ಮೋಜಿಬೇಕ್ ಫಿಕ್ಸರ್: ಹಾಳಾದ ಪಠ್ಯ ದುರಸ್ತಿ
ಹಾಳಾದ ಪಠ್ಯ
ಸರಿಪಡಿಸಿದ ಪಠ್ಯ
ಹಸ್ತಚಾಲಿತ ಪರಿವರ್ತನೆ
ಸಿಂಗಲ್-ಬೈಟ್ ಕ್ಯಾರೆಕ್ಟರ್ ಸೆಟ್ಗಳು ಮತ್ತು UTF-8 ಎರಡೂ ಬದಿಗಳಲ್ಲಿ ಬಳಸಬಹುದು. Shift_JIS, GB18030 ಮತ್ತು Big5 ಡಿಕೋಡ್ಗೆ ಮಾತ್ರ.
ತಾಂತ್ರಿಕ ವಿವರಗಳು
ಮೋಜಿಬೇಕ್ ಫಿಕ್ಸರ್ ಹೇಗೆ ಕೆಲಸ ಮಾಡುತ್ತದೆ
ಮೋಜಿಬೇಕ್ ಫಿಕ್ಸರ್ ಏನು ಮಾಡುತ್ತದೆ
ಮೋಜಿಬೇಕ್ ಎಂದರೆ ಒಂದು ಕ್ಯಾರೆಕ್ಟರ್ ಎನ್ಕೋಡಿಂಗ್ನಲ್ಲಿ ಬರೆದು ಇನ್ನೊಂದರಲ್ಲಿ ಓದಿದ ಪಠ್ಯ, ಆದ್ದರಿಂದ "é" "é" ಆಗಿ ಮತ್ತು ಬಾಗಿದ ಅಪಾಸ್ಟ್ರಫಿ "’" ಆಗಿ ಕಾಣುತ್ತದೆ. ಟೂಲ್ ಆ ತಪ್ಪನ್ನು ಹಿಮ್ಮುಖಗೊಳಿಸುತ್ತದೆ: ಮೂಲ ಬೈಟ್ಗಳನ್ನು ಮರಳಿ ಪಡೆಯಲು ತಪ್ಪಾಗಿ ಓದಲಾದ ಕ್ಯಾರೆಕ್ಟರ್ ಸೆಟ್ನೊಂದಿಗೆ ನಿಮ್ಮ ಪಠ್ಯವನ್ನು ಮರು-ಎನ್ಕೋಡ್ ಮಾಡುತ್ತದೆ, ನಂತರ ಆ ಬೈಟ್ಗಳನ್ನು ಅವು ನಿಜವಾಗಿ ಇದ್ದ ಕ್ಯಾರೆಕ್ಟರ್ ಸೆಟ್ನಿಂದ ಡಿಕೋಡ್ ಮಾಡುತ್ತದೆ. ಇದು UTF-8, Windows-1252, ISO-8859-1, Windows-1251, KOI8-R, ISO-8859-2, Shift_JIS, GB18030 ಮತ್ತು Big5 ನ ಪ್ರತಿ ಸಂಯೋಜನೆಯನ್ನು ಪ್ರಯತ್ನಿಸುತ್ತದೆ, ಪ್ರತಿ ಫಲಿತಾಂಶಕ್ಕೆ ಸ್ಕೋರ್ ನೀಡುತ್ತದೆ ಮತ್ತು ಶ್ರೇಣೀಕೃತ ಪರ್ಯಾಯಗಳ ಪಟ್ಟಿಯೊಂದಿಗೆ ಅತ್ಯುತ್ತಮ ಸರಿಪಡಿಕೆಯನ್ನು ತೋರಿಸುತ್ತದೆ.
ಸಾಮಾನ್ಯ ಬಳಕೆಗಳು
ಡೆವಲಪರ್ಗಳು ಇದನ್ನು ಅಕ್ಸೆಂಟ್ಗಳು à ಅನುಕ್ರಮಗಳಾಗಿ ಬದಲಾಗಿರುವ ಡೇಟಾಬೇಸ್ ಎಕ್ಸ್ಪೋರ್ಟ್ಗಳು, CSV ಫೈಲ್ಗಳು, ಇಮೇಲ್ ವಿಷಯಗಳು, ಲಾಗ್ ಸಾಲುಗಳು ಮತ್ತು API ಪ್ರತಿಕ್ರಿಯೆಗಳನ್ನು ದುರಸ್ತಿ ಮಾಡಲು, ತಪ್ಪಾದ charset ಹೆಡರ್ನೊಂದಿಗೆ ನೀಡಿದ ಪುಟದಿಂದ ಕಾಪಿ ಮಾಡಿದ ಪಠ್ಯವನ್ನು ಸ್ವಚ್ಛಗೊಳಿಸಲು, ಮತ್ತು ಪೈಪ್ಲೈನ್ನ ಯಾವ ಪದರ UTF-8 ಅನ್ನು Latin-1 ಎಂದು ಡಿಕೋಡ್ ಮಾಡಿತು ಎಂದು ಪತ್ತೆಹಚ್ಚಲು ಬಳಸುತ್ತಾರೆ. ಇದು Привет ಎಂದು ತೋರುವ ರಷ್ಯನ್ ಪಠ್ಯವನ್ನೂ ಮರುಸ್ಥಾಪಿಸುತ್ತದೆ ಮತ್ತು ಕೋಡ್ನಲ್ಲಿ ಮಾಡಿದ ಸರಿಪಡಿಕೆ ನಿಜಕ್ಕೂ ಉದ್ದೇಶಿತ ಅಕ್ಷರಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆಯೇ ಎಂದು ಪರಿಶೀಲಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ.
