Miért éppen ezek a jelek romlanak el?
A Word, az Outlook, a WordPress és sok más program gépelés közben tipográfiai jelekre cseréli az egyenes idézőjelet és a kötőjelet: „, ”, –, …. Ezek UTF-8-ban az E2 80 xx tartományban vannak, és három bájtot foglalnak. Windows-1250-ként olvasva mindig †lesz belőlük, plusz egy harmadik karakter. Az euró (€) € lesz, a » és a « pedig » és «.
Az ékezetes betűk UTF-8-ban két bájtot foglalnak. Ugyanennél a hibánál az ő-ből Ĺ‘ lesz, az á-ból á – bővebben a mojibake-ről. Ezért többnyire a betűk és a jelek egyszerre romlanak el.
Előtte
„Nyári akció” – minden cipő 30 %-kal olcsóbb… Olyan árak, mint a ’90-es években: most csak 49 €!
Utána
„Nyári akció” – minden cipő 30 %-kal olcsóbb… Olyan árak, mint a ’90-es években: most csak 49 €!
Az összes változat egy listában
„→„(nyitó idézőjel)”→”(záró idézőjel)“→“(felső nyitó idézőjel, főleg angol szövegekben)»→»,«→«(csúcsos idézőjelek, idézeten belüli idézethez)–→–(gondolatjel),—→—(hosszú gondolatjel)…→…(három pont)’→’(aposztróf)€→€,°→°â€folytatás nélkül → valószínűleg‘vagy”(lásd lent)
Különleges eset: †és semmi más
A nyitó szimpla idézőjel ‘ a 98 bájtot tartalmazza, ehhez a Windows-1250 nem rendel karaktert. Ezért csak †marad belőle. Ha a láthatatlan bájt még megvan, a Mojibuster kijavítja. Ha másoláskor elveszett, nem biztos, melyik jel állt ott, ezért a Mojibuster érintetlenül hagyja. Ezt a helyet ellenőrizd kézzel.
Weboldalak és régi latin1 adatbázisok a szöveget gyakran Windows-1252-ként olvassák. Ilyenkor a záró ” veszíti el az utolsó bájtját, és szintén csak †látszik. Ha ugyanabban a szövegben más biztos javítás is van, a Mojibuster ezt is visszaállítja. Ha a jelek helyén ? áll, nézd meg a kérdőjelek ékezetes betűk helyett oldalt.
Hol fordul elő ez a hiba?
Leggyakrabban Excelben megnyitott CSV-fájlokban, könyvelő- és számlázóprogramok exportjaiban, az Outlookban kapott hírlevelekben, költözés utáni WordPress-cikkekben és régi fórumok szövegeiben. Ha az egész fájl régi kódolásban van, a Windows-1250 átalakítása UTF-8-ra segít.
Hogyan előzhető meg?
- A Wordből és a szerkesztőkből UTF-8-ban mentsd a szöveget, importáláskor pedig add meg a kódolást.
- Ellenőrizd a hírlevélküldők, webáruházak és exportok beállítását: mindenhol
UTF-8legyen. - A CSV-fájlokat BOM-mal mentsd, így az Excel is helyesen nyitja meg őket – lásd hibás ékezetek az Excelben.
- E-maileknél a hiba gyakran a feladó oldalán van. Így teheted olvashatóvá a levelet az Outlookban.
- Adatbázisokban állítsd a táblákat és a kapcsolatot
utf8mb4-re – lásd MySQL és phpMyAdmin.
Gyakori kérdések
Mit jelent az „?
Ez egy kétszer rosszul átalakított „ idézőjel. A Mojibuster ezt is kijavítja – bővebben a dupla kódolásról.
Nem egyszerűbb mindent egyenes idézőjelre cserélni?
Nem szükséges. A Mojibuster az eredeti jeleket állítja vissza. Ha jobban szereted a ' és a " jelet, utána is lecserélheted őket.
Miért csak az idézőjelek hibásak, az ékezetek nem?
Valószínűleg a szöveg egy részét újragépelték, vagy két forrásból állították össze. A Mojibuster csak a hibás helyeket javítja, a helyes karakterekhez nem nyúl.