تبدیل فایل‌های Windows-1256 به UTF-8

چه وقت به تبدیل نیاز دارید؟

• خروجی نرم‌افزارهای حسابداری، انبارداری یا سامانه‌های قدیمی که با Windows-1256 ذخیره شده و باید وارد سیستمی شود که فقط UTF-8 می‌پذیرد.
• وب‌سایت‌ها، پایگاه‌های داده و انجمن‌های قدیمی و زیرنویس فیلم‌ها که با Windows-1256 ذخیره شده‌اند.
• فایلی که در Notepad با گزینه «ANSI» ذخیره شده و بعد در ویرایشگر یا برنامه‌ای باز شده که UTF-8 انتظار دارد.

فایل‌های Windows-1256 از کجا می‌آیند؟

Windows-1256 همان کدگذاری «ANSI» ویندوز است وقتی زبان برنامه‌های غیریونیکد (Language for non-Unicode programs) در تنظیمات منطقه‌ای فارسی یا عربی باشد؛ تنظیمی که در ایران و افغانستان بسیار رایج است. هر برنامه‌ای که متن را با کدگذاری پیش‌فرض سیستم ذخیره کند، چنین فایلی می‌سازد:

• Notepad در نسخه‌های قدیمی ویندوز، که تا حدود سال 2019 به‌طور پیش‌فرض ANSI ذخیره می‌کرد.
• اکسل هنگام ذخیره با قالب معمولی CSV (Comma delimited).
• نرم‌افزارهای حسابداری و انبارداری قدیمی و پایگاه‌های داده‌ای که روی cp1256 تنظیم شده‌اند.
• زیرنویس‌ها، وب‌سایت‌ها و انجمن‌های فارسی دو دهه گذشته.

ÎíÇÈÇä ÇäÞáÇÈ¡ ÔãÇÑå 12¡ ÊåÑÇä
ÊáÝä: +98 21 1234 5678

خیابان انقلاب، شماره 12، تهران
تلفن: +98 21 1234 5678

حروف پس از خواندن اشتباه چه شکلی دارند؟

هر حرف فارسی در Windows-1256 یک بایت است. اگر برنامه‌ای غربی این بایت را با Windows-1252 بخواند، یک حرف لاتین علامت‌دار نمایش داده می‌شود:

• ا ← بایت C7 ← Ç
• ب ← بایت C8 ← È
• ر ← بایت D1 ← Ñ
• س ← بایت D3 ← Ó
• م ← بایت E3 ← ã
• ک ← بایت 98 ← ˜

به همین دلیل سلام در این حالت به ÓáÇã تبدیل می‌شود. این متن را هم می‌توانید مستقیم در کادر بچسبانید تا Mojibuster آن را به فارسی برگرداند.

«ی» و «ک» عربی در فایل‌های قدیمی

Windows-1256 برای عربی طراحی شده و «ی» فارسی (U+06CC) را ندارد. نرم‌افزارهای قدیمی به جای آن «ي» عربی ذخیره می‌کردند و صفحه‌کلیدهای قدیمی گاهی «ك» عربی را به جای «ک». اثرش را هنوز در جستجو می‌بینید: «علي» با «علی» یکی حساب نمی‌شود.

Mojibuster در این صفحه هنگام خواندن فایل‌های Windows-1256، «ي» و «ك» را به «ی» و «ک» فارسی تبدیل می‌کند، مگر اینکه متن عربی باشد. متنی که خودتان با UTF-8 می‌چسبانید دست نمی‌خورد.

روش تبدیل

1. فایل را در کادر بالا بکشید و رها کنید.
2. Mojibuster کدگذاری‌های Windows-1256 و UTF-8 را خودکار تشخیص می‌دهد و در نتیجه نشان می‌دهد فایل با چه کدگذاری‌ای خوانده شده است.
3. روی دانلود کلیک کنید تا فایل با UTF-8 ذخیره شود.

تبدیل از خط فرمان

برای تبدیل تعداد زیادی فایل در لینوکس یا مک این دستور کافی است:

iconv -f CP1256 -t UTF-8 in.txt > out.txt

و در PowerShell 7 در ویندوز:

Get-Content -Encoding 1256 in.txt | Set-Content -Encoding utf8 out.txt

توجه کنید که این دستورها فرض می‌کنند کدگذاری فایل را می‌دانید. اگر فایل از قبل UTF-8 باشد، حروف عجیب تازه‌ای مثل ط³ظ„ می‌سازند و «ي» عربی را هم تغییر نمی‌دهند. Mojibuster اول فایل را بررسی می‌کند و فقط وقتی آن را تبدیل می‌کند که نتیجه متن فارسی سالم باشد.

چه چیزی قابل بازیابی نیست؟

حروفی که به ? تبدیل شده‌اند قابل بازیابی نیستند، چون اطلاعات هنگام ذخیره از بین رفته است. Mojibuster تعداد آن‌ها را نشان می‌دهد.

همین درباره نویسه‌هایی صدق می‌کند که در Windows-1256 وجود ندارند، مثل ارقام فارسی ۱۲۳، «ۀ» و ایموجی‌ها: با ذخیره به صورت ANSI برای همیشه به ? تبدیل می‌شوند. اگر در یک ویرایشگر جدید � می‌بینید، حروف هنوز در فایل اصلی هستند و قابل تبدیل‌اند.

پرسش‌های متداول

راهنماهای دیگر

• درست کردن حروف فارسی حروف به‌هم‌ریخته را در متن و فایل درست می‌کند.
• فارسی در اکسل وقتی اکسل فایل CSV را با حروف عجیب باز می‌کند.
• زیرنویس به‌هم‌ریخته زیرنویس SRT با حروف عجیب نمایش داده می‌شود.
• موجیباکه چیست؟ معنی موجیباکه، ریشه واژه و علت‌های آن.