Detektor znakové sady

Detektor znakové sady

Vložte text tam, kde se písmena s diakritikou změnila na řetězce jako „PrĂliš“ nebo „GrĂ¶ĂŸe“ a tento nástroj odhadne, co se pokazilo. Obvyklou příčinou je otevřený, uložený nebo procházející soubor UTF-8 přes něco, co předpokládalo jednobajtovou kódovou stránku – Windows-1250 nebo ISO-8859-2 pro středoevropský text, Windows-1252 pro západoevropský text. Každý znak s diakritikou měl původně dva nebo tři bajty UTF-8; číst jeden bajt po druhém pod špatnou kódovou stránkou, stávají se přesně tímto druhem dvojitého odpadu.

Detektor funguje tak, že zkouší obrácení pro každou kandidátskou kódovou stránku a kontroluje, zda je výsledek správně vytvořený UTF-8 – strukturální test, který správně zakódovaný text v podstatě nikdy neprojde náhodou, a proto může automatická detekce použít opravu se skutečnou důvěrou, spíše než hodem mincí. Když najde shodu, zobrazí uhádnuté původní kódování, uhádnuté chybně přečtené kódování a obnovený text plus počet znaků, které oprava odstranila (mojibake je vždy delší než text, ze kterého pochází, protože každý poškozený znak býval několik).

Automatická detekce pouze hádá ověřitelný směr — UTF-8 zobrazený přes nesprávnou kódovou stránku. Vzácnější obrácený případ, soubor Windows-1250 nebo ISO-8859-2 čtený jako Latin-1, nemá ekvivalentní strukturální kontrolu, takže je nabízen jako manuální možnost v rozevíracím seznamu, když už máte podezření, že se to stalo, spíše než tiše hádat. Toto je heuristický nástroj, nikoli záruka: text směšující několik jazyků nebo obsahující symboly mimo rozsah cílové kódové stránky nemusí být obnovitelný a říká to jasně, místo aby vrátil sebevědomou špatnou odpověď.

Vše běží lokálně ve vašem prohlížeči pomocí stejných kódovacích tabulek, které prohlížeče používají k vykreslování webových stránek – nic, co vložíte, se nikam nenahraje, což je zde důležitější než u většiny nástrojů, protože zkomolený text často pochází ze skutečných záznamů zákazníků, exportovaných databází nebo lístků podpory.

Časté dotazy