مبدل رمزگذاری متن — رفع متن درهم‌ریخته، تبدیل به UTF-8 رایگان

مثال عملی

یک فایل زیرنویس دو‌جمله‌ای به نام film.srt که یک برنامهٔ قدیمی ویندوز آن را با Windows-1251 و پایان‌های سطر ویندوز ذخیره کرده، سطرهای «Привет, как дела?» و «Хорошо, спасибо.» را دارد و 107 بایت است. در یک پخش‌کننده به‌صورت «Ïðèâåò, êàê äåëà?» دیده می‌شود. آن را روی صفحه رها کنید. فایل به‌صورت «film.srt · 107 B» فهرست می‌شود و زیر «فایل را بخوان به‌صورت» پنج نسخه می‌بینید که هر کدام سطرهای خود فایل را دارند. در مرورگر انگلیسی نخستین گزینه تیک خورده و با «محتمل‌ترین» علامت‌گذاری شده: «Windows-1252 (اروپای غربی)» که «Ïðèâåò, êàê äåëà?» را نشان می‌دهد. سومی، «Windows-1251 (سیریلیک)»، «Привет, как дела?» را نشان می‌دهد. آن را تیک بزنید. «ذخیره به‌صورت» را روی «UTF-8» و «پایان سطر» را روی «حفظ» بگذارید، «تبدیل فایل» را بزنید و صفحه می‌گوید «تبدیل شد.» دانلود دوباره film.srt است، اکنون 133 B، چون هر حرف سیریلیک در UTF-8 دو بایت می‌گیرد.

