Mojibake Fixer: Ayusin ang Sirang Text
Sirang text
Naayos na text
Manwal na conversion
Magagamit ang single-byte charset at UTF-8 sa magkabilang panig. Ang Shift_JIS, GB18030, at Big5 ay para sa decode lang.
Mga teknikal na detalye
Paano Gumagana ang Mojibake Fixer
Ano ang Ginagawa ng Mojibake Fixer
Ang mojibake ay text na isinulat sa isang character encoding at binasa sa iba, kaya ang "é" ay lumalabas na "é" at ang kurbadang apostrophe ay "’". Binabaligtad ng tool ang pagkakamali: nire-re-encode nito ang iyong text gamit ang charset na maling ginamit sa pagbasa para mabawi ang orihinal na mga byte, saka dine-decode ang mga byte na iyon gamit ang charset na talagang ginamit. Sinusubukan nito ang bawat kumbinasyon ng UTF-8, Windows-1252, ISO-8859-1, Windows-1251, KOI8-R, ISO-8859-2, Shift_JIS, GB18030, at Big5, bini-score ang bawat resulta, at ipinapakita ang pinakamahusay na ayos na may naka-rank na listahan ng mga alternatibo.
Karaniwang Gamit
Ginagamit ito ng mga developer para ayusin ang mga database export, CSV file, email subject, log line, at API response kung saan naging mga à sequence ang mga accent, para linisin ang text na kinopya mula sa page na may maling charset header, at para i-diagnose kung aling layer sa isang pipeline ang nag-decode ng UTF-8 bilang Latin-1. Ibinabalik din nito ang Russian text na lumalabas bilang Привет at tumutulong i-verify na talagang nagagawa ng ayos sa code ang inaasahang mga character.
Mga Sinusuportahang Encoding at Pattern
Ang pinakakaraniwang kaso ay UTF-8 na binasa bilang Windows-1252 o Latin-1: é, ü, ’, “, at mga emoji tulad ng 😀. Ang UTF-8 na binasa bilang Windows-1251 ay gumagawa ng mga Cyrillic na pares tulad ng Р at С na sinusundan ng mga simbolo. Inaayos ang double-encoded na text, kung saan dalawang beses nangyari ang pinsala, sa pamamagitan ng pag-uulit ng UTF-8 na hakbang hanggang tatlong beses. Sinasaklaw ng manwal na selector na I-encode bilang at I-decode bilang ang single-byte charset sa magkabilang direksyon; ang Shift_JIS, GB18030, at Big5 ay magagamit lang sa pag-decode.
Mga Pitfall at Limitasyon
Gumagana lang ang pag-aayos kapag walang nawalang byte. Ang mga question mark at U+FFFD na replacement character sa sirang text ay hindi na mababawi, at nananatiling sira ang text na na-convert nang lossy sa anumang yugto. Ang awtomatikong pagpili ay heuristic batay sa mga letra, karaniwang salita, at tipikal na mojibake sequence, kaya maaaring malabo ang napakaikling string: suriin ang talaan ng mga alternatibo o gamitin ang manwal na selector. Hindi binabago ang tamang text, at limitado sa 1,000,000 character ang input.