फाइल ठीक आहे – ती चुकीच्या पद्धतीने वाचली गेली
सबटायटल फाइल काय साठवते ते बाइट्स आहेत. बाइट्सचे अक्षरांमध्ये रूपांतर करण्यासाठी ते कोणत्या एन्कोडिंगमध्ये लिहिले गेले होते हे माहित असणे आवश्यक आहे — त्यात चूक झाली की तुम्हाला मोजिबाके मिळते. फाइलमधून एकही बाइट गहाळ झालेला नाही; योग्य एन्कोडिंगसह ते पुन्हा वाचा आणि अक्षरे परत येतात.
यामुळे काम दोन भागांत विभागले जाते: ते सुरूवातीला कोणते एन्कोडिंग होते हे शोधून काढणे, आणि तुमचा प्लेअर शोधू शकेल अशा एन्कोडिंगमध्ये ते सेव्ह करणे. पहिले ट्रायल डिकोडिंग आणि स्कोअरिंगवरून येते, तर दुसरे प्रत सेव्ह करण्यापासून येते. ते वेगवेगळ्या समस्या सोडवतात.
पाच रूपे, पाच कारणे
मोजिबाके यादृच्छिक नसते — ते कसे दिसते यावरून कशामुळे झाले हे कळते:
रिप्लेसमेंट वर्ण का दुरुस्त केला जाऊ शकत नाही
रिप्लेसमेंट वर्ण ही विभाजक रेषा आहे. `` म्हणजे बाइट्स आधीच फेकून दिले गेले होते आधीच्या पायरीवर (सहसा फाइल वाचणारा आणि ती पुन्हा सेव्ह करणारा काही प्रोग्राम), आणि काय गहाळ झाले याबद्दल काहीही रेकॉर्ड केले गेले नाही. त्या टप्प्यावर मागे तर्क करण्यासाठी काहीही उरत नाही — कोणीही ते दुरुस्त करू शकत नाही.
म्हणून दुरुस्ती पृष्ठ दोन प्रकरणांमध्ये वेगवेगळ्या प्रकारे हाताळते. फाइल अपलोड करा आणि मूळ बाइट्स अक्षुण्ण आहेत, ज्यामुळे ते प्रत्येक एन्कोडिंग वापरून पाहू शकते; पेस्ट केलेल्या मजकुरात आधीच रिप्लेसमेंट वर्ण असल्यास, ते स्पष्टपणे सांगते: "ड दुरुस्त केली जाऊ शकत नाही, कृपया मूळ फाइल अपलोड करा".
उलट प्रकरण देखील आहे: सामग्री उत्तम प्रकारे वाचली जाते परंतु तुमचा प्लेअर अद्याप कचरा दर्शवितो. फाइलची चूक नाही — प्लेअरने चुकीचे एन्कोडिंग निवडले. मजकूर संपादित केल्याने मदत होणार नाही; BOM किंवा GBK सह UTF-8 म्हणून प्रत सेव्ह करा आणि ती द्या.
दुरुस्ती करताना त्याची कशाशी तुलना होत आहे
हे टूल प्रत्येक संभाव्य एन्कोडिंग वापरून पाहते, त्यानंतर प्रत्येक निकालाचे गुण मोजते: त्यापैकी किती सामान्य अक्षरांपासून बनलेले आहे, उच्चारचिन्हांची मालिका आहे का, चिन्हांची मालिका आहे का, CJK रन अस्पष्ट अक्षरांच्या भिंती आहेत का. सर्वोत्तम गुण मिळवणारा निकाल यादीच्या शीर्षस्थानी जातो.
कोणताही स्कोअर स्पष्टपणे चांगला नसल्यास, काहीही शिफारस केली जात नाही — तुम्हाला "हे जसे आहे तसे वाचले जाते" असे सांगणे चांगले आहे की भाषेसारखे दिसणाऱ्या गोष्टीने तुमची दिशाभूल करणे. दोनदा विकृत केलेला मजकूर (एकदा चुकीचा सेव्ह केला, नंतर एकदा चुकीचा दुरुस्त केला) शीर्ष उमेदवारांवर बॅक-सॉल्व्हिंगची एक अतिरिक्त फेरी मिळवतो.
योग्य एन्कोडिंग सेव्ह केल्याने काम पूर्ण होते
दुरुस्त केलेले मजकूर अजूनही तुमच्या प्लेअरला ओळखणाऱ्या एन्कोडिंग म्हणून सेव्ह केले जाणे आवश्यक आहे. विंडोजवरील प्लेअर्स सहसा एन्कोडिंग शोधण्यासाठी BOM वर अवलंबून असतात, म्हणून BOM सह UTF-8 ही सर्वात कमी कटकट आहे; जुने हार्डवेअर आणि काही प्रादेशिक खेळाडूंना GBK हवे आहे. तुम्ही UTF-8, UTF-8 (BOM सह), GBK, Big5, Shift_JIS किंवा EUC-KR निवडू शकता आणि काहीतरी बसत नसल्यास तुम्हाला दुसरे काहीतरी निवडण्यास सांगितले जाईल (GBK कोरियन सामावून घेऊ शकत नाही).
संबंधित साधने आणि मार्गदर्शक
संपूर्ण वॉकथ्रू — How to repair mojibake subtitles; SRT फाइल प्रत्यक्षात काय साठवते — What is inside an SRT file; एन्कोडिंग ठीक आहे पण सामग्री घाणेरडी आहे (वॉटरमार्क, जाहिराती, ऐकण्यास अक्षम टॅग्ज) — Subtitle cleanup.