Convertidor de codificación de texto — Arregla texto ilegible, convierte a UTF-8 gratis

Ejemplo práctico

Un archivo de subtítulos de dos entradas llamado film.srt, guardado por un programa antiguo de Windows en Windows-1251 con finales de línea de Windows, contiene las líneas «Привет, как дела?» y «Хорошо, спасибо.» y pesa 107 bytes. En un reproductor se ve como «Ïðèâåò, êàê äåëà?». Suéltalo en la página. El archivo aparece en la lista como «film.srt · 107 B», y bajo «Leer el archivo como» ves cinco versiones, cada una con las líneas del propio archivo. En un navegador en inglés la primera está marcada y etiquetada como «más probable»: «Windows-1252 (Europa occidental)», que se lee «Ïðèâåò, êàê äåëà?». La tercera, «Windows-1251 (cirílico)», se lee «Привет, как дела?». Márcala. Deja «Guardar como» en «UTF-8» y «Finales de línea» en «Conservar», pulsa «Convertir archivo» y la página dice «Convertido.» La descarga vuelve a ser film.srt, ahora de 133 B, porque cada letra cirílica ocupa dos bytes en UTF-8.

Qué ajustes usar y los límites

• Juzga por las líneas de vista previa, no por la etiqueta. Solo una marca de orden de bytes o un UTF-8 válido obtiene la etiqueta «seguro», con el mensaje «Este archivo es UTF-8 seguro.» Para cualquier otro caso la herramienta puntúa lo sospechosa que parece cada lectura en los primeros 64 KB: caracteres de sustitución, caracteres de control, letras de varios alfabetos a la vez, mayúsculas en medio de palabras y, en chino, japonés y coreano, cuántos caracteres muy comunes aparecen. Los empates se resuelven a favor de la página de códigos habitual para el idioma de tu navegador. La etiqueta «más probable» es una suposición, así que lee las líneas bajo cada opción.
• Abre «Mostrar las 19 codificaciones» cuando ninguna de las cinco parezca correcta. Al principio se muestran cinco versiones. «Mostrar las 19 codificaciones» enumera todas las que la herramienta puede leer: UTF-8, UTF-16 LE y BE, de Windows-1250 a 1258, Windows-874, KOI8-R, KOI8-U, Shift_JIS, GBK, Big5 y EUC-KR. Cada vista previa muestra hasta tres líneas que contienen caracteres fuera del ASCII básico, cada una cortada a 120 caracteres. Si eliges una de la lista completa y luego pulsas «Mostrar menos», una línea debajo dice, por ejemplo, «Leyendo como Windows-1251 (cirílico).»
• Elige la salida con «Guardar como». La lista tiene «UTF-8» (el valor inicial), «UTF-8 con BOM», «UTF-16 LE (con BOM)», de Windows-1250 a 1258, Windows-874, KOI8-R y KOI8-U. La página dice de UTF-8 «Funciona en casi todas las aplicaciones, reproductores y sitios web.» y de UTF-8 con BOM «Lo mejor para archivos CSV que abres en Excel.» Las páginas de códigos antiguas son solo para dispositivos o programas antiguos. Shift_JIS, GBK, Big5 y EUC-KR se pueden leer pero no escribir. Cualquier marca de orden de bytes inicial de la entrada se elimina antes de añadir la nueva, si procede.
• Ajusta los finales de línea si un programa los necesita. «Finales de línea» tiene «Conservar» (el valor inicial), «LF (Mac, Linux)» y «CRLF (Windows)». LF y CRLF convierten primero cada salto de línea existente, incluidos los antiguos retornos de carro sueltos, en un solo tipo, de modo que un archivo mixto sale coherente. La elección se aplica a todos los archivos del lote. Para un archivo que es solo inglés sencillo, la herramienta dice: «Conviértelo si una aplicación necesita un BOM u otros finales de línea.»
• Convierte varios archivos de una vez. Suelta muchos archivos o pulsa «Agregar más archivos». Cada archivo tiene su propia opción de «Leer el archivo como»; cambia entre ellos con los botones de nombre de archivo. «Guardar como» y «Finales de línea» se aplican a todos. Un archivo se descarga con su propio nombre. Varios se descargan como un ZIP llamado algo como converted-utf-8.zip, con los nombres repetidos numerados -2, -3. Un archivo de más de 50 MB se omite. Si la página dice «No se pudieron convertir los archivos. Prueba con menos a la vez.», quita algunos archivos y vuelve a convertir.
• Conoce lo que la herramienta no toca. Acepta archivos .txt, .srt, .vtt, .ass, .ssa, .sub, .sbv, .lrc, .csv, .tsv, .md, .json, .xml, .html, .htm, .ini, .cfg, .log, .nfo, .cue, .m3u, .tex, .yml, .yaml y .properties. Cambia solo la codificación y, si lo pides, los finales de línea. El texto dentro del archivo no se edita, así que un archivo HTML o XML que nombra su codificación antigua en una cabecera sigue nombrándola tras la conversión, y esa línea tienes que cambiarla tú.

