Mojibake labotājs: sabojāta teksta labošana
Sabojāts teksts
Izlabotais teksts
Manuāla pārveidošana
Vienbaita rakstzīmju kopas un UTF-8 var izmantot abās pusēs. Shift_JIS, GB18030 un Big5 paredzētas tikai dekodēšanai.
Tehniskā informācija
Kā darbojas mojibake labotājs
Ko dara mojibake labotājs
Mojibake ir teksts, kas rakstīts vienā rakstzīmju kodējumā un nolasīts citā, tāpēc „é“ parādās kā „Ã©“, bet izliekts apostrofs kā „â€™“. Rīks atceļ kļūdu: pārkodē tekstu ar rakstzīmju kopu, kurā tas kļūdaini nolasīts, lai atgūtu sākotnējos baitus, un pēc tam dekodē baitus ar rakstzīmju kopu, kurā tie patiesībā rakstīti. Tas izmēģina visas UTF-8, Windows-1252, ISO-8859-1, Windows-1251, KOI8-R, ISO-8859-2, Shift_JIS, GB18030 un Big5 kombinācijas, novērtē rezultātu un parāda labāko labojumu ar alternatīvu sarakstu pēc vērtējuma.
Biežākie lietojuma gadījumi
Izstrādātāji to izmanto, lai labotu datubāzu eksportus, CSV failus, e-pasta tēmas, žurnāla rindas un API atbildes, kur burti ar diakritiskajām zīmēm pārvērtušies par à secībām, lai notīrītu tekstu, kopētu no lapas ar nepareizu rakstzīmju kopas galveni, un lai noteiktu slāni konveijerā, kas UTF-8 dekodēja kā Latin-1. Tas atjauno arī krievu tekstu, kas redzams kā Привет, un palīdz pārbaudīt, vai labojums kodā tiešām rada paredzētās rakstzīmes.
Atbalstītie kodējumi un šabloni
Visbiežākais gadījums ir UTF-8, kas nolasīts kā Windows-1252 vai Latin-1: é, ü, ’, “ un emocijzīmes, piemēram, 😀. UTF-8, kas nolasīts kā Windows-1251, rada kirilicas pārus, piemēram, Р un С, kam seko simboli. Dubultkodēts teksts, kur bojājums radies divreiz, tiek labots, atkārtojot UTF-8 soli līdz trīs reizēm. Manuālie kodēt kā un dekodēt kā izvēlnes aptver vienbaita rakstzīmju kopas abos virzienos; Shift_JIS, GB18030 un Big5 var izmantot tikai dekodēšanai.
Kļūmes un ierobežojumi
Labošana darbojas tikai tad, ja nav zuduši baiti. Jautājuma zīmes un U+FFFD aizstāšanas rakstzīmes sabojātajā tekstā nav atjaunojamas, un teksts, kas kādā posmā konvertēts ar zudumiem, paliek bojāts. Automātiskā izvēle ir heiristika, kuras pamatā ir burti, bieži lietoti vārdi un tipiskas mojibake secības, tāpēc ļoti īsas virknes var būt neviennozīmīgas: pārbaudiet alternatīvu tabulu vai izmantojiet manuālās izvēlnes. Pareizs teksts tiek atstāts nemainīts, un ievade ir ierobežota līdz 1 000 000 rakstzīmju.