Textkodierung umwandeln — kaputte Zeichen reparieren, in UTF-8 konvertieren – kostenlos

Beispiel

Eine Untertiteldatei mit zwei Cues namens film.srt, von einem alten Windows-Programm in Windows-1251 mit Windows-Zeilenenden gespeichert, enthält die Zeilen „Привет, как дела?“ und „Хорошо, спасибо.“ und ist 107 Byte groß. In einem Player erscheint sie als „Ïðèâåò, êàê äåëà?“. Legen Sie sie auf der Seite ab. Die Datei wird als „film.srt · 107 B“ aufgeführt, und unter „Datei lesen als“ sehen Sie fünf Versionen, jeweils mit den eigenen Zeilen der Datei. In einem englischsprachigen Browser ist die erste angekreuzt und als „wahrscheinlichste“ markiert: „Windows-1252 (westeuropäisch)“, die „Ïðèâåò, êàê äåëà?“ liest. Die dritte, „Windows-1251 (Kyrillisch)“, liest „Привет, как дела?“. Kreuzen Sie sie an. Lassen Sie „Speichern unter“ auf „UTF-8“ und „Zeilenenden“ auf „Behalten“, klicken Sie auf „Datei konvertieren“, und die Seite meldet „Konvertiert.“ Der Download heißt wieder film.srt und ist jetzt 133 B groß, weil jeder kyrillische Buchstabe in UTF-8 zwei Byte braucht.

Welche Einstellungen zu verwenden sind, und die Grenzen

• Urteilen Sie nach den Vorschauzeilen, nicht nach dem Siegel. Nur eine Byte-Reihenfolge-Marke oder gültiges UTF-8 verdient das Siegel „sicher“ mit der Meldung „Diese Datei ist ganz sicher UTF-8.“ Bei allem anderen bewertet das Tool, wie verdächtig jede Lesart in den ersten 64 KB aussieht: Ersetzungszeichen, Steuerzeichen, Buchstaben aus mehreren Schriften gleichzeitig, Großbuchstaben mitten in Wörtern und, bei Chinesisch, Japanisch und Koreanisch, wie viele sehr häufige Zeichen vorkommen. Bei Gleichstand gewinnt die übliche Codepage für Ihre Browsersprache. Das Siegel „wahrscheinlichste“ ist eine Vermutung, lesen Sie also die Zeilen unter jeder Auswahl.
• Öffnen Sie „Alle 19 Kodierungen anzeigen“, wenn keine der fünf passt. Zunächst werden fünf Versionen angezeigt. „Alle 19 Kodierungen anzeigen“ listet jede auf, die das Tool lesen kann: UTF-8, UTF-16 LE und BE, Windows-1250 bis 1258, Windows-874, KOI8-R, KOI8-U, Shift_JIS, GBK, Big5 und EUC-KR. Jede Vorschau zeigt bis zu drei Zeilen mit Zeichen außerhalb von reinem ASCII, jeweils bei 120 Zeichen abgeschnitten. Wählen Sie eine aus der vollständigen Liste und klicken dann auf „Weniger anzeigen“, steht darunter eine Zeile wie „Lesen als Windows-1251 (Kyrillisch).“
• Wählen Sie die Ausgabe mit „Speichern unter“. Die Liste enthält „UTF-8“ (die Voreinstellung), „UTF-8 mit BOM“, „UTF-16 LE (mit BOM)“, Windows-1250 bis 1258, Windows-874, KOI8-R und KOI8-U. Die Seite sagt zu UTF-8 „Funktioniert in fast jeder App, jedem Player und auf jeder Website.“ und zu UTF-8 mit BOM „Am besten für CSV-Dateien, die Sie in Excel öffnen.“ Die alten Codepages sind nur für alte Geräte oder Programme gedacht. Shift_JIS, GBK, Big5 und EUC-KR lassen sich lesen, aber nicht schreiben. Eine Byte-Reihenfolge-Marke am Anfang der Eingabe wird entfernt, bevor gegebenenfalls eine neue hinzugefügt wird.
• Legen Sie die Zeilenenden fest, wenn ein Programm sie braucht. „Zeilenenden“ bietet „Behalten“ (die Voreinstellung), „LF (Mac, Linux)“ und „CRLF (Windows)“. LF und CRLF machen zuerst aus jedem vorhandenen Zeilenumbruch, auch aus alten einzelnen Wagenrückläufen, eine einheitliche Art, sodass eine gemischte Datei einheitlich herauskommt. Die Wahl gilt für jede Datei im Stapel. Bei einer Datei mit reinem Englisch sagt das Tool: „Konvertieren Sie sie, wenn eine App ein BOM oder andere Zeilenenden braucht.“
• Konvertieren Sie mehrere Dateien auf einmal. Legen Sie viele Dateien ab oder klicken Sie auf „Mehr Dateien hinzufügen“. Jede Datei hat ihre eigene Auswahl „Datei lesen als“; wechseln Sie mit den Dateiname-Schaltflächen zwischen ihnen. „Speichern unter“ und „Zeilenenden“ gelten für alle. Eine Datei wird unter ihrem eigenen Namen heruntergeladen. Mehrere kommen als ZIP-Datei mit einem Namen wie converted-utf-8.zip, wiederholte Namen werden mit -2, -3 nummeriert. Eine Datei über 50 MB wird übersprungen. Meldet die Seite „Die Dateien konnten nicht umgewandelt werden. Versuchen Sie weniger auf einmal.“, entfernen Sie einige Dateien und konvertieren Sie erneut.
• Wissen Sie, was das Tool nicht anrührt. Es akzeptiert .txt-, .srt-, .vtt-, .ass-, .ssa-, .sub-, .sbv-, .lrc-, .csv-, .tsv-, .md-, .json-, .xml-, .html-, .htm-, .ini-, .cfg-, .log-, .nfo-, .cue-, .m3u-, .tex-, .yml-, .yaml- und .properties-Dateien. Es ändert nur die Kodierung und auf Wunsch die Zeilenenden. Der Text in der Datei wird nicht bearbeitet. Eine HTML- oder XML-Datei, die ihre alte Kodierung in einem Header nennt, nennt sie also auch nach der Konvertierung noch, und diese Zeile müssen Sie selbst ändern.

