Hva er mojibake?

Hvor ordet kommer fra

Mojibake (文字化け) er japansk: «moji» betyr «tegn» og «bake» «forvandling». På 1990-tallet brukte japanske datamaskiner flere tegnsett side om side – Shift_JIS, EUC-JP og ISO-2022-JP – og uleselige e-poster og nettsider var hverdagskost. Ordet festet seg og kom inn i engelsk. På norsk sier vi som oftest bare «rare tegn», eller at «æ, ø og å blir feil». Ikke forveksle det med «aa» i gamle tekster og navn som Aasen: det er skrivemåten fra før rettskrivingsreformen i 1917, ikke en kodingsfeil, og Mojibuster lar den være.

Hvordan mojibake oppstår

En datamaskin lagrer tekst som byte. Tegnsettet bestemmer hvilke byte som hører til hvilket tegn. I UTF-8 lagres ø som de to bytene C3 B8. Et program som leser disse bytene som Windows-1252, viser ett tegn per byte: Ã for C3 og ¸ for B8.

I dette trinnet går ingenting tapt: bytene er der fortsatt, de leses bare feil. Derfor kan mojibake nesten alltid reverseres: Mojibuster regner de feile tegnene om til byte og leser dem riktig igjen.

Rømmegrøt med blåbær, Bodø, Øystein og Åse – 1 250,00 kr

Rømmegrøt med blåbær, Bodø, Øystein og Åse – 1 250,00 kr

Mojibake på andre språk

• Japansk: 縺薙ｓ縺ｫ縺｡縺ｯ i stedet for こんにちは – UTF-8 lest som Shift_JIS. Mer på den japanske siden.
• Kinesisk: 浣犲ソ i stedet for 你好 – UTF-8 lest som GBK. På kinesisk heter det 乱码 (luànmǎ, «kaotisk kode»).
• Russisk: Привет i stedet for Привет – UTF-8 lest som Windows-1251. Russerne kaller det «krakozjabry».
• Norsk, dansk, svensk, tysk …: æ, ø eller € i stedet for æ, ø eller € – den mest utbredte formen i verden. Alle mønstrene: ø i stedet for ø.

Typiske årsaker

• Excel åpner en CSV i UTF-8 uten BOM som ANSI ved dobbeltklikk: Excel viser rare tegn.
• En CSV-eksport fra en nettbutikk, et CRM-system eller banken åpnes med feil tegnsett: fiks CSV.
• En nettside eller en e-post oppgir feil charset, eller databasetilkoblingen bruker latin1: fiks UTF-8-tegn.
• Undertekster er lagret i et gammelt tegnsett: undertekster med rare tegn.
• Tekst som allerede er ødelagt, konverteres på nytt – dobbel mojibake som ø.

Kan det alltid fikses?

Nesten alltid, så lenge bytene er intakte. Det går ikke lenger hvis et program allerede har erstattet tegnene med ? eller med erstatningstegnet �: da er den opprinnelige informasjonen borte. Mojibuster fikser alt som kan fikses, opptil tre kodingsnivåer på én gang, og forteller hvor mange tegn som er tapt. Når ? og � fortsatt kan reddes: spørsmålstegn i stedet for æ, ø og å.

Slik unngår du det

• Lagre filer som UTF-8 – CSV-filer til Excel som CSV UTF-8 (kommadelt), som legger til en BOM.
• Oppgi tegnsettet: <meta charset="utf-8"> i HTML, utf8mb4 i MySQL og MariaDB.
• Konverter tekst bare én gang, ved grensen mellom to systemer.
• Velg tegnsettet selv når du importerer, i stedet for å la programmet gjette.

Ofte stilte spørsmål

Les mer

• Fiks rare tegn i all tekst Fiks rare tegn og feil æ, ø og å i tekst og filer.
• Fiks CSV Fiks æ, ø og å i CSV-eksporter, og lagre som UTF-8.
• Rare tegn i Excel Når Excel viser ø i stedet for ø når du åpner en CSV.
• Fiks UTF-8 Fjern mojibake fra databaser, e-post og nettsider.
• Fiks undertekster Fiks SRT- og VTT-undertekster med feil æ, ø og å.
• ø i stedet for ø Tabell med æ, ø, Ã¥ og flere – og hva som ligger bak.
• Apostrofer og anførselstegn ’, –, … og « i stedet for apostrofer, anførselstegn og tankestreker.
• Spørsmålstegn i stedet for æ, ø, å ? eller � i stedet for bokstaver – hva som kan reddes, og hva som ikke kan.