DevToys Web Pro iconDevToys Web Proब्लॉग
आम्हाला रेट करा:
ब्राउझर विस्तार वापरून पाहा:

Mojibake फिक्सर: विस्कळीत मजकूर दुरुस्त करा

विस्कळीत मजकूर

दुरुस्त केलेला मजकूर

  • मॅन्युअल रूपांतरण

    असे एन्कोड करा
    असे डिकोड करा

    सिंगल-बाइट कॅरेक्टर सेट आणि UTF-8 दोन्ही बाजूंना वापरता येतात. Shift_JIS, GB18030 आणि Big5 फक्त डिकोडिंगसाठी आहेत.

    तांत्रिक तपशील

    Mojibake फिक्सर कसा काम करतो

    Mojibake फिक्सर काय करतो

    Mojibake म्हणजे एका कॅरेक्टर एन्कोडिंगमध्ये लिहिलेला आणि दुसऱ्यात वाचलेला मजकूर, त्यामुळे "é" "é" म्हणून आणि वक्र अपॉस्ट्रॉफी "’" म्हणून दिसते. हे साधन चूक उलट करते: चुकीने वाचलेल्या कॅरेक्टर सेटमध्ये मजकूर पुन्हा एन्कोड करून मूळ बाइट्स परत मिळवते, नंतर ते बाइट्स प्रत्यक्षात ज्यात लिहिले होते त्या कॅरेक्टर सेटमध्ये डिकोड करते. ते UTF-8, Windows-1252, ISO-8859-1, Windows-1251, KOI8-R, ISO-8859-2, Shift_JIS, GB18030 आणि Big5 चे प्रत्येक संयोजन वापरून पाहते, प्रत्येक निकालाला गुण देते, आणि सर्वोत्तम दुरुस्ती तसेच पर्यायांची क्रमवारी लावलेली यादी दाखवते.

    सामान्य वापर प्रकरणे

    डेटाबेस एक्स्पोर्ट, CSV फाइल्स, ईमेल विषय, लॉग ओळी आणि अॅक्सेंट à क्रमांमध्ये बदललेले API प्रतिसाद दुरुस्त करण्यासाठी, चुकीच्या चारसेट हेडरसह दिलेल्या पेजवरून कॉपी केलेला मजकूर स्वच्छ करण्यासाठी, आणि पाइपलाइनमध्ये UTF-8 ला Latin-1 म्हणून डिकोड करणारा स्तर शोधण्यासाठी डेव्हलपर हे वापरतात. Привет म्हणून दिसणारा रशियन मजकूरही हे पूर्ववत करते आणि कोडमधील दुरुस्ती खरोखर अपेक्षित अक्षरे तयार करते का हे तपासण्यास मदत करते.

    समर्थित एन्कोडिंग आणि पॅटर्न

    सर्वात सामान्य प्रकरण म्हणजे UTF-8 ला Windows-1252 किंवा Latin-1 म्हणून वाचणे: é, ü, ’, “ आणि 😀 सारखे इमोजी. Windows-1251 म्हणून वाचलेला UTF-8 Р आणि С सारख्या सिरिलिक जोड्या आणि त्यांच्यापाठोपाठ चिन्हे तयार करतो. दोनदा नुकसान झालेला दुहेरी-एन्कोड मजकूर UTF-8 पायरी तीन वेळा पर्यंत पुन्हा करून दुरुस्त केला जातो. मॅन्युअल असे एन्कोड करा आणि असे डिकोड करा निवडकर्ते सिंगल-बाइट कॅरेक्टर सेट दोन्ही दिशांना कव्हर करतात; Shift_JIS, GB18030 आणि Big5 फक्त डिकोडिंगसाठी वापरता येतात.

    अडचणी आणि मर्यादा

    बाइट्स गमावले गेले नसतील तरच दुरुस्ती काम करते. विस्कळीत मजकुरातील प्रश्नचिन्हे आणि U+FFFD बदली अक्षरे परत मिळवता येत नाहीत, आणि कोणत्याही टप्प्यावर लॉसी पद्धतीने रूपांतरित झालेला मजकूर खराबच राहतो. स्वयंचलित निवड ही अक्षरे, सामान्य शब्द आणि ठराविक mojibake क्रमांवर आधारित अनुमान आहे, म्हणून अतिशय लहान स्ट्रिंग संदिग्ध असू शकतात: पर्याय तक्ता तपासा किंवा मॅन्युअल निवडकर्ते वापरा. योग्य मजकूर बदलला जात नाही, आणि इनपुट 1,000,000 अक्षरांपर्यंत मर्यादित आहे.