Wat is mojibake?

Waar het woord vandaan komt

Mojibake (文字化け) is Japans: “moji” betekent “teken” en “bake” “verandering”. In de jaren negentig gebruikten Japanse computers meerdere coderingen naast elkaar – Shift_JIS, EUC-JP en ISO-2022-JP – en onleesbare e-mails en webpagina’s waren aan de orde van de dag. Het woord bleef hangen en kwam in het Engels terecht. In het Nederlands spreken we meestal gewoon van “rare tekens” of “vreemde tekens”.

Hoe mojibake ontstaat

Een computer slaat tekst op als bytes. De codering bepaalt welke bytes bij welk teken horen. In UTF-8 wordt ë opgeslagen als de twee bytes C3 AB. Een programma dat deze bytes als Windows-1252 leest, toont per byte een teken: Ã voor C3 en « voor AB.

Bij die stap gaat niets verloren: de bytes zijn er nog, ze worden alleen verkeerd gelezen. Daarom is mojibake bijna altijd terug te draaien: Mojibuster zet de verkeerde tekens terug om naar bytes en leest ze opnieuw correct.

Ruïne, coördinatie, financiën, café – € 5

Ruïne, coördinatie, financiën, café – € 5

Mojibake in andere talen

• Japans: 縺薙ｓ縺ｫ縺｡縺ｯ in plaats van こんにちは – UTF-8 gelezen als Shift_JIS. Meer op de Japanse pagina.
• Chinees: 浣犲ソ in plaats van 你好 – UTF-8 gelezen als GBK. In het Chinees heet het 乱码 (luànmǎ, “chaotische code”).
• Russisch: Привет in plaats van Привет – UTF-8 gelezen als Windows-1251. Russen noemen het “krakozjabry”.
• Nederlands, Frans, Duits…: ë, é of € in plaats van ë, é of € – de meest voorkomende vorm ter wereld.

Typische oorzaken

• Excel opent een CSV in UTF-8 zonder BOM met een dubbelklik als ANSI: Excel toont rare tekens.
• Een CSV-export uit een webshop, CRM of bank wordt met de verkeerde codering geopend: CSV herstellen.
• Een website of e-mail geeft de verkeerde charset op, of de databaseverbinding gebruikt latin1: UTF-8-tekens herstellen.
• Ondertitels zijn in een oude codering opgeslagen: ondertitels met rare tekens.
• Tekst die al kapot is, wordt opnieuw omgezet – dubbele mojibake zoals ë.

Is het altijd te herstellen?

Bijna altijd, zolang de bytes intact zijn. Het lukt niet meer als een programma de tekens al heeft vervangen door ? of door het vervangingsteken �: dan is de oorspronkelijke informatie weg. Mojibuster herstelt alles wat te herstellen is, tot drie coderingsniveaus in één keer, en vertelt je hoeveel tekens verloren zijn.

Zo voorkom je het

• Sla bestanden op als UTF-8 – CSV’s voor Excel als CSV UTF-8 (door komma’s gescheiden), dat een BOM toevoegt.
• Geef de codering op: <meta charset="utf-8"> in HTML, utf8mb4 in MySQL en MariaDB.
• Zet tekst maar één keer om, op de grens tussen twee systemen.
• Kies bij het importeren zelf de codering in plaats van het programma te laten raden.

Veelgestelde vragen

Meer uitleg

• Rare tekens herstellen in elke tekst Herstel rare tekens en kapotte accenten in tekst en bestanden.
• CSV herstellen Herstel accenten in CSV-exports en sla op als UTF-8.
• Rare tekens in Excel Als Excel ë toont in plaats van ë bij het openen van een CSV.
• UTF-8 herstellen Verwijder mojibake uit databases, e-mails en websites.
• Ondertitels herstellen Herstel SRT- en VTT-ondertitels met kapotte accenten.