Převod Windows-1250 a ISO-8859-2 na UTF-8

Starý soubor otevřený na Macu, v Linuxu nebo v editoru kódu ukazuje samé �? Nejspíš je uložený ve Windows-1250. Přetáhněte ho sem a Mojibuster rozpozná kódování a uloží soubor v UTF-8.

Funguje s textem a soubory:

  • CSV
  • TXT
  • JSON
  • XML
  • SRT
  • VTT
  • SMI
  • TSV
  • MD
  • HTML
  • SQL
  • LOG

Například exporty z Excelu, výpisy databází, titulky nebo kód webových stránek.

Opravit

  1. Přetáhněte soubor nebo vložte text
  2. Oprava proběhne automaticky
  3. Zkopírujte nebo stáhněte
nebo soubor jednoduše přetáhněte sem

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.
Text ve Windows-1250 otevřený se západním nastavením

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

  1. Přetáhněte soubor do pole výše.
  2. Mojibuster sám rozpozná Windows-1250, ISO-8859-2 a UTF-8. Ve výsledku uvidíte, v jakém kódování byl soubor přečten.
  3. Pokud kódování vypadá špatně, přečtěte soubor znovu tlačítkem Přečíst jako ….
  4. 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 – bajt E8 v obou kódováních, v UTF-8 C4 8D. Špatně přečtené UTF-8 dává ÄŤ, Windows-1250 v západním nastavení è.
  • ř – F8, v UTF-8 C5 99. Chyby: Ĺ™ a ø.
  • ě – EC, v UTF-8 C4 9B. Chyby: Ä› a ì.
  • š – Windows-1250 9A, ISO-8859-2 B9, UTF-8 C5 A1.
  • ž – Windows-1250 9E, ISO-8859-2 BE, UTF-8 C5 BE.
  • ť – Windows-1250 9D, ISO-8859-2 BB, UTF-8 C5 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.

Další návody