Hvad er mojibake?

Hvor ordet kommer fra

Mojibake (文字化け) er japansk: »moji« betyder »tegn« og »bake« »forvandling«. I 1990’erne brugte japanske computere flere tegnkodninger side om side – Shift_JIS, EUC-JP og ISO-2022-JP – og ulæselige e-mails og hjemmesider var hverdag. Ordet bed sig fast og kom ind i engelsk. På dansk siger vi oftest bare »mærkelige tegn«, eller at »æ, ø og å bliver forkerte«. Ikke at forveksle med »aa« i gamle tekster og navne som Aalborg: det er stavemåden fra før retskrivningsreformen i 1948, ikke en kodningsfejl, og Mojibuster lader den være.

Hvordan mojibake opstår

En computer gemmer tekst som byte. Tegnkodningen bestemmer, hvilke byte der hører til hvilket tegn. I UTF-8 gemmes ø som de to byte C3 B8. Et program, der læser de byte som Windows-1252, viser ét tegn pr. byte: Ã for C3 og ¸ for B8.

I det trin går intet tabt: bytene er der stadig, de læses bare forkert. Derfor kan mojibake næsten altid vendes tilbage: Mojibuster regner de forkerte tegn om til byte og læser dem rigtigt igen.

Rødgrød med fløde, blåbær, Ærø, Søren og Åse – 25 €

Rødgrød med fløde, blåbær, Ærø, Søren og Åse – 25 €

Mojibake på andre sprog

• Japansk: 縺薙ｓ縺ｫ縺｡縺ｯ i stedet for こんにちは – UTF-8 læst som Shift_JIS. Mere på den japanske side.
• Kinesisk: 浣犲ソ i stedet for 你好 – UTF-8 læst som GBK. På kinesisk hedder det 乱码 (luànmǎ, »kaotisk kode«).
• Russisk: Привет i stedet for Привет – UTF-8 læst som Windows-1251. Russerne kalder det »krakozjabry«.
• Dansk, norsk, svensk, tysk …: æ, ø eller € i stedet for æ, ø eller € – den mest udbredte form i verden. Alle mønstre: ø i stedet for ø.

Typiske årsager

• Excel åbner en CSV i UTF-8 uden BOM som ANSI ved dobbeltklik: Excel viser mærkelige tegn.
• En CSV-eksport fra en webshop, et CRM-system eller banken åbnes med den forkerte tegnkodning: ret CSV.
• En hjemmeside eller en e-mail angiver det forkerte charset, eller databaseforbindelsen bruger latin1: ret UTF-8-tegn.
• Undertekster er gemt i en gammel tegnkodning: undertekster med mærkelige tegn.
• Tekst, der allerede er ødelagt, konverteres igen – dobbelt mojibake som ø.

Kan det altid rettes?

Næsten altid, så længe bytene er intakte. Det går ikke længere, hvis et program allerede har erstattet tegnene med ? eller med erstatningstegnet �: så er den oprindelige information væk. Mojibuster retter alt, hvad der kan rettes, op til tre kodningsniveauer på én gang, og fortæller, hvor mange tegn der er tabt. Hvornår ? og � stadig kan reddes: spørgsmålstegn i stedet for æ, ø og å.

Sådan undgår du det

• Gem filer som UTF-8 – CSV-filer til Excel som CSV UTF-8 (kommasepareret), der tilføjer en BOM.
• Angiv tegnkodningen: <meta charset="utf-8"> i HTML, utf8mb4 i MySQL og MariaDB.
• Konvertér kun tekst én gang, ved grænsen mellem to systemer.
• Vælg selv tegnkodningen, når du importerer, i stedet for at lade programmet gætte.

Ofte stillede spørgsmål

Læs mere

• Ret mærkelige tegn i al tekst Ret mærkelige tegn og forkerte æ, ø og å i tekst og filer.
• Ret CSV Ret æ, ø og å i CSV-eksporter, og gem som UTF-8.
• Mærkelige tegn i Excel Når Excel viser ø i stedet for ø, når du åbner en CSV.
• Ret UTF-8 Fjern mojibake fra databaser, e-mails og hjemmesider.
• Ret undertekster Ret SRT- og VTT-undertekster med forkerte æ, ø og å.
• ø i stedet for ø Tabel med æ, ø, Ã¥ og flere – og hvad der ligger bag.
• Apostroffer og anførselstegn ’, –, … og » i stedet for apostroffer, anførselstegn og tankestreger.
• Spørgsmålstegn i stedet for æ, ø, å ? eller � i stedet for bogstaver – hvad der kan reddes, og hvad der ikke kan.