Convertitore di codifica del testo — Correggi il testo illeggibile, converti in UTF-8 gratis

Esempio pratico

Un file di sottotitoli con due battute chiamato film.srt, salvato da un vecchio programma Windows in Windows-1251 con fine riga Windows, contiene le righe «Привет, как дела?» e «Хорошо, спасибо.» e pesa 107 byte. In un lettore appare come «Ïðèâåò, êàê äåëà?». Trascinalo sulla pagina. Il file è elencato come «film.srt · 107 B» e sotto «Leggi il file come» vedi cinque versioni, ciascuna con le righe del file stesso. In un browser in inglese la prima è selezionata e contrassegnata come «più probabile»: «Windows-1252 (Europa occidentale)», che mostra «Ïðèâåò, êàê äåëà?». La terza, «Windows-1251 (cirillico)», mostra «Привет, как дела?». Selezionala. Lascia «Salva come» su «UTF-8» e «Fine riga» su «Mantieni», premi «Converti file» e la pagina dice «Convertito.» Il download è di nuovo film.srt, ora di 133 B, perché ogni lettera cirillica occupa due byte in UTF-8.

Quali impostazioni usare, e i limiti

• Giudica dalle righe di anteprima, non dal badge. Solo un byte order mark o un UTF-8 valido ottiene il badge «certo», con il messaggio «Questo file è sicuramente UTF-8.» In tutti gli altri casi lo strumento assegna un punteggio a quanto ogni lettura appare sospetta nei primi 64 KB: caratteri sostitutivi, caratteri di controllo, lettere di più alfabeti insieme, maiuscole in mezzo alle parole e, per cinese, giapponese e coreano, quanti caratteri molto comuni compaiono. A parità vince la tabella dei caratteri abituale per la lingua del tuo browser. Il badge «più probabile» è un'ipotesi, quindi leggi le righe sotto ogni scelta.
• Apri «Mostra tutte le 19 codifiche» quando nessuna delle cinque sembra giusta. All'inizio vengono mostrate cinque versioni. «Mostra tutte le 19 codifiche» elenca tutte quelle che lo strumento sa leggere: UTF-8, UTF-16 LE e BE, da Windows-1250 a 1258, Windows-874, KOI8-R, KOI8-U, Shift_JIS, GBK, Big5 e EUC-KR. Ogni anteprima mostra fino a tre righe che contengono caratteri oltre l'ASCII semplice, ciascuna troncata a 120 caratteri. Se ne scegli una dall'elenco completo e poi premi «Mostra meno», una riga sotto dice, per esempio, «Lettura come Windows-1251 (cirillico).»
• Scegli l'output con «Salva come». L'elenco contiene «UTF-8» (predefinito), «UTF-8 con BOM», «UTF-16 LE (con BOM)», da Windows-1250 a 1258, Windows-874, KOI8-R e KOI8-U. La pagina dice che UTF-8 «Funziona in quasi tutte le app, i lettori e i siti web.» e che UTF-8 con BOM è «Ideale per i file CSV che apri in Excel.» Le vecchie tabelle di caratteri servono solo per vecchi dispositivi o programmi. Shift_JIS, GBK, Big5 e EUC-KR si possono leggere ma non scrivere. Qualsiasi byte order mark iniziale nell'input viene eliminato prima di aggiungere quello nuovo, se previsto.
• Imposta la fine riga se un programma la richiede. «Fine riga» ha «Mantieni» (predefinito), «LF (Mac, Linux)» e «CRLF (Windows)». LF e CRLF trasformano prima ogni interruzione di riga esistente, compresi i vecchi ritorni a capo isolati, in un solo tipo, così un file misto risulta coerente. La scelta vale per tutti i file del gruppo. Per un file in semplice inglese, lo strumento dice: «Convertilo se un'app richiede un BOM o altre fine riga.»
• Converti più file in una volta sola. Trascina molti file o premi «Aggiungi altri file». Ogni file ha la sua scelta «Leggi il file come»; passa dall'uno all'altro con i pulsanti dei nomi dei file. «Salva come» e «Fine riga» valgono per tutti. Un solo file si scarica con il proprio nome. Più file si scaricano come ZIP con un nome tipo converted-utf-8.zip, con i nomi ripetuti numerati -2, -3. Un file sopra i 50 MB viene saltato. Se la pagina dice «Non è stato possibile convertire i file. Provane meno alla volta.», rimuovi alcuni file e converti di nuovo.
• Sappi che cosa lo strumento non tocca. Accetta file .txt, .srt, .vtt, .ass, .ssa, .sub, .sbv, .lrc, .csv, .tsv, .md, .json, .xml, .html, .htm, .ini, .cfg, .log, .nfo, .cue, .m3u, .tex, .yml, .yaml e .properties. Cambia solo la codifica e, se richiesto, la fine riga. Il testo dentro il file non viene modificato, quindi un file HTML o XML che nomina la vecchia codifica in un'intestazione la nomina anche dopo la conversione, e quella riga devi cambiarla tu.

