Ανιχνευτής κωδικοποίησης

Ανίχνευση της κωδικοποίησης χαρακτήρων ενός αρχείου κειμένου ή μιας ακολουθίας ακατέργαστων byte — UTF-8, UTF-16 LE/BE, UTF-32, US-ASCII, Windows-1252, ISO-8859-1, GBK/GB18030, Big5, Shift-JIS, EUC-KR και EUC-JP — με ανίχνευση BOM και κατάταξη υποψηφίων. Αυτή η σελίδα είναι η πλήρως τοπική, μόνο για πρόγραμμα περιήγησης, έκδοση του παλαιότερου Διαδικτυακού μετατροπέα κωδικοποίησης αρχείων (που ανίχνευε κωδικοποιήσεις σε διακομιστή)· εδώ κάθε byte ελέγχεται στον τοπικό υπολογιστή. Οι δείκτες σειράς byte (BOM), ο αυστηρός έλεγχος UTF-8 και τα στατιστικά χαρακτήρων αντικατάστασης κάνουν τη βαριά δουλειά — τίποτα δεν ανεβαίνει ποτέ.
Βλέπε επίσης τον Διορθωτή mojibake κινέζικων όταν το κείμενο εμφανίζεται ως παραμορφωμένοι χαρακτήρες.
Είσοδος: Κείμενο που μπορεί ήδη να διαβαστεί έχει αποκωδικοποιηθεί από το πρόγραμμα περιήγησης — η είσοδος πρέπει να είναι τα αρχικά byte (αρχείο ή hex).
Αρχείο προς έλεγχο
Κλικ για επιλογή ενός αρχείου ή σύρσιμο & απόθεση εδώ
Αποτέλεσμα ανίχνευσης
Πώς λειτουργεί η ανίχνευση (και τα ειλικρινή όριά της): ένα byte order mark (BOM) καθορίζει οριστικά το UTF-8 / UTF-16 / UTF-32; αλλιώς τα byte ελέγχονται σε σχέση με τους αυστηρούς κανόνες UTF-8, μετά με μια ευρετική διάταξη UTF-16 (τοποθέτηση NUL για κείμενο τύπου ASCII), και τέλος κάθε υποψήφιο αποκωδικοποιείται με το εγγενές TextDecoder του προγράμματος περιήγησης — η κωδικοποίηση της οποίας η αποκωδικοποίηση παράγει τους λιγότερους χαρακτήρες αντικατάστασης U+FFFD κατατάσσεται πρώτη. Τα GBK, Big5, Shift-JIS και EUC-KR είναι κωδικοποιήσεις μονού και πολλαπλού byte που μπορούν να συγχυστούν μεταξύ τους όταν δεν υπάρχει BOM, γι' αυτό η σελίδα εμφανίζει υποψηφίους με βεβαιότητα αντί να μαντεύει. Τα καθαρά δυαδικά δεδομένα αναφέρονται ως “μη αποκωδικοποιήσιμο κείμενο”. Η αποκωδικοποίηση καθαυτή δεν χάνει ποτέ τίποτα εδώ — μόνο αναφέρει.