Häufige Probleme und wie man sie behebt

Es erscheint „1 Datei wurde übersprungen: Sie konnte nicht gelesen werden oder ist größer als 50 MB.“

Jede Datei darf höchstens 50 MB groß sein, und der Browser muss sie lesen können. Liegt die Datei in OneDrive, iCloud oder Google Drive, speichern Sie eine Kopie auf diesem Gerät und fügen diese hinzu. Teilen Sie ein sehr großes Protokoll zuerst in Teile. Die anderen hinzugefügten Dateien bleiben aufgelistet.

Es erscheint „Diese Datei enthält nur einfache englische Buchstaben, Ziffern und Satzzeichen, die in jeder Kodierung gleich gelesen werden.“

Es gibt keine Liste von Kodierungen zur Auswahl, weil jedes Byte in der Datei unter 128 liegt und eine andere Kodierung daher kein einziges Zeichen ändern würde. Zeigt eine App trotzdem seltsame Zeichen, liegt das Problem nicht an der Kodierung dieser Datei. Sie können sie, wie die Meldung sagt, trotzdem konvertieren, um ein BOM hinzuzufügen oder die Zeilenenden zu ändern. Eine Datei mit einem Nullbyte in den ersten 4.096 Byte wird so nicht behandelt.

Es erscheint „2 Zeichen konnten in dieser Kodierung nicht gespeichert werden und wurden zu „?“. Wählen Sie UTF-8, um jedes Zeichen zu behalten.“

Sie haben unter „Speichern unter“ eine alte Ein-Byte-Codepage gewählt, und der Text enthält Zeichen, die sie nicht aufnehmen kann. Jedes wurde als Fragezeichen geschrieben, und die Zahl zählt sie. Die konvertierte Datei steht zum Download bereit, aber diese Zeichen sind jetzt Fragezeichen, verwenden Sie sie also nicht. Wählen Sie „UTF-8“ und konvertieren Sie erneut, um jedes Zeichen zu behalten. Verwenden Sie eine alte Codepage nur für ein Gerät, das eine braucht, und wählen Sie die für Ihre Sprache.

Keine der Versionen liest sich richtig.

Öffnen Sie „Alle 19 Kodierungen anzeigen“. Die richtige kann unterhalb der besten fünf stehen. Auf einer englischen Seite kann eine spanische Datei mit ¿ oder ¡, als Windows-1252 gespeichert, weiter unten stehen, weil solche Satzzeichen gegen eine Lesart zählen. Mehrere Codepages erzielen bei einer kurzen Datei oft dieselbe Bewertung, die richtige kann also irgendwo unter ihnen stehen. Vergleichen Sie die Zeilen in Ihrer eigenen Sprache und kreuzen Sie die an, die sich natürlich liest.

Es erscheint „Diese Datei ist ganz sicher UTF-8.“, aber der Text sieht trotzdem falsch aus.

Die Bytes sind gültiges UTF-8, daher liest das Tool sie genau wie geschrieben. Seltsame Zeichen wie „é“ sind dann Teil des Textes selbst, meist das Ergebnis einer früheren falschen Konvertierung, und dieselben Bytes als andere Kodierung zu lesen, macht das nicht rückgängig. Gehen Sie zurück zur Originaldatei von vor der ersten Konvertierung und fügen Sie stattdessen diese hinzu.

Wie es im Vergleich abschneidet

Ein Texteditor, der eine Datei in einer gewählten Kodierung erneut öffnen und als UTF-8 speichern kann, erledigt dieselbe Aufgabe und passt besser, wenn Sie den Text auch bearbeiten möchten. Dieses Tool zeigt die möglichen Lesarten nebeneinander mit den eigenen Zeilen der Datei, konvertiert viele Dateien auf einmal und braucht keine Installation. Die Dateien werden in Ihrem Browser gelesen und konvertiert und nicht hochgeladen. Es ändert nur die Kodierung und die Zeilenenden. Es bewertet die ersten 64 KB, um die Vermutungen zu ordnen, und versucht nicht, durch eine frühere falsche Konvertierung beschädigten Text zu reparieren. Es kann Shift_JIS, GBK, Big5 oder EUC-KR nicht schreiben.