标签的读取，但不支持以 ID3v2 2.4 标准的写入，不知道即将发布的 5.0 有变化没有。foobar2000 v0.9.4.3 支持全系列标签的读取，默认使用 ID3v2 2.4 (utf-8) 写入，不愧被誉为经典。

3、解决办法

既然明白了乱码的原因，就得找解决办法，一种办法就像 Win 上的播放器一样，可以根据本地的编码方式来解码，或使用一些其他转码机制，要不还可以选择优先读取顺序。以上测试的播放器中除了 Audacious 外其他都不支自定义编码读取功能。另外一个解决办法就是把 mp3 标签转换为 Unicode 编码，这种方式既简单又支持标准，推荐大家使用。如果像 Banshee 一样支持显示文件路径也可以解决乱码问题，但这不是根本之道。

目前发现有 2 个工具可以把标签转换为 Unicode 编码，而且都支持批量转换。

1) 一个是周枫用 java 编写的 ID3iconv 0.2.1，最后更新时间为 2004/2/20。

使用方法：
java -jar ~/id3iconv-0.2.1.jar -e gbk *.mp3

如果想转换当前目录下的所有 mp3 (包括子目录)：
find . -iname "*.mp3" -execdir java -jar ~/id3iconv-0.2.1.jar -e gbk {} \;

* 注意以上 ~/id3iconv-0.2.1.jar 位置根据自己情况而定
* 相信现在大陆绝大多数能找到的 mp3 标签都是以 GBK/GB18030 编码，使用 -e gbk 来处理就够了，当然你也可以使用 -e gb18030 来处理。
* -e gbk 参数是代表把 GBK 编码的标签转换为 Unicode 编码，本身是 Unicode 编码的就不转换。如果需要转换其他编码的文件可以自行修改，如改为 Big5。
* 经测试，转换后为 2.3 版的 ID3v2，编码格式为 uft-16

2) 另外一个是用 Python 写的 “Mutagen”，目前最新版本 1.11，Ubuntu 7.04 源里也带有 1.10 版本的 Mutagen，可以用这个命令来安装：
sudo apt-get install python-mutagen

ps:安装 Quod Libet 和 Listen 都必须这个

使用方法：
mid3iconv -e gbk *.mp3

如果想转换当前目录下的所有 mp3 (包括子目录)：
find . -iname "*.mp3" -execdir mid3iconv -e gbk {} \;

* 相信现在大陆绝大多数能找到的 mp3 标签都是以 GBK/GB18030 编码，使用 -e gbk 来处理就够了，当然你也可以使用 -e gb18030 来处理。
* -e gbk 参数是代表把 GBK 编码的标签转换为 Unicode 编码，本身是 Unicode 编码的就不转换。如果需要转换其他编码的文件可以自行修改，如改为 Big5。
* 经测试，转换后为 2.4 版的 ID3v2，编码格式为 uft-16
* 不过它会同时用 Unicode 编码填满 D3v1, ID3v2, APEv2 标签，但是 ID3v1 又不支持中文的 Unicode 编码，所以转换后的 ID3v1 标签全是问号。所以最好加上 –remove-v1 参数，转换后删除 ID3v1 标签。
mid3iconv -e gbk --remove-v1 *.mp3

Joshua_Zhan · #2

困扰了我好久的问题，谢谢了，我马上试试

eexpress · #3

论坛，wiki都有的东西哦。

bwchaos · #4

还有人在研究这个啊

littleUbuntu · #5

好，刚好用到，多谢

livizy · #6

nowhere · #7

真是简单又好用。。多谢。。

10moons · #8

我用的一个脚本：

代码：全选

#!/bin/sh
find . -iname "*.mp3" -execdir mid3iconv --remove-v1 -e gbk {} \;
find . -iname "*.mp3" -execdir mid3v2 -s -C {} \;

新增加了一行
find . -iname "*.mp3" -execdir mid3v2 -s -C {} \;
转换一下，生成完全的 ID3v2.4. 这样使用Audacious时才不会乱码

flying.space · #9

原来想忍忍算了，不过乱码真的好讨厌。
我在用第二个方法转换中
谢啦，收藏了

copdips · #10

谢谢用了楼主的方法，全部更新了，爽，把病根除了：p

内存不足 · #11

quodlibet只要在配置文件的 id3 行后加上 gbk 基本上中文标签都搞定很少看到乱码，不用转换的。
而且quodlibet有个插件是 APEv2 to ID3v2

yang_hui1986527 · #12

我采用的是第二种方法。
楼主研究得还满详细的，精神可嘉！

weaker · #13

不知道能否也转换wma的?

ichaochao · #14

真的可以了耶，真是太强了，谢谢呀！！