Mojibake சரிசெய்யி: சிதைந்த உரையைச் சரிசெய்யுங்கள்
சிதைந்த உரை
சரிசெய்யப்பட்ட உரை
கைமுறை மாற்றம்
ஒற்றை-பைட் எழுத்துத் தொகுப்புகளையும் UTF-8 ஐயும் இரு பக்கங்களிலும் பயன்படுத்தலாம். Shift_JIS, GB18030 மற்றும் Big5 டிகோட் செய்ய மட்டுமே.
தொழில்நுட்ப விவரங்கள்
Mojibake சரிசெய்யி எவ்வாறு செயல்படுகிறது
Mojibake சரிசெய்யி என்ன செய்கிறது
Mojibake என்பது ஓர் எழுத்து என்கோடிங்கில் எழுதப்பட்டு மற்றொன்றில் படிக்கப்பட்ட உரை, இதனால் "é" "é" ஆகவும், வளைந்த அப்போஸ்ட்ரபி "’" ஆகவும் தோன்றும். இந்தக் கருவி அந்தத் தவறைத் திருப்புகிறது: உரை தவறாகப் படிக்கப்பட்ட எழுத்துத் தொகுப்பால் உங்கள் உரையை மறு என்கோட் செய்து அசல் பைட்டுகளை மீட்டெடுத்து, பின்னர் அந்த பைட்டுகள் உண்மையில் இருந்த எழுத்துத் தொகுப்பால் டிகோட் செய்கிறது. UTF-8, Windows-1252, ISO-8859-1, Windows-1251, KOI8-R, ISO-8859-2, Shift_JIS, GB18030 மற்றும் Big5 ஆகியவற்றின் ஒவ்வொரு சேர்க்கையையும் முயன்று, ஒவ்வொரு முடிவுக்கும் மதிப்பெண் அளித்து, சிறந்த திருத்தத்தை வரிசைப்படுத்தப்பட்ட மாற்று வழிகளின் பட்டியலுடன் காட்டுகிறது.
பொதுவான பயன்பாடுகள்
உச்சரிப்பு எழுத்துகள் à வரிசைகளாக மாறிய தரவுத்தள ஏற்றுமதிகள், CSV கோப்புகள், மின்னஞ்சல் தலைப்புகள், பதிவு வரிகள் மற்றும் API பதில்களைச் சரிசெய்ய, தவறான எழுத்துத் தொகுப்பு ஹெடருடன் வழங்கப்பட்ட பக்கத்திலிருந்து நகலெடுத்த உரையைச் சுத்தம் செய்ய, மற்றும் பைப்லைனில் எந்த அடுக்கு UTF-8 ஐ Latin-1 ஆக டிகோட் செய்தது என்பதைக் கண்டறிய டெவலப்பர்கள் இதைப் பயன்படுத்துகிறார்கள். Привет எனக் காட்டப்படும் ரஷ்ய உரையையும் இது மீட்டெடுக்கிறது, குறியீட்டில் செய்த திருத்தம் உண்மையிலேயே நோக்கிய எழுத்துகளை உருவாக்குகிறதா என்பதைச் சரிபார்க்கவும் உதவுகிறது.
ஆதரிக்கப்படும் என்கோடிங்குகளும் வடிவங்களும்
மிகப் பொதுவான நிலை UTF-8 ஐ Windows-1252 அல்லது Latin-1 ஆகப் படிப்பது: é, ü, ’, “ மற்றும் 😀 போன்ற எமோஜிகள். UTF-8 ஐ Windows-1251 ஆகப் படித்தால் Р மற்றும் С ஆகியவற்றைத் தொடர்ந்து குறியீடுகள் வரும் சிரிலிக் ஜோடிகள் உருவாகும். சேதம் இரண்டு முறை நடந்த இரட்டை என்கோட் செய்யப்பட்ட உரை, UTF-8 படியை மூன்று முறை வரை மீண்டும் செய்வதன் மூலம் சரிசெய்யப்படும். கைமுறை என்கோட் செய்/டிகோட் செய் தேர்வுகள் ஒற்றை-பைட் எழுத்துத் தொகுப்புகளை இரு திசைகளிலும் உள்ளடக்கும்; Shift_JIS, GB18030 மற்றும் Big5 டிகோட் செய்ய மட்டுமே பயன்படுத்த முடியும்.
சிக்கல்களும் வரம்புகளும்
எந்த பைட்டும் இழக்கப்படாதபோது மட்டுமே பழுது வேலை செய்யும். சிதைந்த உரையிலுள்ள கேள்விக்குறிகளையும் U+FFFD மாற்று எழுத்துகளையும் மீட்டெடுக்க முடியாது, எந்த நிலையிலோ இழப்புடன் மாற்றப்பட்ட உரை சேதமடைந்தபடியே இருக்கும். தானியங்கித் தேர்வு எழுத்துகள், பொதுவான சொற்கள் மற்றும் வழக்கமான mojibake வரிசைகளை அடிப்படையாகக் கொண்ட ஹியூரிஸ்டிக் ஆகும், எனவே மிகக் குறுகிய சரங்கள் தெளிவற்றதாக இருக்கலாம்: மாற்று வழிகள் அட்டவணையைச் சரிபார்க்கவும் அல்லது கைமுறைத் தேர்வுகளைப் பயன்படுத்தவும். சரியான உரை மாற்றப்படாமல் விடப்படும், உள்ளீடு 1,000,000 எழுத்துகளாக வரையறுக்கப்பட்டுள்ளது.