Plik nie jest uszkodzony, odczyt jest zły
W pliku napisów są bajty. Żeby zamienić bajty na znaki, trzeba wiedzieć, w jakim kodowaniu je zapisano — jeśli wybierzesz źle, wyjdą krzaczki. Sam plik nie stracił ani jednego bajtu; odczytasz go innym kodowaniem, a znaki wrócą.
Krzaczki to więc dwie rzeczy: rozpoznać oryginalne kodowanie i zapisać w kodowaniu, które odtwarzacz rozpozna. Pierwsze załatwia próbny odczyt z punktacją, drugie zapis jako. To dwa różne problemy.
Pięć postaci, pięć przyczyn
Krzaczki nie powstają przypadkiem; ich wygląd od razu zdradza przyczynę:
- Ciągi liter z akcentami (`ä½ å¥½`): tekst w UTF-8 odczytano jako kodowanie jednobajtowe — w UTF-8 znak to trzy bajty, przy odczycie po jednym bajcie każdy bajt staje się osobną literą
- Ciągi znaków, ale ani jednego pospolitego: UTF-8 odczytano jako GBK — po dwa bajty łączą się na nowo i wychodzą same rzadkie znaki
- Pełno symboli walut i matematycznych: bajty trafiły do obszaru symboli, często przy odczycie jako Mac Roman albo rodzina Latin-1
- Wmieszały się znaki sterujące: bajty trafiły do niewidocznego obszaru sterującego, na ekranie widać pustkę albo kwadrat
- Kwadratowy pytajnik `�`: to znak zastępczy, nie krzaczki — oznacza, że tu był znak, ale przy odczycie już go nie ma
Dlaczego znaku zastępczego nie da się naprawić
Znak zastępczy to kluczowa granica. Gdy widać `�`, bajty zostały odrzucone już w wcześniejszym kroku (zwykle jakiś program raz plik odczytał i raz zapisał); po odrzuconej części nie ma żadnego śladu. Wnioskowanie wstecz nie ma wtedy podstawy — nikt tego nie naprawi.
Dlatego strona naprawy rozdziela dwa przypadki: przy wgrywaniu oryginalne bajty są wciąż dostępne, można próbować każdego kodowania po kolei; gdy w wklejonym tekście jest już znak zastępczy, mówi wprost, że się nie da i trzeba wgrać oryginalny plik.
Jest też sytuacja odwrotna: treść czyta się całkiem normalnie, a w odtwarzaczu wciąż są krzaczki. To nie wina pliku, tylko odtwarzacz wybrał złe kodowanie. Zmiana pliku nic nie da; wystarczy dać mu kopię zapisaną jako UTF-8 z BOM albo GBK.
Co się porównuje przy naprawie
Narzędzie próbuje każdego możliwego kodowania po kolei, potem daje każdemu wynikowi punkty: ile pospolitych znaków, czy są ciągi akcentów, czy są ciągi symboli, czy znaki są ciągiem rzadkich. Najwyżej punktowany jest na górze.
Jeśli wynik nie jest wyraźnie lepszy, nic nie jest polecane — woli powiedzieć, że ten plik czyta się normalnie, niż zbyć cię naciąganym wynikiem. Przy plikach potraktowanych źle dwa razy narzędzie cofa się o jedną warstwę przy pierwszych kandydatach.
Zapis w dobrym kodowaniu kończy sprawę
Naprawiony tekst trzeba też zapisać w kodowaniu, które odtwarzacz rozpozna. Odtwarzacze w Windows rozpoznają kodowanie zwykle po BOM-ie, więc najprościej zapisać UTF-8 z BOM; starsze urządzenia i lokalne odtwarzacze rozpoznają GBK. Dostępne kodowania: UTF-8, UTF-8 (z BOM), GBK, Big5, Shift_JIS, EUC-KR; gdy się nie mieści, pojawia się prośba o inne.
Powiązane narzędzia i poradniki
Cała procedura w Jak używać naprawy krzaczków w napisach; co właściwie jest w pliku SRT w Co jest w pliku SRT; gdy kodowanie jest dobre, ale treść brudna (znak wodny, reklamy, oznaczenia dla głuchych), użyj Czyszczenie napisów.