Mojibuster

Korjaa väärin koodatut UTF-8-merkit

Tuli teksti sitten tietokannasta, sähköpostista tai verkkosivulta: liitä rikkinäinen teksti tähän, niin Mojibuster muuttaa ä:n, €:n ja –:n takaisin muotoon ä, € ja –.

Toimii tekstin ja näiden tiedostojen kanssa:

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

Esimerkiksi Excel-viennit, tietokantavarmuuskopiot, tekstitykset tai verkkosivujen koodi.

Korjaa

  1. Pudota tiedosto tai liitä teksti
  2. Korjaus tapahtuu automaattisesti
  3. Kopioi tai lataa
tai pudota tiedosto tähän

  • Ei latausta palvelimelle. Tiedostosi korjataan suoraan selaimessa, eivätkä ne koskaan poistu laitteeltasi.

  • Palvelimet EU:ssa. Mojibuster toimii palvelimella Suomessa (EU); EU:n yleinen tietosuoja-asetus (GDPR) on voimassa. Tietosuoja-asetuksen teksti (EUR-Lex)

Mikä on mojibake?

Mojibake tarkoittaa lukukelvottomia merkkejä, jotka syntyvät, kun teksti tallennetaan yhdellä merkistökoodauksella ja luetaan toisella. Useimmiten UTF-8 luetaan vahingossa Windows-1252:na tai ISO-8859-1:nä. Jokainen erikoismerkin tavu näkyy silloin omana merkkinään. Yleiskatsauksen kuvioista löydät sivulta ä ä:n sijaan.

Yleisiä syitä

  • Tietokantayhteys käyttää latin1-merkistöä, vaikka tiedot on tallennettu UTF-8:na.
  • Verkkopalvelin lähettää charset=ISO-8859-1, mutta sivu on tallennettu UTF-8:na.
  • Sähköposti- tai uutiskirjeohjelma ilmoittaa väärän merkistön.
  • Vanha verkkosivusto tai siirretty WordPress-asennus sekoittaa Latin-1- ja UTF-8-dataa.
  • Tekstiä kopioidaan ohjelmien välillä, jotka odottavat eri merkistöä.

Kahdesti rikki: ä

Jos jo rikkinäinen teksti muunnetaan vielä kerran väärin, syntyy kaksinkertainen mojibake: ä muuttuu ensin muotoon ä ja sitten muotoon ä. Mojibuster tunnistaa nämäkin tasot ja korjaa jopa kolme kerralla.

Kehittäjille: korjaa syy

  • Lisää HTML-koodiin <meta charset="utf-8"> ja lähetä otsake Content-Type: text/html; charset=utf-8.
  • Käytä MySQL:ssä ja MariaDB:ssä utf8mb4-merkistöä sekä tauluille että yhteydelle (SET NAMES utf8mb4).
  • Tallenna lähdekooditiedostot UTF-8:na ilman BOM-merkkiä.
  • Muunna teksti vain kerran: oman järjestelmäsi ja ulkomaailman rajalla.

Usein kysyttyä

Mitä merkki � tarkoittaa?

Se on korvausmerkki U+FFFD. Ohjelma lisää sen, kun se ei pysty lukemaan tavua. Alkuperäinen merkki on silloin kadonnut; Mojibuster näyttää, kuinka monta kohtaa asia koskee. Joskus itse tiedosto on vielä ehjä: kysymysmerkit kirjainten sijaan.

Voinko muuntaa myös HTML-koodit kuten &auml;?

Kyllä. Valitse Muunna myös koodit. Koodit kuten &auml;, &#228; ja &#xE4; muuttuvat silloin oikeiksi merkeiksi.

Tallennetaanko tekstini jonnekin?

Ei. Korjaus tapahtuu selaimessasi. Tekstiä ei lähetetä eikä tallenneta.

Toimiiko se muillakin kielillä?

Kyllä. Mojibuster korjaa kaikki UTF-8:sta väärin luetut merkit, esimerkiksi ruotsin å:n, norjan ja tanskan æ:n ja ø:n, saksan umlautit, ranskan aksentit, emojit ja japanilaisen kirjoituksen.

Lue lisää