મોજીબેક ફિક્સર: બગડેલા ટેક્સ્ટનું સમારકામ
બગડેલું ટેક્સ્ટ
સુધારેલું ટેક્સ્ટ
મેન્યુઅલ રૂપાંતર
સિંગલ-બાઇટ કૅરેક્ટર સેટ અને UTF-8 બંને બાજુ વાપરી શકાય છે. Shift_JIS, GB18030 અને Big5 ફક્ત ડિકોડ માટે છે.
તકનિકી વિગતો
મોજીબેક ફિક્સર કેવી રીતે કામ કરે છે
મોજીબેક ફિક્સર શું કરે છે
મોજીબેક એવું ટેક્સ્ટ છે જે એક કૅરેક્ટર એન્કોડિંગમાં લખાયું અને બીજામાં વંચાયું, તેથી "é" "é" તરીકે અને વાંકી અપૉસ્ટ્રૉફી "’" તરીકે દેખાય છે. ટૂલ ભૂલને ઉલટાવે છે: તે તમારા ટેક્સ્ટને તે કૅરેક્ટર સેટ સાથે ફરીથી એન્કોડ કરે છે જેનાથી તે ભૂલથી વંચાયું હતું જેથી મૂળ બાઇટ પાછા મળે, પછી તે બાઇટને તે કૅરેક્ટર સેટથી ડિકોડ કરે છે જેમાં તેઓ ખરેખર હતા. તે UTF-8, Windows-1252, ISO-8859-1, Windows-1251, KOI8-R, ISO-8859-2, Shift_JIS, GB18030 અને Big5 ના દરેક સંયોજનને અજમાવે છે, દરેક પરિણામને સ્કોર કરે છે અને વિકલ્પોની ક્રમબદ્ધ યાદી સાથે શ્રેષ્ઠ સુધારો બતાવે છે.
સામાન્ય ઉપયોગો
ડેવલપર તેનો ઉપયોગ એવા ડેટાબેઝ એક્સપોર્ટ, CSV ફાઇલો, ઇમેઇલ વિષયો, લૉગ લીટીઓ અને API રિસ્પૉન્સના સમારકામ માટે કરે છે જેમાં ઍક્સેન્ટ à ક્રમ બની ગયા હોય, ખોટા charset હેડર સાથે પીરસાયેલા પેજ પરથી કૉપી કરેલા ટેક્સ્ટને સાફ કરવા, અને પાઇપલાઇનના કયા સ્તરે UTF-8 ને Latin-1 તરીકે ડિકોડ કર્યું તે ઓળખવા માટે. તે Привет તરીકે દેખાતા રશિયન ટેક્સ્ટને પણ પાછું લાવે છે અને કોડમાં કરેલો સુધારો ખરેખર ઇચ્છિત અક્ષરો બનાવે છે કે નહીં તે ચકાસવામાં મદદ કરે છે.
સમર્થિત એન્કોડિંગ અને પેટર્ન
સૌથી સામાન્ય કિસ્સો UTF-8 નું Windows-1252 અથવા Latin-1 તરીકે વંચાવું છે: é, ü, ’, “ અને 😀 જેવા ઇમોજી. UTF-8 નું Windows-1251 તરીકે વંચાવું Р અને С જેવી સિરિલિક જોડી બનાવે છે, જેની પાછળ ચિહ્નો આવે છે. ડબલ-એન્કોડેડ ટેક્સ્ટ, જેમાં નુકસાન બે વાર થયું, તેને UTF-8 પગલું ત્રણ વાર સુધી પુનરાવર્તિત કરીને સુધારવામાં આવે છે. મેન્યુઅલ આ રીતે એન્કોડ કરો અને આ રીતે ડિકોડ કરો પસંદગીકર્તા સિંગલ-બાઇટ કૅરેક્ટર સેટને બંને દિશામાં આવરી લે છે; Shift_JIS, GB18030 અને Big5 ફક્ત ડિકોડિંગ માટે વાપરી શકાય છે.
મુશ્કેલીઓ અને મર્યાદાઓ
સમારકામ ત્યારે જ કામ કરે છે જ્યારે કોઈ બાઇટ ગુમાવાયો ન હોય. બગડેલા ટેક્સ્ટમાંના પ્રશ્નચિહ્નો અને U+FFFD રિપ્લેસમેન્ટ અક્ષરો પાછા મેળવી શકાતા નથી, અને કોઈ તબક્કે લૉસી રીતે બદલાયેલું ટેક્સ્ટ નુકસાનગ્રસ્ત જ રહે છે. સ્વચાલિત પસંદગી અક્ષરો, સામાન્ય શબ્દો અને લાક્ષણિક મોજીબેક ક્રમો પર આધારિત અનુમાન પદ્ધતિ છે, તેથી ખૂબ ટૂંકી સ્ટ્રિંગ અસ્પષ્ટ હોઈ શકે છે: વિકલ્પોનું ટેબલ તપાસો અથવા મેન્યુઅલ પસંદગીકર્તા વાપરો. સાચું ટેક્સ્ટ યથાવત રહે છે, અને ઇનપુટ 1,000,000 અક્ષર સુધી મર્યાદિત છે.