Kódolásfelismerő

Szöveges fájl vagy nyers bájtsorozat karakterkódolásának azonosítása — UTF-8, UTF-16 LE/BE, UTF-32, US-ASCII, Windows-1252, ISO-8859-1, GBK/GB18030, Big5, Shift-JIS, EUC-KR és EUC-JP — BOM-felismeréssel és rangsorolt jelöltlistával. Ez az oldal a régi Online fájlkódolás-átalakító (amely szerveren ismerte fel a kódolásokat) teljesen helyi, csak böngészőben futó változata; itt minden bájtot a saját gépen vizsgál. A bájtsorrend-jelek, a szigorú UTF-8-ellenőrzés és a pótkarakter-statisztika végzi a nehéz munkát — semmi nem töltődik fel.
További információ: a Kínai mojibake-javítót, ha a szöveg olvashatatlan karakterekként jelenik meg.
Bemenet: Az olvasható szöveget a böngésző már dekódolta — helyette az eredeti bájtok adandók meg (fájl vagy hex).
Vizsgálandó fájl
Fájl kiválasztása kattintással vagy ide húzása & elengedése
Felismerési eredmény
Hogyan működik a felismerés (és az őszinte korlátai): a bájtsorrend-jel (BOM) egyértelműen eldönti az UTF-8 / UTF-16 / UTF-32 kérdését; ellenkező esetben a bájtokat először a szigorú UTF-8-szabályokkal vetik össze, majd egy UTF-16-elrendezési heurisztikával (NUL-bájtok elhelyezkedése ASCII-szerű szövegnél), végül minden jelöltet a böngésző natív TextDecoder-jével dekódolnak — az a kódolás áll az élen, amelynek dekódolása a legkevesebb U+FFFD pótkaraktert állítja elő. A GBK, Big5, Shift-JIS és EUC-KR egy- és többbájtos kódolások, amelyek BOM nélkül könnyen összetéveszthetők egymással, ezért az oldal bizonyossággal rendelkező jelölteket mutat, ahelyett hogy találgatna. A tisztán bináris adatok „nem dekódolható szövegként” jelennek meg. A dekódolás itt soha nem veszteséges — csak jelent.