Convertisseur d’encodage de texte — Corriger le texte illisible, convertir en UTF-8 — outil gratuit

Exemple détaillé

Un fichier de sous-titres de deux répliques nommé film.srt, enregistré par un vieux programme Windows en Windows-1251 avec des fins de ligne Windows, contient les lignes « Привет, как дела? » et « Хорошо, спасибо. » et pèse 107 octets. Dans un lecteur, il s’affiche « Ïðèâåò, êàê äåëà? ». Déposez-le sur la page. Le fichier est listé comme « film.srt · 107 B », et sous « Lire le fichier en » vous voyez cinq versions, chacune avec les propres lignes du fichier. Dans un navigateur en anglais, la première est cochée et marquée « le plus probable » : « Windows-1252 (Europe occidentale) », qui donne « Ïðèâåò, êàê äåëà? ». La troisième, « Windows-1251 (cyrillique) », donne « Привет, как дела? ». Cochez-la. Laissez « Enregistrer sous » sur « UTF-8 » et « Fins de ligne » sur « Garder », appuyez sur « Convertir le fichier », et la page indique « Converti. » Le téléchargement est de nouveau film.srt, maintenant de 133 octets, car chaque lettre cyrillique prend deux octets en UTF-8.

Quels réglages utiliser, et les limites

• Jugez d’après les lignes d’aperçu, pas d’après l’étiquette. Seuls une marque d’ordre des octets ou de l’UTF-8 valide méritent l’étiquette « certain », avec le message « Ce fichier est en UTF-8, c’est certain. » Pour tout le reste, l’outil note le caractère suspect de chaque lecture dans les 64 premiers Ko : caractères de remplacement, caractères de contrôle, lettres de plusieurs écritures à la fois, majuscules au milieu des mots et, pour le chinois, le japonais et le coréen, le nombre de caractères très courants qui apparaissent. En cas d’égalité, on retient la page de codes habituelle de la langue de votre navigateur. L’étiquette « le plus probable » est une supposition ; lisez donc les lignes sous chaque choix.
• Ouvrez « Afficher les 19 encodages » quand aucune des cinq ne convient. Cinq versions sont affichées au départ. « Afficher les 19 encodages » liste tous ceux que l’outil sait lire : UTF-8, UTF-16 LE et BE, Windows-1250 à 1258, Windows-874, KOI8-R, KOI8-U, Shift_JIS, GBK, Big5 et EUC-KR. Chaque aperçu montre jusqu’à trois lignes contenant des caractères hors ASCII simple, chacune coupée à 120 caractères. Si vous en choisissez un dans la liste complète puis appuyez sur « Afficher moins », une ligne en dessous indique par exemple « Lecture en Windows-1251 (cyrillique). »
• Choisissez la sortie avec « Enregistrer sous ». La liste propose « UTF-8 » (le choix de départ), « UTF-8 avec BOM », « UTF-16 LE (avec BOM) », Windows-1250 à 1258, Windows-874, KOI8-R et KOI8-U. La page indique pour UTF-8 « Fonctionne dans presque toutes les applications, lecteurs et sites web. » et pour UTF-8 avec BOM « Idéal pour les fichiers CSV ouverts dans Excel. » Les anciennes pages de codes ne servent que pour d’anciens appareils ou programmes. Shift_JIS, GBK, Big5 et EUC-KR peuvent être lus mais pas écrits. Toute marque d’ordre des octets en tête de l’entrée est supprimée avant l’ajout de la nouvelle, le cas échéant.
• Réglez les fins de ligne si un programme en a besoin. « Fins de ligne » propose « Garder » (le choix de départ), « LF (Mac, Linux) » et « CRLF (Windows) ». LF et CRLF transforment d’abord chaque saut de ligne existant, y compris les anciens retours chariot isolés, en un seul type, de sorte qu’un fichier mélangé ressorte cohérent. Le choix s’applique à tous les fichiers du lot. Pour un fichier en simple anglais, l’outil indique : « Convertissez-le si une application a besoin d’un BOM ou d’autres fins de ligne. »
• Convertissez plusieurs fichiers d’un coup. Déposez plusieurs fichiers ou appuyez sur « Ajouter plus de fichiers ». Chaque fichier a son propre choix « Lire le fichier en » ; passez de l’un à l’autre avec les boutons de nom de fichier. « Enregistrer sous » et « Fins de ligne » s’appliquent à tous. Un fichier se télécharge sous son propre nom. Plusieurs se téléchargent dans un ZIP nommé par exemple converted-utf-8.zip, avec les noms répétés numérotés -2, -3. Un fichier de plus de 50 MB est ignoré. Si la page indique « Les fichiers n’ont pas pu être convertis. Essayez avec moins de fichiers à la fois. », retirez-en quelques-uns et convertissez de nouveau.
• Sachez ce que l’outil ne touche pas. Il accepte les fichiers .txt, .srt, .vtt, .ass, .ssa, .sub, .sbv, .lrc, .csv, .tsv, .md, .json, .xml, .html, .htm, .ini, .cfg, .log, .nfo, .cue, .m3u, .tex, .yml, .yaml et .properties. Il ne change que l’encodage et, sur demande, les fins de ligne. Le texte du fichier n’est pas modifié : un fichier HTML ou XML qui nomme son ancien encodage dans un en-tête le nomme toujours après conversion, et vous devez changer cette ligne vous-même.