کدام تنظیمات را استفاده کنید و محدودیت‌ها

• از روی سطرهای پیش‌نمایش قضاوت کنید، نه از روی نشان. فقط نشانهٔ ترتیب بایت یا UTF-8 معتبر نشان «قطعی» را با پیام «این فایل قطعاً UTF-8 است.» می‌گیرد. برای هر چیز دیگر، ابزار به هر خوانش در 64 KB نخست امتیاز می‌دهد بر اساس اینکه چقدر مشکوک به نظر می‌رسد: نویسه‌های جایگزین، نویسه‌های کنترلی، حروف چند خط هم‌زمان، حروف بزرگ میان کلمه‌ها، و برای چینی، ژاپنی و کره‌ای، تعداد نویسه‌های بسیار رایج که ظاهر می‌شوند. در صورت تساوی، جدول نویسهٔ معمول زبان مرورگر شما برنده است. نشان «محتمل‌ترین» حدس است، پس سطرهای زیر هر گزینه را بخوانید.
• وقتی هیچ‌کدام از پنج گزینه درست نیست «نمایش هر 19 کدگذاری» را باز کنید. در ابتدا پنج نسخه نشان داده می‌شود. «نمایش هر 19 کدگذاری» همهٔ آنچه ابزار می‌تواند بخواند فهرست می‌کند: UTF-8، UTF-16 LE و BE، Windows-1250 تا 1258، Windows-874، KOI8-R، KOI8-U، Shift_JIS، GBK، Big5 و EUC-KR. هر پیش‌نمایش تا سه سطر دارای نویسه‌های خارج از ASCII ساده را نشان می‌دهد که هر کدام در 120 نویسه بریده می‌شود. اگر یکی را از فهرست کامل انتخاب کنید و سپس «نمایش کمتر» را بزنید، سطری زیر آن مثلاً می‌گوید «خواندن به‌صورت Windows-1251 (سیریلیک).»
• خروجی را با «ذخیره به‌صورت» انتخاب کنید. فهرست شامل «UTF-8» (پیش‌فرض)، «UTF-8 با BOM»، «UTF-16 LE (با BOM)»، Windows-1250 تا 1258، Windows-874، KOI8-R و KOI8-U است. صفحه می‌گوید UTF-8 «تقریباً در هر برنامه، پخش‌کننده و وب‌سایتی کار می‌کند.» و UTF-8 با BOM «بهترین برای فایل‌های CSV است که در Excel باز می‌کنید.» جدول‌های نویسهٔ قدیمی فقط برای دستگاه‌ها یا برنامه‌های قدیمی‌اند. Shift_JIS، GBK، Big5 و EUC-KR قابل خواندن‌اند اما قابل نوشتن نیستند. هر نشانهٔ ترتیب بایت ابتدایی در ورودی پیش از افزودن نشانهٔ جدید، در صورت وجود، حذف می‌شود.
• اگر برنامه‌ای لازم دارد پایان سطر را تنظیم کنید. «پایان سطر» گزینه‌های «حفظ» (پیش‌فرض)، «LF (Mac، Linux)» و «CRLF (Windows)» را دارد. LF و CRLF ابتدا هر شکست سطر موجود، از جمله بازگشت‌های تکی قدیمی، را به یک نوع تبدیل می‌کنند، پس فایل ترکیبی یکدست درمی‌آید. انتخاب برای همهٔ فایل‌های دسته اعمال می‌شود. برای فایلی که فقط انگلیسی ساده است، ابزار می‌گوید: «اگر برنامه‌ای به BOM یا پایان سطر دیگری نیاز دارد، آن را تبدیل کنید.»
• چند فایل را یک‌جا تبدیل کنید. فایل‌های زیادی را رها کنید یا «افزودن فایل‌های بیشتر» را بزنید. هر فایل انتخاب «فایل را بخوان به‌صورت» خودش را دارد؛ با دکمه‌های نام فایل بین آن‌ها جابه‌جا شوید. «ذخیره به‌صورت» و «پایان سطر» برای همه اعمال می‌شود. یک فایل با نام خودش دانلود می‌شود. چند فایل به‌صورت ZIP با نامی مانند converted-utf-8.zip دانلود می‌شوند و نام‌های تکراری با -2 و -3 شماره‌گذاری می‌شوند. فایل بیش از 50 MB کنار گذاشته می‌شود. اگر صفحه بگوید «فایل‌ها تبدیل نشدند. هر بار تعداد کمتری امتحان کنید.»، چند فایل را حذف کنید و دوباره تبدیل کنید.
• بدانید ابزار به چه چیزی دست نمی‌زند. فایل‌های .txt، .srt، .vtt، .ass، .ssa، .sub، .sbv، .lrc، .csv، .tsv، .md، .json، .xml، .html، .htm، .ini، .cfg، .log، .nfo، .cue، .m3u، .tex، .yml، .yaml و .properties را می‌پذیرد. فقط کدگذاری و در صورت درخواست پایان سطر را تغییر می‌دهد. متن داخل فایل ویرایش نمی‌شود، پس فایل HTML یا XML که در سرآیند خود نام کدگذاری قدیمی را آورده، پس از تبدیل هم همان را می‌آورد و آن سطر را باید خودتان تغییر دهید.

مشکلات رایج و راه حل آن‌ها

می‌گوید «1 فایل کنار گذاشته شد: خوانده نشد یا بیش از 50 MB است.»

هر فایل باید 50 MB یا کمتر باشد و مرورگر باید بتواند آن را بخواند. اگر فایل در OneDrive، iCloud یا Google Drive است، یک نسخه روی این دستگاه ذخیره کنید و آن را اضافه کنید. برای گزارش (log) بسیار بزرگ، ابتدا آن را به بخش‌هایی ببرید. فایل‌های دیگری که اضافه کرده‌اید در فهرست می‌مانند.

می‌گوید «این فایل فقط حروف انگلیسی ساده، رقم و نقطه‌گذاری دارد که در هر کدگذاری یکسان خوانده می‌شود.»

