Mojibuster

ção em vez de ção: entenda e corrija a acentuação errada

Seu texto mostra informação em vez de informação, ã no lugar de ã ou é em vez de é? É texto UTF-8 lido como Windows-1252 – os acentos não se perderam. Cole o texto acima ou solte o arquivo, e o Mojibuster corrige na hora.

Funciona com texto e com estes arquivos:

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

Por exemplo exportações do Excel, backups de bancos de dados, legendas ou código de sites.

Corrigir

  1. Solte um arquivo ou cole o texto
  2. A correção é automática
  3. Copie ou baixe
ou simplesmente arraste um arquivo para cá

  • Sem envio de arquivos. Seus arquivos são corrigidos direto no seu navegador e nunca saem do seu dispositivo.

  • Servidores na UE. O Mojibuster roda em um servidor na Finlândia (UE); vale o Regulamento Geral sobre a Proteção de Dados (RGPD). Texto do RGPD (EUR-Lex)

Por que um acento vira dois caracteres

Em UTF-8, cada letra acentuada ocupa dois bytes: o ç é C3 A7 e o ã é C3 A3. Um programa que lê o arquivo como Windows-1252 transforma cada byte em um caractere: C3 vira Ã, A7 vira §. Por isso quase todos os caracteres estranhos começam com à – e o segundo caractere mostra qual letra era. Como o português usa muito ção, a sequência ção é a mais conhecida de todas.

Uma frase salva em UTF-8 e lida como Windows-1252

Antes

Informação sobre a promoção em São Paulo: você já viu a ação do mês?

Depois

Informação sobre a promoção em São Paulo: você já viu a ação do mês?

Os padrões mais comuns em português

  • ç → ç, ã → ã, õ → õ (ção → ção, ções → ções)
  • á → á, é → é, ó → ó, ú → ú
  • â → â, ê → ê, ô → ô
  • í vira à mais um hífen invisível – muitas vezes você só vê disponÃvel ou mÃdia
  • Ç → Ç, É → É, Ã → à (AÇÃO → AÇÃO)
  • º → º, ª → ª, € → € – mais sobre aspas, apóstrofos e símbolos

A tabela completa está mais abaixo. Se a sequência for mais longa, como ç, o texto foi codificado duas vezes – o Mojibuster também corrige isso, até três níveis de uma vez.

Melhor não substituir na mão

Dá para usar “Localizar e substituir” e trocar ç por ç. Só que isso só funciona se você conhecer todos os casos: um à seguido de espaço é um à quebrado (como em à s 10h), o í deixa só um à visível, e um à também pode estar certo, como em SÃO PAULO ou JOÃO. O Mojibuster confere cada posição byte a byte e só muda o que está claramente quebrado.

De onde vem o problema

  • O Excel abre um CSV em UTF-8 sem BOM como Windows-1252 – veja como abrir do jeito certo.
  • Exportações CSV de lojas virtuais, ERPs, emissores de nota fiscal ou bancos são abertas com a codificação errada: corrigir CSV.
  • Bancos de dados e sites entregam UTF-8 por uma conexão latin1 ou declaram o charset errado: corrigir caracteres UTF-8.
  • Legendas salvas em outra codificação que a esperada pelo player: legendas com acentos errados.
  • E-mails e newsletters declaram um conjunto de caracteres diferente do texto.

Caracteres quebrados comuns

É assim que os caracteres quebrados costumam aparecer – e isto é o que deveria estar escrito.
Quebrado Correto
çç
ãã
õõ
áá
éé
íí
óó
úú
ââ
êê
ôô
àà
üü
ÇÇ
ÃÃ
ÉÉ
ÓÓ
€€
““
’’
––
……

Perguntas frequentes

Perdi meus acentos?

Não. ç ainda contém exatamente os bytes do ç, e o Mojibuster os converte de volta. Os caracteres só se perdem quando um programa os substituiu por ? ou � – veja interrogação no lugar dos acentos.

Por que aparece um à sozinho ou seguido de espaço?

Geralmente é um í ou um à: o segundo byte deles é, no Windows-1252, um hífen invisível ou um espaço não separável. Se esse caractere sumiu ou virou um espaço normal ao copiar, a posição deixa de ser inequívoca, e o Mojibuster não mexe nela.

Posso corrigir um arquivo inteiro?

Sim. Solte arquivos CSV, TXT, JSON ou SQL de até 100 MB no quadro acima. O arquivo não sai do seu dispositivo.

Mais guias