Problèmes courants et comment les résoudre

Elle indique « 1 fichier a été ignoré : il n’a pas pu être lu ou dépasse 50 MB. »

Chaque fichier doit faire 50 MB ou moins, et le navigateur doit réussir à le lire. Si le fichier se trouve dans OneDrive, iCloud ou Google Drive, enregistrez-en une copie sur cet appareil et ajoutez-la. Pour un très gros journal, découpez-le d’abord en parties. Les autres fichiers ajoutés restent listés.

Elle indique « Ce fichier ne contient que des lettres anglaises simples, des chiffres et de la ponctuation, qui se lisent de la même façon dans tous les encodages. »

Il n’y a pas de liste d’encodages à choisir car tous les octets du fichier sont inférieurs à 128 ; choisir un autre encodage ne changerait donc pas un seul caractère. Si une application affiche encore des caractères bizarres, le problème ne vient pas de l’encodage de ce fichier. Vous pouvez quand même le convertir, comme l’indique le message, pour ajouter un BOM ou changer les fins de ligne. Un fichier contenant un octet nul dans ses 4 096 premiers octets n’est pas traité ainsi.

Elle indique « 2 caractères n’ont pas pu être enregistrés dans cet encodage et sont devenus « ? ». Choisissez UTF-8 pour conserver tous les caractères. »

Vous avez choisi une ancienne page de codes à un octet sous « Enregistrer sous », et le texte contient des caractères qu’elle ne peut pas contenir. Chacun a été écrit sous forme de point d’interrogation, et le nombre les compte. Le fichier converti est prêt à être téléchargé, mais ces caractères sont maintenant des points d’interrogation ; ne l’utilisez donc pas. Choisissez « UTF-8 » et convertissez de nouveau pour conserver tous les caractères. N’utilisez une ancienne page de codes que pour un appareil qui en a besoin, et choisissez celle de votre langue.

Aucune des versions ne se lit correctement.

Ouvrez « Afficher les 19 encodages ». Le bon peut se classer en dessous des cinq premiers. Sur une page en anglais, un fichier espagnol avec ¿ ou ¡ enregistré en Windows-1252 peut se retrouver plus bas, car une telle ponctuation compte contre une lecture. Plusieurs pages de codes obtiennent souvent le même score sur un fichier court, donc la bonne peut se trouver n’importe où parmi elles. Comparez les lignes dans votre propre langue et cochez celle qui se lit naturellement.

Elle indique « Ce fichier est en UTF-8, c’est certain. » mais le texte semble toujours incorrect.

Les octets sont de l’UTF-8 valide, donc l’outil les lit exactement comme ils sont écrits. Des caractères étranges comme « é » font alors partie du texte lui-même, généralement à la suite d’une conversion erronée antérieure, et lire les mêmes octets avec un autre encodage ne l’annulera pas. Retournez au fichier d’origine, d’avant la première conversion, et ajoutez celui-là à la place.

Comment il se compare

Un éditeur de texte capable de rouvrir un fichier dans un encodage choisi et de l’enregistrer en UTF-8 fait le même travail, et vous convient mieux si vous voulez aussi modifier le texte. Cet outil montre côte à côte les lectures possibles avec les propres lignes du fichier, convertit plusieurs fichiers d’un coup et ne demande rien d’installé. Les fichiers sont lus et convertis dans votre navigateur et ne sont pas envoyés. Il ne change que l’encodage et les fins de ligne. Il note les 64 premiers Ko pour classer les suppositions, et n’essaie pas de réparer un texte abîmé par une conversion erronée antérieure. Il ne sait pas écrire en Shift_JIS, GBK, Big5 ou EUC-KR.