Milloin tätä tarvitaan
- Vanhan kirjanpito-ohjelman, toiminnanohjausjärjestelmän tai verkkopankin CSV-vienti on tallennettu ANSI-muodossa, mutta uusi järjestelmä tai verkkokaupan tuonti odottaa UTF-8:aa.
- Vanhan Windows-ohjelman tekstitiedostossa näkyy Macissa, Linuxissa tai Gitissä
�ääkkösten paikalla. - Verkkosivu, tietokanta tai skripti lukee tiedoston UTF-8:na ja kaatuu ensimmäiseen ääkköseen.
- Vanhoissa tekstitystiedostoissa näkyy televisiossa laatikoita ääkkösten tilalla. Siihen on oma ohjeensa: korjaa tekstitysten merkistö.
Näin muunnat tiedoston
- Vedä tiedosto yllä olevaan ruutuun tai valitse se napsauttamalla.
- Mojibuster lukee tiedoston ja kertoo, miten se tulkittiin: ”Luettu Windows-1252:na (ANSI), tallennettu UTF-8:na.”
- Tarkista esikatselu. Jos jokin näyttää väärältä, Mojibuster tarjoaa toisen tulkinnan yhdellä napsautuksella.
- Napsauta Lataa. Jos tiedosto avataan Excelissä, jätä Tallenna BOM-merkillä valituksi.
Mitä ”ANSI” oikeastaan tarkoittaa
”ANSI” on Windowsin nimi järjestelmän vanhalle merkistölle eli koodisivulle. Suomenkielisessä ja muussa länsieurooppalaisessa Windowsissa se on Windows-1252. Nimellä ei ole mitään tekemistä amerikkalaisen standardointijärjestön kanssa, vaan se on historiallinen harhanimi. ISO-8859-1 (Latin-1) on lähes sama: vain tavujen 80 ja 9F välillä Windows-1252 lisää merkkejä, kuten €, “, ’ ja –.
Ero tavuina
ä– ANSIE4(yksi tavu), UTF-8C3 A4(kaksi tavua).ö– ANSIF6, UTF-8C3 B6.å– ANSIE5, UTF-8C3 A5.€– Windows-125280, puuttuu ISO-8859-1:stä, UTF-8E2 82 AC.’– Windows-125292, UTF-8E2 80 99.- Tavalliset kirjaimet, numerot ja välimerkit, kuten
,, ovat samat kaikissa kolmessa merkistössä. Siksi ongelma näkyy vain ääkkösissä, valuuttamerkeissä ja kaarevissa lainausmerkeissä.
Näin tunnistat ANSI-tiedoston
Kun ANSI-tiedosto avataan UTF-8:na, ääkkösen tavu on siinä virheellinen. Ohjelmat näyttävät merkin �, Notepad++ näyttää pieniä laatikoita, kuten xE4. Oikea tavu on yhä tiedostossa, joten mitään ei katoa muunnoksessa. Onko ? jo tallentunut pysyvästi, kerrotaan oppaassa kysymysmerkit kirjainten sijaan.
Päinvastainen tapaus: UTF-8 luettu ANSI:na
Jos näet ä eikä ä, tiedosto on jo UTF-8:aa ja se vain luetaan ANSI:na, yleensä Excelissä. Silloin ei ole mitään muunnettavaa: avaa tiedosto oikein tai korjaa tallentunut sotku. Katso ääkköset väärin Excelissä ja korjaa rikkinäiset UTF-8-merkit. Mojibuster tunnistaa myös tämän tapauksen.
Näkyy
Hyvää päivää, Åsa! Kahvi maksaa 3,50 € – kiitos
Oikein
Hyvää päivää, Åsa! Kahvi maksaa 3,50 € – kiitos
Muut tavat
- Excel: avaa tiedosto ja valitse Tiedosto → Tallenna nimellä → tiedostomuoto CSV UTF-8 (pilkuin erotettu). Tarkista ensin avaamisen jälkeen, että ääkköset näkyvät oikein.
- Notepad++: valitse valikosta Encoding ensin ANSI ja sitten Convert to UTF-8. Vaihe vaiheelta oppaassa Notepad++ ja merkistökoodaus.
- PowerShell ja Python: anna vanha merkistö lukiessa, muuten syntyy uutta sotkua. Katso PowerShell ja pandas.
Usein kysyttyä
Katoaako merkkejä muunnoksessa?
Ei. Jokainen Windows-1252:n ja ISO-8859-1:n merkki on olemassa UTF-8:ssa. Vain merkit, jotka on jo tallennettu muodossa ?, pysyvät merkkinä ?.
Onko ANSI sama kuin ISO-8859-1 tai Latin-1?
Lähes. Windows-1252:ssa on lisäksi €, kaarevat lainausmerkit ja ajatusviivat. Mojibuster lukee molemmat oikein, koska Windows-1252 sisältää kaikki ISO-8859-1:n merkit.
UTF-8 BOM-merkillä vai ilman?
BOM-merkillä Exceliä varten, muuten Excel näyttää taas ä. Ilman BOM-merkkiä verkkosivuille, tietokannoille ja lähdekoodille.
Ladataanko tiedostoni palvelimelle?
Ei. Muunnos tapahtuu kokonaan selaimessasi, myös suurille CSV-vienneille. Tiedosto ei koskaan poistu laitteeltasi.