Problemi comuni e come risolverli

Dice «1 file è stato saltato: non è stato possibile leggerlo oppure supera i 50 MB.»

Ogni file deve pesare 50 MB o meno e il browser deve riuscire a leggerlo. Se il file si trova in OneDrive, iCloud o Google Drive, salva una copia su questo dispositivo e aggiungi quella. Per un registro molto grande, taglialo prima in parti. Gli altri file che hai aggiunto restano nell'elenco.

Dice «Questo file contiene solo lettere inglesi semplici, cifre e punteggiatura, che si leggono allo stesso modo in ogni codifica.»

Non c'è un elenco di codifiche tra cui scegliere perché ogni byte del file è inferiore a 128, quindi scegliere un'altra codifica non cambierebbe nemmeno un carattere. Se un'app mostra comunque caratteri strani, il problema non è la codifica di questo file. Puoi comunque convertirlo, come dice il messaggio, per aggiungere un BOM o cambiare la fine riga. Un file con un byte zero nei primi 4.096 byte non viene trattato così.

Dice «2 caratteri non è stato possibile salvarli in questa codifica e sono diventati «?». Scegli UTF-8 per mantenere ogni carattere.»

Hai scelto una vecchia tabella a un byte in «Salva come» e il testo contiene caratteri che non può contenere. Ognuno è stato scritto come punto interrogativo, e il numero li conta. Il file convertito è pronto per il download, ma quei caratteri ora sono punti interrogativi, quindi non usarlo. Scegli «UTF-8» e converti di nuovo per mantenere ogni carattere. Usa una vecchia tabella solo per un dispositivo che ne ha bisogno e scegli quella per la tua lingua.

Nessuna delle versioni si legge correttamente.

Apri «Mostra tutte le 19 codifiche». Quella corretta può trovarsi oltre le prime cinque. In una pagina in inglese un file spagnolo con ¿ o ¡ salvato come Windows-1252 può stare più in basso, perché quella punteggiatura conta contro una lettura. Spesso più tabelle ottengono lo stesso punteggio su un file breve, quindi quella giusta può trovarsi in qualsiasi posizione tra loro. Confronta le righe nella tua lingua e seleziona quella che si legge in modo naturale.

Dice «Questo file è sicuramente UTF-8.» ma il testo continua a sembrare sbagliato.

I byte sono UTF-8 valido, quindi lo strumento li legge esattamente come scritti. I caratteri strani come «Ã©» fanno allora parte del testo stesso, di solito il risultato di una precedente conversione sbagliata, e leggere gli stessi byte con un'altra codifica non lo annulla. Torna al file originale precedente alla prima conversione e aggiungi quello.

Come si confronta

Un editor di testo che sa riaprire un file con una codifica scelta e salvarlo come UTF-8 fa lo stesso lavoro, e va meglio se vuoi anche modificare il testo. Questo strumento mostra le letture candidate affiancate alle righe del file stesso, converte molti file in una volta e non richiede nulla da installare. I file vengono letti e convertiti nel browser e non vengono caricati. Cambia solo la codifica e la fine riga. Assegna un punteggio ai primi 64 KB per ordinare le ipotesi e non cerca di riparare il testo danneggiato da una precedente conversione sbagliata. Non può scrivere Shift_JIS, GBK, Big5 o EUC-KR.