Corretor de Mojibake: reparar texto corrompido
Texto corrompido
Texto corrigido
Conversão manual
Conjuntos de caracteres de um byte e UTF-8 podem ser usados dos dois lados. Shift_JIS, GB18030 e Big5 servem apenas para decodificação.
Detalhes técnicos
Como funciona o corretor de mojibake
O que o corretor de mojibake faz
Mojibake é um texto escrito numa codificação de caracteres e lido em outra, de modo que "é" aparece como "é" e o apóstrofo curvo como "’". A ferramenta reverte o erro: recodifica o texto com o conjunto de caracteres em que foi lido por engano para recuperar os bytes originais e depois decodifica esses bytes com o conjunto de caracteres em que realmente estavam. Ela testa todas as combinações de UTF-8, Windows-1252, ISO-8859-1, Windows-1251, KOI8-R, ISO-8859-2, Shift_JIS, GB18030 e Big5, pontua cada resultado e mostra a melhor correção com uma lista ordenada de alternativas.
Casos de uso comuns
Desenvolvedores a usam para reparar exportações de banco de dados, ficheiros CSV, assuntos de e-mail, linhas de log e respostas de API em que acentos viraram sequências com Ã, limpar texto copiado de uma página servida com cabeçalho de charset errado e diagnosticar a camada de um pipeline que decodificou UTF-8 como Latin-1. Ela também restaura texto russo exibido como Привет e ajuda a verificar se uma correção no código realmente produz os caracteres pretendidos.
Codificações e padrões suportados
O caso mais comum é UTF-8 lido como Windows-1252 ou Latin-1: é, ü, ’, “ e emojis como 😀. UTF-8 lido como Windows-1251 produz pares cirílicos como Р e С seguidos de símbolos. Texto com codificação dupla, em que o dano ocorreu duas vezes, é reparado repetindo a etapa UTF-8 até três vezes. Os seletores manuais Codificar como e Decodificar como cobrem conjuntos de caracteres de um byte nos dois sentidos; Shift_JIS, GB18030 e Big5 só podem ser usados para decodificação.
Armadilhas e limites
O reparo só funciona quando nenhum byte foi perdido. Pontos de interrogação e caracteres de substituição U+FFFD no texto corrompido não podem ser recuperados, e o texto que foi convertido com perdas em algum momento continua danificado. A escolha automática é uma heurística baseada em letras, palavras comuns e sequências típicas de mojibake, então strings muito curtas podem ser ambíguas: confira a tabela de alternativas ou use os seletores manuais. Texto correto é deixado inalterado, e a entrada é limitada a 1.000.000 de caracteres.