Oprava kódování textu a CSV

Když se diakritika a speciální znaky zobrazují jako řetězce nesmyslů, soubor byl načten se špatným kódováním. Tento nástroj převede soubory uložené ve starých kódováních Windows do UTF-8 a opraví dvojitě kódovaný text, přičemž běžné případy rozpozná automaticky. Volitelně přidá značku, kterou Excel potřebuje, aby diakritiku přečetl správně. Běží na vašem zařízení.

Jak opravit kódování CSV

Přetáhněte soubor CSV nebo textový soubor s rozbitými znaky.
Zdrojové kódování nechte na automatické volbě, nebo zvolte Windows-1252, ISO-8859-1 či opravu dvojitého kódování.
Zvolte, zda přidat BOM pro Excel.
Klikněte na Spustit a stáhněte opravený soubor v UTF-8.

Proč se diakritika mění v nesmysly

Pokud soubor ukazuje dva nebo tři podivné symboly tam, kde by mělo být písmeno s diakritikou, apostrof nebo symbol měny, byl přečten se špatným kódováním znaků. Text se ukládá jako bajty a kódování je pravidlo, podle kterého se bajty mění na písmena. Moderní systémy používají UTF-8. Starší programy pro Windows, a zejména Excel, často ukládají a načítají text v regionálním kódování, například Windows-1252. Když se soubor zapsaný jedním způsobem přečte jiným, vyjde každý znak mimo prosté ASCII špatně. Data se neztratila; jen se dekódují podle nesprávného pravidla.

Dva různé problémy, dvě opravy

Soubor je ve starém kódování. CSV exportované ze starého nástroje pro Windows je uložené jako Windows-1252 nebo ISO-8859-1. Nástroje, které očekávají UTF-8, ukazují otazníky nebo náhradní znaky. Oprava: řekněte tomuto nástroji zdrojové kódování a on soubor znovu uloží v UTF-8, které všechno přečte správně. Nástroj pracuje s těmito západoevropskými kódováními; české texty uložené ve Windows-1250 do nich nepatří a tento nástroj je neopraví.

Soubor je zakódovaný dvakrát, tzv. „mojibake“. Někdo přečetl soubor v UTF-8 jako Windows-1252 a znovu ho uložil, takže se správné bajty překódovaly vždy na dva nebo tři špatné znaky. Odtud pochází klasické velké A s vlnovkou před každým znakem s diakritikou. Oprava: volba opravy chybu vrátí tak, že tyto znaky znovu zakóduje zpět na bajty a správně je dekóduje jako UTF-8.

Automatické rozpoznání

Když je zdroj nastavený na automaticky, nástroj se nejdřív pokusí přečíst soubor jako striktní UTF-8. Pokud to selže, přejde na Windows-1252. Pokud to uspěje, ale text obsahuje typické vzorce dvojitého kódování, použije opravu. Ve většině případů to je vše, co potřebujete; kódování nastavujte ručně, jen pokud automatický výsledek stále vypadá špatně.

Volba BOM

Excel ve Windows při otevírání CSV stále předpokládá regionální kódování, pokud soubor nezačíná značkou byte order mark. Pokud se soubor vrací do Excelu, BOM zapněte; pro databáze, programátorské nástroje a většinu webových importů ho nechte vypnutý, protože některé z nich berou značku jako součást názvu prvního sloupce. Právě tohle je nejčastější případ u češtiny: soubor v UTF-8 je v pořádku, jen ho Excel bez BOM otevře jako Windows-1250 a „č“, „ř“ nebo „ž“ se rozsypou. Uložení s BOM to vyřeší.

Co získáte

Příznak	Po opravě
Jména s diakritikou ukazují místo každého písmene s diakritikou zbloudilé velké A a nějaký symbol	Müller, José, Zoë
Apostrofy a uvozovky se zobrazují jako tři podivné znaky	It's, "quoted"
Symbol eura se zobrazuje jako malý shluk symbolů	€ 25
Otazníky nebo čtverečky místo písmen	Původní písmena, jakmile zvolíte správné zdrojové kódování

Výstupem je textový soubor v UTF-8 se stejným názvem a obsahem, jen se správným kódováním. Funguje pro CSV, TXT a jakýkoli jiný prostý textový soubor. Nic se nenahrává; oprava probíhá ve vašem prohlížeči. Další vysvětlení najdete v článku podivné znaky v CSV v Excelu.

Často kladené otázky

Proč se písmena s diakritikou zobrazují jako podivné symboly?

Soubor byl zapsán jako UTF-8 a načten jako kódování Windows, nebo naopak. Znaky nejsou ztracené, jen byly dekódovány podle špatného pravidla, a tento nástroj to vrátí zpět.

Nahrává se soubor?

Ne. Oprava probíhá ve vašem prohlížeči a soubor zůstává na vašem zařízení.

Funguje to i pro jiné než evropské jazyky?

Ano pro vše, co bylo původně v UTF-8 a bylo dvojitě zakódováno. U souborů skutečně uložených v regionálním kódování nástroj pokrývá západoevropská kódování.

Mám přidat BOM?

Ano, pokud se soubor vrací do Excelu ve Windows, ne pro databáze a programátorské nástroje.

Vaše soubory nikdy neopustí vaše zařízení

Každý nástroj na Squishly Tools je 100 % zdarma a běží celý ve vašem prohlížeči. Vaše obrázky a dokumenty se zpracovávají ve vašem vlastním počítači a nikdy se nenahrávají na server. Žádné účty, žádné vodoznaky a žádný háček.