Wat dit gereedschap oplost
Dezelfde bytes gelezen als UTF-8 en als GBK leveren twee totaal verschillende tekenreeksen op — het bestand is niet kapot, er is bij het lezen de verkeerde codering gekozen. Wat de reparatie doet:
- Herkennen met welke codering dit bestand oorspronkelijk is geschreven en de tekens met de juiste set terugzetten
- Uitleggen waar het misgaat: vervangingsteken, besturingsteken, valutateken, reeksen letters met accenten, aaneengesloten zeldzame tekens
- Kandidaten ordenen op wat het meest op gewone taal lijkt, zodat je er een kiest en opslaat
- Als de speler de codering niet herkent, een kopie opslaan als UTF-8 met BOM of GBK en die aan de speler geven
Upload een bestand, plak niet
De twee ingangen kunnen niet evenveel repareren, kun je een bestand uploaden, doe dat dan. Bij uploaden zijn de oorspronkelijke bytes er nog: het gereedschap kan elke codering om beurten proberen, herkent dat het GBK is en decodeert als GBK, zonder iets te hoeven raden. Wat je plakt zijn geen oorspronkelijke bytes meer — zodra de browser de tekst aanlevert, is de verkeerde stap al gezet; alleen terugredeneren blijft over en het wordt zo goed als het kan.
Staat in de geplakte tekst al het vervangingsteken (dat vierkante vraagteken `�`), dan zijn de oorspronkelijke bytes al weg en kan niemand ze terughalen. De pagina zegt dat dan ronduit: ga terug naar boven en upload het oorspronkelijke bestand met “Bestand kiezen”.
Wat de diagnose zegt
Na het uploaden geeft het diagnosevak een conclusie. Geen onleesbare tekens gevonden: deze inhoud leest normaal; als je in de speler nog steeds onleesbare tekens ziet, heeft de speler de verkeerde codering gekozen — ga naar “Opslaan als” hieronder, zet om naar een andere codering en geef die. Bij lijkt op onleesbare tekst wordt precies opgesomd welke sporen:
- Er staat een vervangingsteken in — de oorspronkelijke bytes zijn al weg
- Er zijn besturingstekens tussengekomen
- Er zitten een hoop valuta- en wiskundige symbolen in
- Letters met accenten verschijnen in reeksen — alsof UTF-8 als één byte per keer is gelezen (`ä½ å¥½` is die soort)
- De tekens staan aaneengesloten maar er zit geen enkel alledaags teken bij — alsof UTF-8 als GBK is gelezen
Hoe kandidaten worden geordend en gekozen
Onder “Zo kan het gerepareerd worden” staan de kandidaten op wat het meest op gewone taal lijkt, maximaal 12 stuks, elk met de codering waarmee ze gelezen zijn. Klik er een om het resultaat te zien; bevalt het, sla dan hieronder op; zo niet, klik “Laat zoals het is” om terug te gaan naar het origineel.
De volgorde komt van een score: aandeel alledaagse tekens, reeksen accenten, reeksen symbolen en zeldzame tekens tellen allemaal mee. Is de score niet duidelijk beter, dan wordt niets aanbevolen — er wordt geen kandidaat geforceerd om er maar één te kunnen tonen. Bij bestanden die twee keer verkeerd zijn behandeld (één keer verkeerd opgeslagen, één keer verkeerd gerepareerd) redeneert het gereedschap bij de eerste kandidaten nog een laag terug; wat binnen twee lagen valt, kan nog worden gered.
Opslaan is de laatste stap
Na repareren moet je ook goed opslaan. Herkent de speler UTF-8 niet, sla dan UTF-8 met BOM op (Windows-spelers herkennen de codering aan de BOM) of GBK, meestal is het dan goed. Opslaan kan als UTF-8, UTF-8 (met BOM), GBK, Big5, Shift_JIS, EUC-KR; past het niet, dan krijg je de melding een andere te kiezen (GBK kan bijvoorbeeld geen Koreaans bevatten). Aan de gedownloade bestandsnaam wordt automatisch `-fixed` toegevoegd.
Is de herkende codering geen UTF-8, dan wijst “Opslaan als” alvast naar “UTF-8 met BOM”; zodra je de keuzelijst zelf hebt aangepast, wordt die niet meer voor je teruggezet.
Wat niet wordt aangeraakt
Alleen de verkeerd gelezen tekens worden vervangen. Volgnummers, tijdlijn en de stijlopdrachten van ASS blijven onaangeroerd.
Veelgestelde vragen
Ik heb een bestand geüpload, waarom moet ik nog opslaan? Het bestand zelf is meestal niet kapot; wat misgaat is dat de speler het met de verkeerde codering leest. Je hoeft dan geen enkel teken in de tekst te wijzigen: geef de speler een kopie die als UTF-8 met BOM of GBK is opgeslagen.
Waarom kan geplakte tekst niet worden gerepareerd? Zodra in geplakte tekst het vervangingsteken staat, zijn de oorspronkelijke bytes weg en heeft terugredeneren geen grond. Ga terug naar boven en upload het oorspronkelijke bestand met “Bestand kiezen”.
De kandidaat die ik wil staat er niet bij? Is de score niet duidelijk beter dan de huidige, dan beveelt het gereedschap niets aan. Zet “Herkende codering” eerst op een andere en laat opnieuw ordenen.
Hoeveel kan ik er per keer repareren? Eén. Repareer, download, upload dan de volgende.
Privacy
Herkenning en reparatie gebeuren volledig lokaal in de browser; er wordt geen enkele ondertitelinhoud naar de server gestuurd.
Gerelateerde gereedschappen en gidsen
Waar onleesbare tekens vandaan komen, zie Waar komen onleesbare ondertitels vandaan; is de codering goed maar de inhoud rommelig, gebruik Ondertitels opschonen; wil je tijdlijn en tekstlengte controleren, gebruik Ondertitelkwaliteitscontrole.