Pataisyti teksto ir CSV koduotę

Kai lietuviškos raidės ir specialieji simboliai virsta beprasmių ženklų virtinėmis, failas buvo nuskaitytas netinkama koduote. Šis įrankis konvertuoja senomis Windows koduotėmis išsaugotus failus į UTF-8 ir atitaiso dvigubai užkoduotą tekstą, dažniausius atvejus atpažindamas automatiškai. Pasirinktinai jis prideda žymę, kurios reikia Excel, kad raidės būtų rodomos teisingai. Viskas vyksta jūsų įrenginyje.

Kaip pataisyti CSV koduotę

Įmeskite CSV ar tekstinį failą su sugadintais simboliais.
Palikite pradinę koduotę automatinę arba pasirinkite Windows-1252, ISO-8859-1 ar dvigubos koduotės taisymą.
Pasirinkite, ar pridėti BOM, skirtą Excel.
Spustelėkite „Vykdyti“ ir atsisiųskite pataisytą UTF-8 failą.

Kodėl raidės su diakritiniais ženklais virsta nesąmonėmis

Jei faile vietoje raidės su diakritiniu ženklu, apostrofo ar valiutos ženklo matote du ar tris keistus simbolius, jis buvo perskaitytas netinkama simbolių koduote. Tekstas saugomas kaip baitai, o koduotė yra taisyklė, kaip baitus paversti raidėmis. Šiuolaikinės sistemos naudoja UTF-8. Senesnės Windows programos, ypač Excel, dažnai įrašo ir atidaro tekstą regionine koduote, pavyzdžiui, Windows-1252. Kai vienaip įrašytas failas perskaitomas kitaip, kiekvienas simbolis už paprasto ASCII ribų atrodo neteisingai. Duomenys neprarasti; jie tiesiog iškoduojami pagal netinkamą taisyklę.

Dvi skirtingos problemos, du sprendimai

Failas yra senoje koduotėje. Iš senos Windows programos eksportuotas CSV įrašytas Windows-1252 arba ISO-8859-1 koduote. UTF-8 besitikintys įrankiai rodo klaustukus arba pakaitos simbolius. Sprendimas: nurodykite šiam įrankiui šaltinio koduotę, ir jis iš naujo įrašys failą UTF-8 koduote, kurią viskas skaito teisingai. Atkreipkite dėmesį: lietuviškų raidžių ą, č, ę, ė, į, š, ų, ū ir ž iškraipymai dažniausiai kyla dėl Windows-1257 koduotės, o jos šis įrankis neatkuria. Tokiu atveju geriausia failą iš naujo eksportuoti iš šaltinio UTF-8 koduote.

Failas užkoduotas dukart, arba „mojibake“. Kažkas perskaitė UTF-8 failą kaip Windows-1252 ir vėl jį įrašė, todėl teisingi baitai buvo perkoduoti į du ar tris neteisingus simbolius kiekvienas. Iš čia ir atsiranda klasikinė didžioji raidė A su tilde prieš kiekvieną raidę su diakritiniu ženklu. Sprendimas: taisymo parinktis atšaukia klaidą, užkoduodama tuos simbolius atgal į baitus ir tinkamai iškoduodama juos kaip UTF-8.

Automatinis atpažinimas

Kai šaltinis nustatytas automatiškai, įrankis pirmiausia bando perskaityti failą kaip griežtą UTF-8. Jei nepavyksta, jis grįžta prie Windows-1252. Jei pavyksta, bet tekste yra būdingų dvigubo kodavimo požymių, pritaikomas taisymas. Daugeliu atvejų to ir pakanka; koduotę nustatykite rankiniu būdu tik tada, jei automatinis rezultatas vis dar atrodo neteisingai.

BOM parinktis

Excel Windows sistemoje, atidarydama CSV, vis dar daro prielaidą, kad naudojama regioninė koduotė, nebent failas prasideda baitų tvarkos žyme. Įjunkite BOM, kai failas keliauja atgal į Excel; tada ir lietuviškos raidės rodomos teisingai. Palikite išjungtą duomenų bazėms, programavimo įrankiams ir daugumai interneto importų, nes kai kurie jų laiko šią žymę pirmojo stulpelio pavadinimo dalimi.

Ką gaunate

Požymis	Po taisymo
Varduose su diakritiniais ženklais vietoje kiekvienos tokios raidės rodoma pašalinė didžioji A ir simbolis	Müller, José, Zoë
Apostrofai ir kabutės atrodo kaip trys keisti simboliai	It's, "quoted"
Euro ženklas atrodo kaip nedidelė simbolių grupelė	€ 25
Klaustukai ar kvadratėliai vietoje raidžių	Originalios raidės, kai pasirenkama teisinga šaltinio koduotė

Rezultatas yra UTF-8 tekstinis failas tuo pačiu pavadinimu ir su tuo pačiu turiniu, tik teisingai užkoduotas. Tinka CSV, TXT ir bet kuriam kitam paprasto teksto failui. Niekas neįkeliama į serverį; taisymas vyksta jūsų naršyklėje. Daugiau paaiškinimų rasite straipsnyje keisti CSV simboliai Excel programoje.

Dažniausiai užduodami klausimai

Kodėl raidės su diakritikais rodomos kaip keisti simboliai?

Failas buvo įrašytas kaip UTF-8, o nuskaitytas kaip Windows koduotė, arba atvirkščiai. Simboliai neprarasti, tik iškoduoti pagal netinkamą taisyklę, o šis įrankis tai atitaiso.

Ar failas įkeliamas?

Ne. Taisoma jūsų naršyklėje, ir failas lieka jūsų įrenginyje.

Ar tiks ne Europos kalboms?

Taip, viskam, kas iš pradžių buvo UTF-8 ir buvo užkoduota dvigubai. Failams, iš tiesų išsaugotiems regionine koduote, įrankis palaiko Vakarų Europos koduotes.

Ar pridėti BOM?

Taip, jei failas keliaus atgal į Excel Windows sistemoje; ne, jei jis skirtas duomenų bazėms ir programavimo įrankiams.

Jūsų failai niekada nepalieka jūsų įrenginio

Kiekvienas Squishly Tools įrankis yra 100 % nemokamas ir visas veikia jūsų naršyklėje. Jūsų vaizdai ir dokumentai apdorojami jūsų pačių kompiuteryje ir niekada neįkeliami į serverį. Jokių paskyrų, jokių vandenženklių ir jokių gudrybių.