Kdy se to hodí
- Exporty z účetních programů, internetového bankovnictví nebo ERP ve Windows-1250 je potřeba načíst do systému, který umí jen UTF-8.
- Staré weby, archivy e-mailů a logy jsou uložené v ISO-8859-2.
- Soubor uložený v Poznámkovém bloku jako „ANSI“ skončí v editoru nebo programu, který čeká UTF-8.
- Starší verze účetních programů jako Pohoda nebo Money S3 a různé mzdové či bankovní systémy mohou exportovat ve Windows-1250.
Rozsypaný čaj
Pøíliš žlutý kùò úpìl ïábelské ódy Karlova 12, Brno
Po převodu
Příliš žlutý kůň úpěl ďábelské ódy Karlova 12, Brno
Jak soubor převést
- Přetáhněte soubor do pole výše.
- Mojibuster sám rozpozná Windows-1250, ISO-8859-2 a UTF-8. Ve výsledku uvidíte, v jakém kódování byl soubor přečten.
- Pokud kódování vypadá špatně, přečtěte soubor znovu tlačítkem Přečíst jako ….
- Klikněte na Stáhnout a uložte soubor v UTF-8.
Windows-1250 a ISO-8859-2
Obě kódování se liší právě v několika českých písmenech: š, ť, ž (a jejich velkých podobách) leží pod jinými bajty. Zaměněný soubor proto vypadá skoro dobře, jen tato písmena se změní na ą, » nebo ľ. Mojibuster porovná obě varianty a vybere tu, ve které vznikají česká slova.
Česká písmena a jejich bajty
č– bajtE8v obou kódováních, v UTF-8C4 8D. Špatně přečtené UTF-8 dáváÄŤ, Windows-1250 v západním nastaveníè.ř–F8, v UTF-8C5 99. Chyby:Ĺ™aø.ě–EC, v UTF-8C4 9B. Chyby:Ä›aì.š– Windows-12509A, ISO-8859-2B9, UTF-8C5 A1.ž– Windows-12509E, ISO-8859-2BE, UTF-8C5 BE.ť– Windows-12509D, ISO-8859-2BB, UTF-8C5 A5.
Opačná záměna je horší: soubor ve Windows-1250 čtený jako ISO-8859-2 písmena š, ť a ž úplně ztratí, protože bajty 9A, 9D a 9E jsou v ISO-8859-2 neviditelné řídicí znaky. Původní soubor je ale v pořádku – stačí ho přetáhnout sem.
Znaky, které se už změnily na ?, obnovit nelze – informace se ztratila při ukládání. Mojibuster ukáže, kolik jich je. Jak takové chyby vznikají, vysvětluje stránka Co je mojibake.
Převod v příkazové řádce
Pro dávku mnoha souborů se hodí příkazová řádka. V Linuxu a na Macu: iconv -f WINDOWS-1250 -t UTF-8 stary.txt > novy.txt. Ve Windows PowerShell 5.1 na českém Windows: Get-Content stary.txt -Encoding Default | Set-Content novy.txt -Encoding UTF8 (uloží UTF-8 s BOM).
Oba příkazy převedou soubor slepě. Pokud už byl v UTF-8, vznikne z něj rozsypaný čaj typu ÄŤ. Mojibuster kódování nejdřív rozpozná a hotový soubor UTF-8 nechá být.
Časté otázky
Jak poznám, v jakém kódování soubor je?
Mojibuster to ukáže po načtení souboru. Vodítko: è a ø místo č a ř znamenají Windows-1250 čtené jako západní text, ą místo š ISO-8859-2 čtené jako Windows-1250 a ÄŤ místo č UTF-8 čtené jako Windows-1250. Text jako %C5%99%C3%ADzek rozluštíte na stránce URL kódy. Rozsypaný čaj jako „ a – místo uvozovek a pomlček má stejnou příčinu – viz uvozovky a pomlčky.
Otevřu soubor po převodu v Excelu?
Ano. U souborů CSV nechte zapnutou volbu Uložit s BOM – Excel pak soubor otevře bez rozsypaného čaje. Další tipy: rozsypaný čaj v Excelu.
Dá se převést zpět z UTF-8 na Windows-1250?
Zatím se soubor ukládá jen v UTF-8. Pokud potřebujete Windows-1250, uložte soubor znovu v Excelu nebo textovém editoru.
Nahrává se soubor na server?
Ne. Převod probíhá celý v prohlížeči.