فهرستی از کدگذاری‌ها برای انتخاب نیست زیرا هر بایت فایل کمتر از 128 است، پس انتخاب کدگذاری دیگر حتی یک نویسه را تغییر نمی‌دهد. اگر برنامه‌ای باز هم نویسه‌های عجیب نشان می‌دهد، مشکل از کدگذاری این فایل نیست. همچنان می‌توانید آن را، همان‌طور که پیام می‌گوید، برای افزودن BOM یا تغییر پایان سطر تبدیل کنید. فایلی که در 4,096 بایت نخستش بایت صفر دارد این‌طور رفتار نمی‌شود.

می‌گوید «2 نویسه در این کدگذاری ذخیره نشد و به «?» تبدیل شد. برای حفظ هر نویسه UTF-8 را انتخاب کنید.»

در «ذخیره به‌صورت» جدول نویسهٔ تک‌بایتی قدیمی انتخاب کرده‌اید و متن نویسه‌هایی دارد که آن جدول نمی‌تواند نگه دارد. هر کدام به‌صورت علامت سؤال نوشته شد و عدد آن‌ها را می‌شمارد. فایل تبدیل‌شده برای دانلود آماده است، اما آن نویسه‌ها اکنون علامت سؤال‌اند، پس از آن استفاده نکنید. «UTF-8» را انتخاب کنید و دوباره تبدیل کنید تا هر نویسه حفظ شود. جدول قدیمی را فقط برای دستگاهی به کار ببرید که به آن نیاز دارد و جدول مناسب زبان خودتان را انتخاب کنید.

هیچ‌کدام از نسخه‌ها درست خوانده نمی‌شود.

«نمایش هر 19 کدگذاری» را باز کنید. گزینهٔ درست ممکن است پایین‌تر از پنج گزینهٔ نخست باشد. در صفحهٔ انگلیسی، فایل اسپانیایی دارای ¿ یا ¡ که با Windows-1252 ذخیره شده ممکن است پایین‌تر بنشیند، چون چنین نقطه‌گذاری‌ای به زیان یک خوانش حساب می‌شود. در فایل کوتاه چند جدول نویسه اغلب امتیاز یکسان می‌گیرند، پس گزینهٔ درست ممکن است هر جایی میان آن‌ها باشد. سطرها را به زبان خودتان مقایسه کنید و گزینه‌ای را که طبیعی خوانده می‌شود تیک بزنید.

می‌گوید «این فایل قطعاً UTF-8 است.» اما متن هنوز اشتباه به نظر می‌رسد.

بایت‌ها UTF-8 معتبرند، پس ابزار آن‌ها را دقیقاً همان‌طور که نوشته شده می‌خواند. نویسه‌های عجیب مانند «Ã©» در این صورت بخشی از خود متن‌اند، معمولاً نتیجهٔ یک تبدیل نادرست قبلی، و خواندن همین بایت‌ها با کدگذاری دیگر آن را برنمی‌گرداند. به فایل اصلی پیش از نخستین تبدیل برگردید و آن را اضافه کنید.

مقایسه آن

ویرایشگر متنی که بتواند فایل را با کدگذاری انتخابی دوباره باز کند و به‌صورت UTF-8 ذخیره کند همین کار را می‌کند و اگر بخواهید متن را هم ویرایش کنید مناسب‌تر است. این ابزار خوانش‌های نامزد را در کنار سطرهای خود فایل نشان می‌دهد، فایل‌های زیادی را یک‌جا تبدیل می‌کند و به هیچ چیز نصب‌شده نیاز ندارد. فایل‌ها در مرورگر شما خوانده و تبدیل می‌شوند و بارگذاری نمی‌شوند. فقط کدگذاری و پایان سطر را تغییر می‌دهد. برای رتبه‌بندی حدس‌ها به 64 KB نخست امتیاز می‌دهد و تلاشی برای ترمیم متن آسیب‌دیده از تبدیل نادرست قبلی نمی‌کند. نمی‌تواند Shift_JIS، GBK، Big5 یا EUC-KR بنویسد.