Correttore di mojibake: ripara il testo corrotto
Testo corrotto
Testo corretto
Conversione manuale
I set di caratteri a byte singolo e UTF-8 possono essere usati su entrambi i lati. Shift_JIS, GB18030 e Big5 sono solo per la decodifica.
Dettagli tecnici
Come funziona il correttore di mojibake
Cosa fa il correttore di mojibake
Il mojibake è testo scritto in una codifica di caratteri e letto in un’altra, per cui «é» appare come «Ã©» e un apostrofo tipografico come «â€™». Lo strumento inverte l’errore: ricodifica il testo con il set di caratteri con cui è stato letto per errore, per recuperare i byte originali, poi decodifica quei byte con il set di caratteri in cui erano realmente. Prova tutte le combinazioni di UTF-8, Windows-1252, ISO-8859-1, Windows-1251, KOI8-R, ISO-8859-2, Shift_JIS, GB18030 e Big5, assegna un punteggio a ogni risultato e mostra la correzione migliore con un elenco ordinato di alternative.
Casi d’uso comuni
Gli sviluppatori lo usano per riparare esportazioni di database, file CSV, oggetti di email, righe di log e risposte di API in cui gli accenti sono diventati sequenze Ã, per ripulire testo copiato da una pagina servita con l’header del charset sbagliato e per diagnosticare quale livello di una pipeline ha decodificato UTF-8 come Latin-1. Ripristina anche il testo russo mostrato come Привет e aiuta a verificare che una correzione nel codice produca davvero i caratteri previsti.
Codifiche e pattern supportati
Il caso più comune è UTF-8 letto come Windows-1252 o Latin-1: é, ü, ’, “ ed emoji come 😀. UTF-8 letto come Windows-1251 produce coppie cirilliche come Р e С seguite da simboli. Il testo con doppia codifica, dove il danno è avvenuto due volte, viene riparato ripetendo il passaggio UTF-8 fino a tre volte. I selettori manuali Codifica come e Decodifica come coprono i set di caratteri a byte singolo in entrambe le direzioni; Shift_JIS, GB18030 e Big5 possono essere usati solo per la decodifica.
Insidie e limiti
La riparazione funziona solo se non sono stati persi byte. I punti interrogativi e i caratteri sostitutivi U+FFFD nel testo corrotto non possono essere recuperati e il testo convertito con perdita in qualche fase resta danneggiato. La scelta automatica è un’euristica basata su lettere, parole comuni e sequenze tipiche del mojibake, quindi le stringhe molto brevi possono essere ambigue: controlla la tabella delle alternative o usa i selettori manuali. Il testo corretto resta invariato e l’input è limitato a 1.000.000 di caratteri.