Unsaon Pag-ayo sa Mojibake Subtitles

Unsa ang gibuhat niini nga tool

Ang parehas nga mga byte gibasa isip UTF-8 ug gibasa isip GBK naghimo og duha ka hingpit nga managlahi nga set sa mga karakter — ang file dili guba, gi-decode kini sa sayop nga encoding. Ania ang gibuhat sa repair tool:

I-upload ang file, ayaw kini idikit

Ang duha ka entry points makapaayo og lainlain nga gidaghanon sa kadaot, busa i-upload ang file kon mahimo nimo. Uban sa file, ang orihinal nga mga byte anaa pa: ang tool nagsulay sa usa ka encoding human sa pikas, ug sa dihang mailhan na niini ang GBK gi-decode kini isip GBK — walay kinahanglan tag-anon. Ang teksto nga moabot pinaagi sa pag-dikit dili na hilaw nga mga byte. Sa panahon nga ang browser mohatag sa string, nahitabo na ang sayop, busa ang tool makatrabaho lang paubos ug makuha ang makuha niini.

Kon ang gidikit nga teksto nag-apil na sa replacement character (ang boxed question mark `�`), ang orihinal nga mga byte dugay na nga nawala ug walay makabalik niini. Giingon kana sa panid: balik sa taas ug gamita ang "Choose file" para i-upload ang orihinal.

Repair page upload area: drop zone ug paste box, nga naay detected encoding nga gipakita sa taas — I-drag ang file o pangitaa kini; ang paste box anaa sa ubos ug makapaayo og gamay ra kaayo

Unsa ang gisulti sa diagnosis kanimo

Pag-upload nimo, ang diagnosis card naghatag og hukom. Walay nakit-an nga mojibake: ang sulod nabasa nga maayo; kon ang imong player nagpakita gihapon og basura, ang player naggamit sa sayop nga encoding — adto sa ubos sa "Save as", pilia ang lain ug ihatag kana nga file. Kon kini morag mojibake, ang card naglista kung unsang tunob ang nakit-an niini:

Diagnosis card: hukom plus ang matag mojibake trace nga nakalista linya matag linya — Ang Diagnosis naglista sa mga trace pinaagi sa type imbes nga moingon lang nga "mojibake kini"

Giunsa pag-rank ang mga kandidato, ug unsaon pagpili

Ubos sa "Ways to fix this", ang mga kandidato nakalista sa han-ay nga most-like-real-language-first, hangtod sa 12 niini, ang matag usa gi-label sa pares sa mga encodings diin kini gibasa gikan ug padulong. I-klik ang usa aron makita kung unsa ang hitsura niini, pilia kini, dayon i-scroll sa ubos para i-save. Dili malipayon? Gamita ang "Keep as is" aron mobalik sa orihinal.

Ang han-ay gikan sa score: bahin sa komon nga mga karakter, mga string sa accents, mga string sa symbols, mga dingding sa mga obscure nga karakter, tanan gi-timbang. Kon walay score nga tin-aw nga mas maayo, walay girekomendar — dili kini magduso sa tunga-tunga nga kandidato kanimo para lang makaingon nga naa. Ang teksto nga gibali-bali kaduha (gisulat nga sayop kausa, dayon giayo nga sayop kausa) nakakuha og usa ka dugang nga round sa back-solving sa top candidates, busa ang bisan unsa sulod sa duha ka layers mahimo pa makuha.

Candidate repair list nga gi-rank kung unsa ka daghan ang nabasa niini sama sa tinuod nga pinulongan, ang matag usa gi-label sa iyang encoding pair — Ang mga kandidato gi-rank sa "most like real language", ang matag usa nagpakita sa mga encoding nga nalambigit

Ang saktong pag-save mao ang kataposang lakang

Ang giayo nga resulta kinahanglan i-save sa saktong paagi. Kon ang player dili makaila sa UTF-8, ang pag-save isip UTF-8 nga naay BOM (ang Windows players nagsalig sa BOM) o isip GBK kasagaran makahusay niini. Pwede nimo i-save isip UTF-8, UTF-8 (nga naay BOM), GBK, Big5, Shift_JIS o EUC-KR; kon ang uban dili moangay, gisultihan ka sa pagpili og lain (ang GBK dili makakupot og Koreano). Ang mga gi-download nga file nakakuha og `-fixed` nga gidugang sa ngalan.

Kon ang detected encoding dili UTF-8, ang "Save as" naka-preset na sa UTF-8 nga naay BOM para kanimo. Sa dihang hikapon nimo ang dropdown sa imong kaugalingon, mohunong na kini sa pagtag-an kanimo.

Result area: text box nga naay save-as dropdown ug download button — Pilia ang encoding, dayon i-download — ang filename nakakuha og -fixed nga gidugang

Unsa ang dili gyud hilabti

Ang sayop pagka-basa nga mga karakter lang ang gipulihan. Ang index numbers, timings ug ASS style lines dili giusab sa bisan unsang paagi.

Mga Kanunayng Pangutana

Gi-upload nako ang file, nganong kinahanglan pa nako kini i-save pag-usab? Ang file mismo kasagaran maayo; ang guba mao ang player nga nagbasa niini gamit ang sayop nga encoding. Nianang kasoha walay karakter sa teksto ang kinahanglan usbon — i-save lang ang usa ka kopya isip UTF-8 nga naay BOM o GBK ug ihatag kana sa player.

Nganong dili maayo ang gidikit nga teksto? Sa dihang ang replacement character motungha sa gidikit nga sulod, ang orihinal nga mga byte nawala na ug walay kapilian kundi ang pag-reason pabalik gikan niana. Balik sa taas ug gamita ang "Choose file" para i-upload ang orihinal.

Ang kandidato nga gusto nako wala sa lista? Walay girekomendar gawas kon kini moskor og tin-aw nga mas maayo kaysa sa naa na kanimo. Sulayi ang pagbalhin sa detected encoding ngadto sa lain ug tugoti kini nga mo-rank pag-usab.

Pila ka mga file sa usa ka higayon? Usa sa usa ka higayon. I-download ang pag-ayo, dayon i-feed ang sunod nga file.

Pribasiya

Ang pag-ila ug pag-ayo nagdagan sa imong browser lang. Walay subtitle sulod nga gidala sa server.

May kalabotan nga mga tool ug giya

Asa gikan ang mojibake ug nganong nahuman kini sa ingon ana nga hitsura — tan-awa ang Where subtitle mojibake comes from; ang encoding maayo pero ang sulod hugaw — gamita ang Subtitle cleanup; para susihon ang timing ug reading speed — Subtitle QC.