Mojibake ഫിക്സർ: കേടായ ടെക്സ്റ്റ് നന്നാക്കുക
കേടായ ടെക്സ്റ്റ്
ശരിയാക്കിയ ടെക്സ്റ്റ്
മാനുവൽ പരിവർത്തനം
സിംഗിൾ-ബൈറ്റ് ക്യാരക്ടർ സെറ്റുകളും UTF-8-ഉം ഇരുവശത്തും ഉപയോഗിക്കാം. Shift_JIS, GB18030, Big5 എന്നിവ ഡീകോഡ് ചെയ്യാൻ മാത്രമുള്ളതാണ്.
സാങ്കേതിക വിശദാംശങ്ങൾ
Mojibake ഫിക്സർ എങ്ങനെ പ്രവർത്തിക്കുന്നു
Mojibake ഫിക്സർ എന്തു ചെയ്യുന്നു
ഒരു ക്യാരക്ടർ എൻകോഡിംഗിൽ എഴുതി മറ്റൊന്നിൽ വായിക്കുന്ന ടെക്സ്റ്റാണ് Mojibake, അതിനാൽ "é" "é" ആയും വളഞ്ഞ അപ്പോസ്ട്രഫി "’" ആയും കാണപ്പെടുന്നു. ടൂൾ ഈ പിഴവ് തിരിച്ചാക്കുന്നു: തെറ്റായി വായിച്ച ക്യാരക്ടർ സെറ്റിൽ ടെക്സ്റ്റ് റീ-എൻകോഡ് ചെയ്ത് യഥാർത്ഥ ബൈറ്റുകൾ വീണ്ടെടുക്കുന്നു, തുടർന്ന് ആ ബൈറ്റുകൾ യഥാർത്ഥത്തിൽ എഴുതിയ ക്യാരക്ടർ സെറ്റിൽ ഡീകോഡ് ചെയ്യുന്നു. UTF-8, Windows-1252, ISO-8859-1, Windows-1251, KOI8-R, ISO-8859-2, Shift_JIS, GB18030, Big5 എന്നിവയുടെ എല്ലാ സംയോജനങ്ങളും പരീക്ഷിക്കുകയും ഓരോ ഫലത്തിനും സ്കോർ നൽകുകയും മികച്ച പരിഹാരവും ബദലുകളുടെ റാങ്ക് ചെയ്ത പട്ടികയും കാണിക്കുകയും ചെയ്യുന്നു.
സാധാരണ ഉപയോഗങ്ങൾ
ഡാറ്റാബേസ് എക്സ്പോർട്ടുകൾ, CSV ഫയലുകൾ, ഇമെയിൽ വിഷയങ്ങൾ, ലോഗ് വരികൾ, ആക്സന്റുകൾ à ശ്രേണികളായി മാറിയ API പ്രതികരണങ്ങൾ എന്നിവ നന്നാക്കാനും, തെറ്റായ ചാർസെറ്റ് ഹെഡറോടെ നൽകിയ പേജിൽ നിന്ന് പകർത്തിയ ടെക്സ്റ്റ് വൃത്തിയാക്കാനും, പൈപ്പ്ലൈനിൽ UTF-8 നെ Latin-1 ആയി ഡീകോഡ് ചെയ്ത ഘട്ടം കണ്ടെത്താനും ഡെവലപ്പർമാർ ഇത് ഉപയോഗിക്കുന്നു. Привет ആയി കാണിക്കുന്ന റഷ്യൻ ടെക്സ്റ്റും ഇത് പുനഃസ്ഥാപിക്കുന്നു, കോഡിലെ ഒരു പരിഹാരം ഉദ്ദേശിച്ച അക്ഷരങ്ങൾ തന്നെ നൽകുന്നുണ്ടോ എന്ന് പരിശോധിക്കാനും സഹായിക്കുന്നു.
പിന്തുണയ്ക്കുന്ന എൻകോഡിംഗുകളും പാറ്റേണുകളും
ഏറ്റവും സാധാരണമായ സാഹചര്യം UTF-8 നെ Windows-1252 അല്ലെങ്കിൽ Latin-1 ആയി വായിക്കുന്നതാണ്: é, ü, ’, “, 😀 പോലുള്ള ഇമോജികൾ. Windows-1251 ആയി വായിച്ച UTF-8 Р, С പോലുള്ള സിറിലിക് ജോഡികളും തുടർന്ന് ചിഹ്നങ്ങളും ഉണ്ടാക്കുന്നു. രണ്ടുതവണ കേടുപാട് സംഭവിച്ച ഇരട്ട-എൻകോഡ് ടെക്സ്റ്റ്, UTF-8 ഘട്ടം മൂന്ന് തവണ വരെ ആവർത്തിച്ച് നന്നാക്കുന്നു. മാനുവൽ ഇങ്ങനെ എൻകോഡ് ചെയ്യുക, ഇങ്ങനെ ഡീകോഡ് ചെയ്യുക സെലക്ടറുകൾ സിംഗിൾ-ബൈറ്റ് ക്യാരക്ടർ സെറ്റുകളെ ഇരു ദിശകളിലും ഉൾക്കൊള്ളുന്നു; Shift_JIS, GB18030, Big5 എന്നിവ ഡീകോഡിംഗിന് മാത്രം ഉപയോഗിക്കാം.
പരിമിതികളും ശ്രദ്ധിക്കേണ്ട കാര്യങ്ങളും
ബൈറ്റുകൾ നഷ്ടപ്പെട്ടിട്ടില്ലെങ്കിൽ മാത്രമേ നന്നാക്കൽ പ്രവർത്തിക്കൂ. കേടായ ടെക്സ്റ്റിലെ ചോദ്യചിഹ്നങ്ങളും U+FFFD റീപ്ലേസ്മെന്റ് അക്ഷരങ്ങളും വീണ്ടെടുക്കാനാകില്ല, ഏതെങ്കിലും ഘട്ടത്തിൽ നഷ്ടത്തോടെ പരിവർത്തനം ചെയ്ത ടെക്സ്റ്റ് കേടായി തുടരും. അക്ഷരങ്ങൾ, സാധാരണ വാക്കുകൾ, സാധാരണ mojibake ശ്രേണികൾ എന്നിവയെ അടിസ്ഥാനമാക്കിയുള്ള ഹ്യൂറിസ്റ്റിക് ആണ് ഓട്ടോമാറ്റിക് തിരഞ്ഞെടുപ്പ്, അതിനാൽ വളരെ ചെറിയ സ്ട്രിംഗുകൾ അവ്യക്തമാകാം: ബദലുകളുടെ പട്ടിക പരിശോധിക്കുക അല്ലെങ്കിൽ മാനുവൽ സെലക്ടറുകൾ ഉപയോഗിക്കുക. ശരിയായ ടെക്സ്റ്റ് മാറ്റമില്ലാതെ വിടുന്നു, ഇൻപുട്ട് 1,000,000 അക്ഷരങ്ങളായി പരിമിതപ്പെടുത്തിയിരിക്കുന്നു.