Problemas comunes y cómo solucionarlos

Dice «Se omitió 1 archivo: no se pudo leer o supera los 50 MB.»

Cada archivo debe tener 50 MB o menos, y el navegador debe lograr leerlo. Si el archivo está en OneDrive, iCloud o Google Drive, guarda una copia en este dispositivo y añade esa. Para un registro muy grande, córtalo antes en partes. Los demás archivos que añadiste siguen en la lista.

Dice «Este archivo solo contiene letras inglesas sencillas, dígitos y signos de puntuación, que se leen igual en cualquier codificación.»

No hay lista de codificaciones entre las que elegir porque todos los bytes del archivo están por debajo de 128, así que elegir otra codificación no cambiaría ni un carácter. Si una aplicación sigue mostrando caracteres extraños, el problema no es la codificación de este archivo. Aun así puedes convertirlo, como dice el mensaje, para añadir un BOM o cambiar los finales de línea. Un archivo con un byte cero en sus primeros 4.096 bytes no se trata así.

Dice «2 caracteres no se pudieron guardar en esta codificación y pasaron a ser «?». Elige UTF-8 para conservar todos los caracteres.»

Elegiste una página de códigos antigua de un solo byte en «Guardar como», y el texto tiene caracteres que no admite. Cada uno se escribió como un signo de interrogación, y el número los cuenta. El archivo convertido está listo para descargar, pero esos caracteres ahora son signos de interrogación, así que no lo uses. Elige «UTF-8» y convierte de nuevo para conservar todos los caracteres. Usa una página de códigos antigua solo para un dispositivo que la necesite, y elige la de tu idioma.

Ninguna de las versiones se lee correctamente.

Abre «Mostrar las 19 codificaciones». La correcta puede quedar por debajo de las cinco primeras. En una página en inglés, un archivo en español con ¿ o ¡ guardado como Windows-1252 puede quedar más abajo, porque esa puntuación cuenta en contra de una lectura. Varias páginas de códigos suelen puntuar igual en un archivo corto, así que la correcta puede estar en cualquier lugar entre ellas. Compara las líneas en tu propio idioma y marca la que se lea con naturalidad.

Dice «Este archivo es UTF-8 seguro.» pero el texto sigue viéndose mal.

Los bytes son UTF-8 válido, así que la herramienta los lee exactamente como están escritos. Los caracteres extraños como «Ã©» forman entonces parte del propio texto, normalmente por una conversión errónea anterior, y leer los mismos bytes con otra codificación no lo deshará. Vuelve al archivo original anterior a la primera conversión y añade ese en su lugar.

Cómo se compara

Un editor de texto que pueda reabrir un archivo en una codificación elegida y guardarlo como UTF-8 hace el mismo trabajo, y te conviene más si también quieres editar el texto. Esta herramienta muestra las lecturas candidatas una junto a otra con las líneas del propio archivo, convierte muchos archivos de una vez y no necesita nada instalado. Los archivos se leen y se convierten en tu navegador y no se suben. Cambia solo la codificación y los finales de línea. Puntúa los primeros 64 KB para ordenar las suposiciones, y no intenta reparar texto dañado por una conversión errónea anterior. No puede escribir Shift_JIS, GBK, Big5 ni EUC-KR.