ಬೆಂಬಲಿತ ಎನ್ಕೋಡಿಂಗ್ಗಳು ಮತ್ತು ಮಾದರಿಗಳು
ಅತ್ಯಂತ ಸಾಮಾನ್ಯ ಪ್ರಕರಣ UTF-8 ಅನ್ನು Windows-1252 ಅಥವಾ Latin-1 ಎಂದು ಓದುವುದು: é, ü, ’, “ ಮತ್ತು 😀 ನಂತಹ ಎಮೋಜಿಗಳು. UTF-8 ಅನ್ನು Windows-1251 ಎಂದು ಓದಿದರೆ Р ಮತ್ತು С ನಂತಹ ಸಿರಿಲಿಕ್ ಜೋಡಿಗಳು ಮತ್ತು ಅವುಗಳ ನಂತರ ಚಿಹ್ನೆಗಳು ಬರುತ್ತವೆ. ಹಾನಿ ಎರಡು ಬಾರಿ ಆದ ಡಬಲ್-ಎನ್ಕೋಡ್ ಮಾಡಿದ ಪಠ್ಯವನ್ನು UTF-8 ಹಂತವನ್ನು ಮೂರು ಬಾರಿಯವರೆಗೆ ಪುನರಾವರ್ತಿಸಿ ದುರಸ್ತಿ ಮಾಡಲಾಗುತ್ತದೆ. ಹಸ್ತಚಾಲಿತ ಹೀಗೆ ಎನ್ಕೋಡ್ ಮಾಡಿ ಮತ್ತು ಹೀಗೆ ಡಿಕೋಡ್ ಮಾಡಿ ಆಯ್ಕೆಗಳು ಸಿಂಗಲ್-ಬೈಟ್ ಕ್ಯಾರೆಕ್ಟರ್ ಸೆಟ್ಗಳನ್ನು ಎರಡೂ ದಿಕ್ಕುಗಳಲ್ಲಿ ಒಳಗೊಳ್ಳುತ್ತವೆ; Shift_JIS, GB18030 ಮತ್ತು Big5 ಅನ್ನು ಡಿಕೋಡಿಂಗ್ಗೆ ಮಾತ್ರ ಬಳಸಬಹುದು.
ಅಪಾಯಗಳು ಮತ್ತು ಮಿತಿಗಳು
ಯಾವುದೇ ಬೈಟ್ ಕಳೆದುಹೋಗದಿದ್ದರೆ ಮಾತ್ರ ದುರಸ್ತಿ ಕೆಲಸ ಮಾಡುತ್ತದೆ. ಹಾಳಾದ ಪಠ್ಯದಲ್ಲಿರುವ ಪ್ರಶ್ನಾರ್ಥಕ ಚಿಹ್ನೆಗಳು ಮತ್ತು U+FFFD ಬದಲಿ ಅಕ್ಷರಗಳನ್ನು ಮರುಪಡೆಯಲಾಗುವುದಿಲ್ಲ, ಮತ್ತು ಯಾವುದೋ ಹಂತದಲ್ಲಿ ಲಾಸಿ ಆಗಿ ಪರಿವರ್ತಿಸಿದ ಪಠ್ಯ ಹಾನಿಗೊಂಡೇ ಉಳಿಯುತ್ತದೆ. ಸ್ವಯಂಚಾಲಿತ ಆಯ್ಕೆ ಅಕ್ಷರಗಳು, ಸಾಮಾನ್ಯ ಪದಗಳು ಮತ್ತು ವಿಶಿಷ್ಟ ಮೋಜಿಬೇಕ್ ಅನುಕ್ರಮಗಳ ಆಧಾರದ ಹ್ಯೂರಿಸ್ಟಿಕ್ ಆಗಿದೆ, ಆದ್ದರಿಂದ ಬಹಳ ಚಿಕ್ಕ ಸ್ಟ್ರಿಂಗ್ಗಳು ಅಸ್ಪಷ್ಟವಾಗಿರಬಹುದು: ಪರ್ಯಾಯಗಳ ಕೋಷ್ಟಕ ಪರಿಶೀಲಿಸಿ ಅಥವಾ ಹಸ್ತಚಾಲಿತ ಆಯ್ಕೆಗಳನ್ನು ಬಳಸಿ. ಸರಿಯಾದ ಪಠ್ಯ ಬದಲಾಗದೆ ಉಳಿಯುತ್ತದೆ, ಮತ್ತು ಇನ್ಪುಟ್ 1,000,000 ಅಕ್ಷರಗಳಿಗೆ ಸೀಮಿತವಾಗಿದೆ.