Ce rezolvă unealta asta
Aceiași octeți citiți ca UTF-8 și ca GBK dau două seturi de caractere complet diferite – fișierul nu e distrus, doar la citire s-a ales o codificare greșită. Ce face reparatorul:
- Recunoaște în ce codificare a fost scris fișierul și pune caracterele înapoi după setul corect
- Spune unde e stricăciunea: caracter de înlocuire, caracter de control, simbol de monedă, litere cu diacritice în șir, caractere chinezești rare în blocuri
- Ordonează candidații după ce seamănă cel mai mult cu o limbă – alegi unul și salvezi
- Când playerul nu recunoaște codificarea, salvează o copie ca UTF-8 cu BOM sau GBK și i-o dai
Trimite fișierul, nu lipi
Cele două intrări repară alt interval, dacă poți trimite fișierul, trimite fișierul. Când trimiți fișierul octeții originali sunt încă acolo: unealta poate încerca fiecare codificare pe rând, recunoaște că e GBK și îl decodează ca GBK, fără să ghicească nimic. Ce lipești nu mai sunt octeții originali – când browserul predă șirul de caractere, pasul greșit s-a întâmplat deja; rămâne doar deducerea inversă și se repară cât se repară.
Dacă în conținutul lipit apare deja caracterul de înlocuire (semnul de întrebare pătrat `�`), octeții originali s-au pierdut și nu-i mai aduce nimeni înapoi. Pagina o spune direct: urcă și trimite fișierul original prin „Alege fișierul”.
Ce spune diagnosticul
După încărcare zona de diagnostic dă concluzia. Nu s-au găsit caractere stricate: conținutul se citește normal – dacă playerul tot arată stricat, atunci playerul a ales o codificare greșită, așa că salvează mai jos cu altă codificare și dă-i aia. Când rezultatul arată ca stricat, enumeră exact ce urmă este:
- Conține caracter de înlocuire – octeții originali s-au pierdut deja
- Au intrat caractere de control
- Sunt amestecate simboluri de monedă și simboluri matematice
- Litere cu diacritice apar în șir – ca și cum UTF-8 ar fi fost citit ca pe un singur octet (`ä½ å¥½`)
- Caractere chinezești în blocuri fără niciun caracter comun – ca și cum UTF-8 ar fi fost citit ca GBK (`浣犲ソ`)
Cum sunt ordonați și aleși candidații
Sub „Așa se poate repara” candidații sunt ordonați după ce seamănă cel mai mult cu o limbă, cel mult 12, fiecare notat cu codificarea din care în care a fost citit. Apasă unul ca să vezi rezultatul, după alegere salvezi mai jos; dacă nu îți convine, alege „păstrează ca atare” ca să revii la original.
Ordonarea se bazează pe punctaj: ponderea caracterelor comune, șirurile de diacritice, șirurile de simboluri și caracterele chinezești rare se iau toate în calcul. Dacă punctajul nu e clar mai bun, nu se recomandă nimic – nu se inventează un candidat doar ca să existe. Pentru cele stricate de două ori (o dată salvate greșit, o dată reparate greșit), unealta mai deduce un strat înapoi pentru primii candidați.
Salvarea e ultimul pas
Textul reparat trebuie și salvat corect. Când playerul nu recunoaște UTF-8, salvează UTF-8 cu BOM (playerele de Windows recunosc codificarea după BOM) sau GBK, de obicei ajunge. Opțiunile sunt UTF-8, UTF-8 (cu BOM), GBK, Big5, Shift_JIS, EUC-KR; dacă nu încape, se propune alta (de exemplu GBK nu încape coreeană). La numele fișierului descărcat se adaugă `-fixed`.
Când codificarea recunoscută nu e UTF-8, salvarea e deja îndreptată spre „UTF-8 cu BOM”; dacă ai umblat tu la listă, nu se mai schimbă în locul tău.
Ce nu se schimbă
Se schimbă doar caracterele citite greșit. Numerotarea, axa de timp și comenzile de stil din ASS nu se schimbă nici cu un caracter.
Întrebări frecvente
Am trimis fișierul, de ce trebuie să și salvez? De obicei fișierul nu e distrus – playerul a ales o codificare greșită. Nu trebuie schimbat niciun caracter din text: salvezi o copie ca UTF-8 cu BOM sau GBK și i-o dai playerului.
De ce nu se poate repara ce am lipit? Imediat ce în conținutul lipit apare caracterul de înlocuire, octeții originali au dispărut și deducerea inversă nu are pe ce să se sprijine. Urcă și trimite fișierul original prin „Alege fișierul”.
Nu e ce vreau printre candidați? Când punctajul nu e clar mai bun decât cel curent, unealta nu recomandă nimic. Schimbă mai întâi „codificarea recunoscută” în alta și las-o să ordoneze din nou.
Câte deodată? Una. După ce descarci reparația, o trimiți pe următoarea.
Confidențialitate
Recunoașterea și repararea se fac în întregime local în browser; niciun conținut de subtitrări nu e trimis pe server.
Instrumente și ghiduri asociate
De unde vin caracterele stricate, pe pagina De unde vin caracterele stricate; dacă codificarea e bună dar conținutul e murdar, folosește Curățarea subtitrărilor; pentru verificarea axei de timp și a lungimii textului Controlul de calitate al subtitrărilor.