Mojibuster

Corrija caracteres UTF-8 mal codificados

Não importa se vem de um banco de dados, de um e-mail ou de um site: cole o texto quebrado e o Mojibuster transforma ç, € e “ de volta em ç, € e “.

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)

O que é mojibake?

Mojibake são caracteres ilegíveis que surgem quando um texto é salvo com uma codificação e lido com outra. O mais comum é um texto UTF-8 ser lido por engano como Windows-1252 ou ISO-8859-1. Cada byte de um caractere especial aparece então como um caractere próprio.

Causas comuns

  • A conexão com o banco de dados usa latin1, embora os dados estejam em UTF-8.
  • O servidor web envia charset=ISO-8859-1, mas a página está salva em UTF-8.
  • Um programa de e-mail ou de newsletter declara a codificação errada.
  • Um site antigo ou um WordPress migrado de servidor mistura dados em Latin-1 e em UTF-8.
  • Texto copiado entre programas que esperam codificações diferentes.

Quebrado duas vezes: ç

Se um texto já quebrado é convertido errado mais uma vez, surge o mojibake duplo: ç vira primeiro ç e depois ç. O Mojibuster também reconhece esses níveis e corrige até três de uma vez.

Para desenvolvedores: corrigir a causa

  • Defina <meta charset="utf-8"> no HTML e envie o cabeçalho Content-Type: text/html; charset=utf-8.
  • Use utf8mb4 no MySQL e no MariaDB para as tabelas e a conexão (SET NAMES utf8mb4).
  • Salve os arquivos de código-fonte em UTF-8 sem BOM.
  • Converta o texto uma única vez: na fronteira entre o seu sistema e o mundo externo.

Perguntas frequentes

O que significa o caractere �?

É o caractere de substituição U+FFFD. Um programa o insere quando não consegue ler um byte. O caractere original se perdeu; o Mojibuster mostra quantas posições foram afetadas.

Posso converter também códigos HTML como &ccedil;?

Sim. Ative a opção Converter também códigos HTML. Códigos como &ccedil;, &#231; e &#xE7; viram caracteres de verdade.

Meu texto fica salvo em algum lugar?

Não. A correção acontece no seu navegador. O texto não é enviado nem armazenado.

Funciona com outros idiomas?

Sim. O Mojibuster corrige qualquer caractere que tenha sido lido errado a partir de UTF-8, por exemplo acentos em espanhol e francês, tremas do alemão, emojis ou escrita japonesa.

Mais guias