Pembaiki Mojibake: Baiki Teks Bercelaru
Teks bercelaru
Teks yang dibetulkan
Penukaran manual
Set aksara bait tunggal dan UTF-8 boleh digunakan pada kedua-dua belah. Shift_JIS, GB18030 dan Big5 hanya untuk nyahkod.
Butiran teknikal
Cara Pembaiki Mojibake Berfungsi
Apa yang Dilakukan oleh Pembaiki Mojibake
Mojibake ialah teks yang ditulis dalam satu pengekodan aksara dan dibaca dalam yang lain, jadi "é" muncul sebagai "é" dan apostrof melengkung sebagai "’". Alat ini membalikkan kesilapan itu: mengekod semula teks dengan set aksara yang dibaca secara salah untuk memulihkan bait asal, kemudian menyahkod bait itu dengan set aksara yang sebenarnya digunakan. Ia mencuba setiap kombinasi UTF-8, Windows-1252, ISO-8859-1, Windows-1251, KOI8-R, ISO-8859-2, Shift_JIS, GB18030 dan Big5, menskor setiap hasil, dan menunjukkan pembaikan terbaik dengan senarai alternatif yang disusun.
Kes Penggunaan Biasa
Pembangun menggunakannya untuk membaiki eksport pangkalan data, fail CSV, subjek e-mel, baris log dan respons API yang aksennya bertukar menjadi jujukan Ã, membersihkan teks yang disalin daripada halaman yang disajikan dengan pengepala set aksara yang salah, dan mendiagnosis lapisan dalam saluran paip yang menyahkod UTF-8 sebagai Latin-1. Ia juga memulihkan teks Rusia yang dipaparkan sebagai Привет dan membantu mengesahkan bahawa pembaikan dalam kod benar-benar menghasilkan aksara yang dimaksudkan.
Pengekodan dan Corak yang Disokong
Kes paling lazim ialah UTF-8 dibaca sebagai Windows-1252 atau Latin-1: é, ü, ’, “ dan emoji seperti 😀. UTF-8 dibaca sebagai Windows-1251 menghasilkan pasangan Cyrillic seperti Р dan С diikuti simbol. Teks berkod berganda, di mana kerosakan berlaku dua kali, dibaiki dengan mengulangi langkah UTF-8 sehingga tiga kali. Pemilih kodkan sebagai dan nyahkod sebagai manual meliputi set aksara bait tunggal dalam kedua-dua arah; Shift_JIS, GB18030 dan Big5 hanya boleh digunakan untuk nyahkod.
Perangkap dan Had
Pembaikan hanya berfungsi apabila tiada bait yang hilang. Tanda soal dan aksara pengganti U+FFFD dalam teks bercelaru tidak dapat dipulihkan, dan teks yang ditukar dengan kehilangan pada sesuatu peringkat kekal rosak. Pilihan automatik ialah heuristik berdasarkan huruf, perkataan lazim dan jujukan mojibake tipikal, jadi rentetan yang sangat pendek mungkin kabur: semak jadual alternatif atau gunakan pemilih manual. Teks yang betul dibiarkan tidak berubah, dan input dihadkan kepada 1,000,000 aksara.