Rilevatore di codifica

Identifichi la codifica dei caratteri di un file di testo o di una sequenza di byte grezzi — UTF-8, UTF-16 LE/BE, UTF-32, US-ASCII, Windows-1252, ISO-8859-1, GBK/GB18030, Big5, Shift-JIS, EUC-KR ed EUC-JP — con rilevamento del BOM e un elenco ordinato di candidati. Questa pagina è la versione completamente locale, solo browser, del vecchio Convertitore online di codifica dei file (che rilevava le codifiche su un server); qui ogni byte viene ispezionato sulla sua macchina. Il lavoro pesante lo fanno i contrassegni di ordine dei byte (BOM), la validazione rigorosa dell'UTF-8 e le statistiche dei caratteri di sostituzione — nulla viene caricato.
Veda anche il Correttore di mojibake cinese quando il testo appare con caratteri deformati.
Input: Il testo che può già leggere è stato decodificato dal browser — gli fornisca invece i byte originali (file o esadecimale).
File da ispezionare
Faccia clic per scegliere un file oppure lo trascini qui
Risultato del rilevamento
Come funziona il rilevamento (e i suoi limiti onesti): un contrassegno di ordine dei byte (BOM) stabilisce direttamente UTF-8 / UTF-16 / UTF-32; altrimenti i byte vengono verificati secondo le regole rigorose dell'UTF-8, poi con un'euristica sulla disposizione UTF-16 (posizione dei NUL per testo simile all'ASCII) e infine ogni candidato viene decodificato con il TextDecoder nativo del browser — la codifica la cui decodifica produce il minor numero di caratteri di sostituzione U+FFFD risulta in cima. GBK, Big5, Shift-JIS e EUC-KR sono codifiche a uno o più byte che possono essere confuse tra loro in assenza di BOM, quindi la pagina mostra candidati con livello di confidenza invece di tirare a indovinare. I dati puramente binari vengono segnalati come «testo non decodificabile». La decodifica in sé non è mai con perdita qui — si limita a riferire.