ఫైల్ బాగానే ఉంది — అది తప్పుగా చదవబడింది
సబ్‌టైటిల్ ఫైల్ నిల్వ చేసేది బైట్‌లను. బైట్‌లను అక్షరాలుగా మార్చడానికి అవి ఏ ఎన్‌కోడింగ్‌లో వ్రాయబడ్డాయో తెలుసుకోవాలి — అందులో తప్పు జరిగితే మీకు మోజిబాకే వస్తుంది. ఫైల్ నుండి ఒక్క బైట్ కూడా మిస్ కాలేదు; సరైన ఎన్‌కోడింగ్‌తో దాన్ని మళ్లీ చదవండి మరియు అక్షరాలు వెనక్కి వస్తాయి.
ఇది పనిని రెను భాగాలుగా విభజిస్తుంది: అది ఏ ఎన్‌కోడింగ్‌తో ప్రారంభమైందో కనుగొనడం, మరియు మీ ప్లేయర్ గుర్తించగల ఎన్‌కోడింగ్‌గా దాన్ని సేవ్ చేయడం. మొదటిది ట్రయల్ డీకోడింగ్ మరియు స్కోరింగ్ నుండి వస్తుంది, రెండవది కాపీని సేవ్ చేయడం నుండి వస్తుంది. అవి వేర్వేరు సమస్యలను పరిష్కరిస్తాయి.
ఐదు రూపాలు, ఐదు కారణాలు
మోజిబాకే యాదృచ్ఛికం కాదు — అది ఎలా కనిపిస్తుందో దానికి కారణం ఏమిటో తెలుపుతుంది:
రీప్లేస్‌మెంట్ క్యారెక్టర్‌ను ఎందుకు రిపేర్ చేయలేము
రీప్లేస్‌మెంట్ క్యారెక్టర్ అనేది విభజన రేఖ. ఒక `` అంటే బైట్లు ఇప్పటికే మునుపటి దశలో (సాధారణంగా ఫైల్‌ను చదివి మళ్లీ సేవ్ చేసే కొన్ని ప్రోగ్రామ్ ద్వారా) తొలగించబడ్డాయి మరియు ఏమి తొలగించబడిందనే దాని గురించి ఏదీ రికార్డ్ చేయబడలేదు. ఆ సమయంలో వెనక్కి ఆలోచించడానికి ఏమీ లేదు — ఎవరೂ దానిని రిపేర్ చేయలేరు.
కాబట్టి రిపేర్ పేజీ రెండు కేసులను భిన్నంగా నిర్వహిస్తుంది. ఫైల్‌ను అప్‌లోడ్ చేయండి మరియు అసలైన బైట్లు అలాగే ఉంటాయి, ప్రతి ఎన్‌కోడింగ్‌ను ప్రయత్నించడానికి అనుమతిస్తుంది; పేస్ట్ చేసిన టెక్స్ట్ ఇప్పటికే రీప్లేస్‌మెంట్ క్యారెక్టర్‌ను కలిగి ఉంటే, అది స్పష్టంగా చెబుతుంది: "రిపేర్ చేయడం సాధ్యం కాదు, దయచేసి అసలు ఫైల్‌ను అప్‌లోడ్ చేయండి".
దీనికి విరుద్ధమైన కేసు కూడా ఉంది: కంటెంట్ చాలా చక్కగా చదవబడుతుంది కానీ మీ ప్లేయర్ ఇప్పటికీ గార్బేజ్‌ను చూపుతుంది. ఫైల్ తప్పు కాదు — ప్లేయర్ తప్పు ఎన్‌కోడింగ్‌ని ఎంచుకుంది. టెక్స్ట్‌ని ఎడిట్ చేయడం వల్ల ప్రయోజనం ఉండదు; BOMతో UTF-8గా లేదా GBKగా కాపీని సేవ్ చేసి దానికి ఇవ్వండి.
రిపేర్ చేసేటప్పుడు అది ఏమి పోలుస్తుంది
టూల్ ప్రతి సమంజసమైన ఎన్‌కోడింగ్‌ని ప్రయత్నిస్తుంది, ఆపై ప్రతి ఫలితాన్ని స్కోర్ చేస్తుంది: అందులో ఎంత భాగం సాధారణ అక్షరాలతో তৈরি చేయబడింది, యాసెంట్ల స్ట్రింగ్‌లు ఉన్నాయా, సింబల్స్ స్ట్రింగ్‌లు ఉన్నాయా, CJK రన్‌లు అస్పష్టమైన అక్షరాల గోడలుగా ఉన్నాయా. అత్యధిక స్కోర్ సాధించిన ఫలితం జాబితా పైకి వెళుతుంది.
ఏ స్కోరు స్పష్టంగా మెరుగ్గా లేకపోతే, ఏదీ సిఫార్సు చేయబడదు — భాషను పోలి ఉండేదానితో మిమ్మల్ని మోసగించడం కంటే "ఇది ఉన్నట్లుగానే బాగా చదవబడుతుంది" అని చెప్పడం మంచిది. రెండుసార్లు చెడిపోయిన టెక్స్ట్ (ఒకసారి తప్పుగా సేవ్ చేయబడింది, ఆపై ఒకసారి తప్పుగా రిపేర్ చేయబడింది) టాప్ క్యాండిడేట్లపై అదనంగా ఒక రౌండ్ బ్యాక్-సాల్వింగ్ పొందుతుంది.
సరైన ఎన్‌కోడింగ్‌ని సేవ్ చేయడం ద్వారా పని పూర్తవుతుంది
రిపేర్ చేసిన టెక్స్ట్ ఇప్పటికీ మీ ప్లేయర్ గుర్తించే ఎన్‌కోడింగ్‌గా సేవ్ చేయబడాలి. విండోస్‌లోని ప్లేయర్‌లు సాధారణంగా ఎన్‌కోడింగ్‌ని గుర్తించడానికి BOMపై ఆధారపడతాయి, కాబట్టి BOMతో కూడిన UTF-8 సులభమైనది; పాత హార్డ్‌వేర్ మరియు కొన్ని ప్రాంతీయ ప్లేయర్‌లకు GBK కావాలి. మీరు UTF-8, UTF-8 (BOMతో), GBK, Big5, Shift_JIS లేదా EUC-KRని ఎంచుకోవచ్చు మరియు ఏదైనా సరిపోకపోతే మరొకదానిని ఎంచుకోవాలని మీకు సూచించబడుతుంది (GBK కొరియన్‌ని కలిగి ఉండలేదు).
సంబంధిత టూల్స్ మరియు గైడ్‌లు
పూర్తి వాక్‌త్రూ — మోజిబాకే సబ్‌టైటిల్స్‌ను ఎలా రిపేర్ చేయాలి; SRT ఫైల్ వాస్తవానికి ఏమి నిల్వ చేస్తుంది — SRT ఫైల్ లోపల ఏముంది; ఎన్‌కోడింగ్ బాగానే ఉంది కానీ కంటెంట్ చెత్తగా ఉంది (వాటర్‌మార్క్‌లు, ప్రకటనలు, వినికిడి లోపం ఉన్నవారి ట్యాగ్‌లు) — సబ్‌టైటిల్ క్లీనప్.