A fájl jó – csak rosszul lett beolvasva
A feliratfájl bájtokat tárol. A bájtok karakterekké alakításához ismerni kell a kódolást, amellyel íródtak – ha ezt elrontják, torzult szöveg (mojibake) keletkezik. Egyetlen bájt sem hiányzik a fájlból; olvasd újra a megfelelő kódolással, és a karakterek visszatérnek.
Ez két részre osztja a feladatot: kitalálni, milyen kódolással indult, és menteni egy olyan kódolással, amelyet a lejátszód felismer. Az első a próba-dekódolásból és értékelésből származik, a második egy másolat mentéséből. Különböző problémákat oldanak meg.
Ötféle megjelenés, ötféle ok
A hibás kódolás nem véletlenszerű – a megjelenése elárulja, mi okozta:
Miért nem javítható a helyettesítő karakter
A helyettesítő karakter jelenti a választóvonalat. A `` azt jelenti, hogy a bájtokat már egy korábbi lépésben eldobták (általában egy program, amely beolvasta a fájlt és újra elmentette), és semmi sem lett rögzítve arról, hogy mi veszett el. Ezen a ponton nincs mihez viszonyítani hátrafelé – senki sem tudja megjavítani.
Így a javítóoldal két esetet kezel eltérően. Tölts fel egy fájlt, és az eredeti bájtok sértetlenek maradnak, így minden kódolás kipróbálható; ha a beillesztett szöveg már tartalmazza a helyettesítő karaktert, azt világosan jelzi: „nem javítható, kérlek, töltsd fel az eredeti fájlt”.
Létezik a fordított eset is: a tartalom tökéletesen olvasható, de a lejátszód mégis hibás karaktereket mutat. Nem a fájl a hibás – a lejátszó választotta ki a rossz kódolást. A szöveg szerkesztése nem segít; ments egy másolatot BOM-mal ellátott UTF-8-ban vagy GBK-ban, és add oda azt neki.
Mit hasonlít össze a javítás során
Az eszköz minden hihető kódolást kipróbál, majd értékelést ad minden eredményre: mennyi áll belőle gyakori karakterekből, vannak-e ékezetes karakterláncok, szimbólumláncok, és hogy a CJK-tartományok érthetetlen karakterek halmazai-e. A legtöbb pontszámot elért eredmény kerül a lista tetejére.
Ha egyik pontszám sem egyértelműen jobb, semmit sem javasol – jobb megmondani, hogy „ez így olvasható, ahogy van”, mint valami olyannal áltatni, ami csak távolról hasonlít egy nyelvre. A kétszer eltorzított szöveg (egyszer rosszul mentve, majd egyszer rosszul javítva) kap egy plusz kört a legjobb jelöltek visszakövetésére.
A megfelelő kódolással történő mentés fejezi be a munkát
A kijavított szöveget még el kell menteni olyan kódolással, amelyet a lejátszód felismer. A Windows rendszeren futó lejátszók általában a BOM-ra támaszkodnak a kódolás felismeréséhez, így a BOM-mal ellátott UTF-8 okozza a legkevesebb gondot; a régebbi hardverek és egyes regionális lejátszók a GBK-t igénylik. Kiválaszthatod az UTF-8, UTF-8 (BOM-mal), GBK, Big5, Shift_JIS vagy EUC-KR formátumokat, és a rendszer arra kér, hogy válassz másikat, ha valami nem illik (a GBK például nem tudja tárolni a koreai nyelvet).
Kapcsolódó eszközök és útmutatók
A teljes útmutató – Hogyan javíthatók a hibás kódolású feliratok; mit tárol valójában egy SRT fájl – Mi van egy SRT fájl belsejében; a kódolás jó, de a tartalom szennyezett (vízjelek, reklámok, nagyothalóknak szánt címkék) – Feliratok tisztítása.