Mojibake-javító: hibás szöveg helyreállítása
Hibásan megjelenő szöveg
Javított szöveg
Kézi átalakítás
Az egybájtos karakterkészletek és az UTF-8 mindkét oldalon használhatók. A Shift_JIS, GB18030 és Big5 csak dekódolásra használható.
Technikai részletek
Hogyan működik a mojibake-javító
Mit csinál a mojibake-javító
A mojibake olyan szöveg, amelyet egy karakterkódolásban írtak, de egy másikban olvastak, így az „é” „é”-ként, a görbe aposztróf pedig „’”-ként jelenik meg. Az eszköz visszafordítja a hibát: újrakódolja a szöveget azzal a karakterkészlettel, amellyel tévesen olvasták, hogy visszanyerje az eredeti bájtokat, majd ezeket a bájtokat azzal a karakterkészlettel dekódolja, amelyben valójában voltak. Kipróbálja az UTF-8, Windows-1252, ISO-8859-1, Windows-1251, KOI8-R, ISO-8859-2, Shift_JIS, GB18030 és Big5 minden kombinációját, pontozza az eredményeket, és a legjobb javítást egy rangsorolt alternatívalistával mutatja.
Gyakori felhasználási esetek
A fejlesztők adatbázis-exportok, CSV-fájlok, e-mail-tárgyak, naplósorok és API-válaszok javítására használják, ahol az ékezetek à sorozatokká váltak, helytelen charset fejlécű oldalról másolt szöveg tisztítására, valamint annak megállapítására, hogy egy pipeline melyik rétege dekódolta az UTF-8-at Latin-1-ként. Visszaállítja a Привет formában megjelenő orosz szöveget is, és segít ellenőrizni, hogy a kódban végzett javítás valóban a kívánt karaktereket állítja-e elő.
Támogatott kódolások és minták
A leggyakoribb eset a Windows-1252-ként vagy Latin-1-ként olvasott UTF-8: é, ü, ’, “ és az olyan emojik, mint a 😀. A Windows-1251-ként olvasott UTF-8 cirill párokat ad, például Р és С, amelyeket szimbólumok követnek. A kétszer kódolt szöveget, ahol a sérülés kétszer történt, az UTF-8 lépés legfeljebb háromszori ismétlésével javítja. A kézi Kódolás mint és Dekódolás mint választók az egybájtos karakterkészleteket fedik le mindkét irányban; a Shift_JIS, GB18030 és Big5 csak dekódolásra használható.
Buktatók és korlátok
A javítás csak akkor működik, ha nem veszett el bájt. A hibás szövegben lévő kérdőjelek és U+FFFD helyettesítő karakterek nem állíthatók vissza, és az a szöveg, amelyet valamelyik lépésben veszteségesen alakítottak át, sérült marad. Az automatikus választás a betűkön, a gyakori szavakon és a jellemző mojibake-sorozatokon alapuló heurisztika, ezért nagyon rövid szövegek kétértelműek lehetnek: nézze meg az alternatívák táblázatát, vagy használja a kézi választókat. A helyes szöveg változatlan marad, a bemenet pedig 1 000 000 karakterre korlátozott.