Mojibake ఫిక్సర్: పాడైన టెక్స్ట్ను మరమ్మతు చేయండి
పాడైన టెక్స్ట్
సరిచేసిన టెక్స్ట్
మాన్యువల్ మార్పిడి
సింగిల్-బైట్ క్యారెక్టర్ సెట్లు మరియు UTF-8 ను రెండు వైపులా ఉపయోగించవచ్చు. Shift_JIS, GB18030 మరియు Big5 డీకోడ్ చేయడానికి మాత్రమే.
సాంకేతిక వివరాలు
Mojibake ఫిక్సర్ ఎలా పనిచేస్తుంది
Mojibake ఫిక్సర్ ఏమి చేస్తుంది
Mojibake అంటే ఒక క్యారెక్టర్ ఎన్కోడింగ్లో రాసి మరొకదానిలో చదివిన టెక్స్ట్, అందువల్ల "é" "é" గానూ, వంపు తిరిగిన అపాస్ట్రఫీ "’" గానూ కనిపిస్తాయి. ఈ సాధనం ఆ తప్పును తిప్పికొడుతుంది: టెక్స్ట్ తప్పుగా చదివిన క్యారెక్టర్ సెట్తో మీ టెక్స్ట్ను రీ-ఎన్కోడ్ చేసి అసలు బైట్లను తిరిగి పొంది, ఆ తర్వాత ఆ బైట్లను అవి నిజంగా ఉన్న క్యారెక్టర్ సెట్తో డీకోడ్ చేస్తుంది. UTF-8, Windows-1252, ISO-8859-1, Windows-1251, KOI8-R, ISO-8859-2, Shift_JIS, GB18030 మరియు Big5 యొక్క ప్రతి కలయికను ప్రయత్నించి, ప్రతి ఫలితానికి స్కోర్ ఇచ్చి, ఉత్తమ సవరణను ర్యాంక్ చేసిన ప్రత్యామ్నాయాల జాబితాతో చూపుతుంది.
సాధారణ వినియోగ సందర్భాలు
ఉచ్చారణ చిహ్నాల అక్షరాలు à క్రమాలుగా మారిన డేటాబేస్ ఎక్స్పోర్ట్లు, CSV ఫైళ్లు, ఇమెయిల్ సబ్జెక్ట్లు, లాగ్ లైన్లు మరియు API ప్రతిస్పందనలను మరమ్మతు చేయడానికి, తప్పు క్యారెక్టర్ సెట్ హెడర్తో అందించిన పేజీ నుండి కాపీ చేసిన టెక్స్ట్ను శుభ్రం చేయడానికి, మరియు పైప్లైన్లో ఏ లేయర్ UTF-8 ను Latin-1 గా డీకోడ్ చేసిందో నిర్ధారించడానికి డెవలపర్లు దీన్ని ఉపయోగిస్తారు. Привет గా చూపబడే రష్యన్ టెక్స్ట్ను కూడా ఇది పునరుద్ధరిస్తుంది, మరియు కోడ్లోని సవరణ నిజంగా ఉద్దేశించిన అక్షరాలను ఉత్పత్తి చేస్తుందో ధృవీకరించడంలో సహాయపడుతుంది.
సపోర్ట్ ఉన్న ఎన్కోడింగ్లు మరియు ప్యాటర్న్లు
అత్యంత సాధారణ సందర్భం UTF-8 ను Windows-1252 లేదా Latin-1 గా చదవడం: é, ü, ’, “ మరియు 😀 వంటి ఎమోజీలు. UTF-8 ను Windows-1251 గా చదివితే Р మరియు С తర్వాత చిహ్నాలు వచ్చే సిరిలిక్ జతలు ఏర్పడతాయి. నష్టం రెండుసార్లు జరిగిన డబుల్-ఎన్కోడ్ టెక్స్ట్, UTF-8 దశను మూడుసార్లు వరకు పునరావృతం చేయడం ద్వారా మరమ్మతు చేయబడుతుంది. మాన్యువల్ ఇలా ఎన్కోడ్ చేయి మరియు ఇలా డీకోడ్ చేయి సెలెక్టర్లు సింగిల్-బైట్ క్యారెక్టర్ సెట్లను రెండు దిశలలో కవర్ చేస్తాయి; Shift_JIS, GB18030 మరియు Big5 డీకోడింగ్కు మాత్రమే ఉపయోగించవచ్చు.
ఇబ్బందులు మరియు పరిమితులు
ఏ బైట్లూ కోల్పోకపోతేనే మరమ్మతు పనిచేస్తుంది. పాడైన టెక్స్ట్లోని ప్రశ్నార్థక చిహ్నాలను మరియు U+FFFD రీప్లేస్మెంట్ అక్షరాలను తిరిగి పొందలేము, ఏదో దశలో నష్టంతో మార్చబడిన టెక్స్ట్ పాడైనట్లుగానే ఉంటుంది. ఆటోమేటిక్ ఎంపిక అక్షరాలు, సాధారణ పదాలు మరియు విలక్షణమైన mojibake క్రమాల ఆధారంగా పనిచేసే హ్యూరిస్టిక్, కాబట్టి చాలా చిన్న స్ట్రింగ్లు అస్పష్టంగా ఉండవచ్చు: ప్రత్యామ్నాయాల పట్టికను తనిఖీ చేయండి లేదా మాన్యువల్ సెలెక్టర్లను ఉపయోగించండి. సరైన టెక్స్ట్ మారకుండా ఉంటుంది, ఇన్పుట్ 1,000,000 అక్షరాలకు పరిమితం చేయబడింది.