Detetor de codificação

Identifique a codificação de caracteres de um ficheiro de texto ou de uma sequência de bytes em bruto — UTF-8, UTF-16 LE/BE, UTF-32, US-ASCII, Windows-1252, ISO-8859-1, GBK/GB18030, Big5, Shift-JIS, EUC-KR e EUC-JP — com deteção de BOM completa e uma lista ordenada de candidatas. Esta página é a versão totalmente local, apenas de navegador, do antigo Detetor online de codificação de ficheiros (que detetava codificações num servidor); aqui cada byte é inspecionado na sua própria máquina. As marcas de ordem de bytes, a validação estrita de UTF-8 e as estatísticas de caracteres de substituição fazem o trabalho pesado — nada é enviado.
Veja também o Corretor de mojibake chinês quando o texto aparece como caracteres ilegíveis.
Entrada: O texto que já consegue ler foi descodificado pelo navegador — forneça-lhe antes os bytes originais (ficheiro ou hexadecimal).
Ficheiro a inspecionar
Clique para escolher um ficheiro ou arraste-o e largue-o aqui
Resultado da deteção
Como funciona a deteção (e os seus limites honestos): uma marca de ordem de bytes (BOM) decide UTF-8 / UTF-16 / UTF-32 de imediato; caso contrário, os bytes são verificados contra as regras estritas de UTF-8, depois por uma heurística de disposição UTF-16 (posição dos NUL em texto tipo ASCII), e por fim cada candidata é descodificada com o TextDecoder nativo do navegador — a codificação cuja descodificação produz menos caracteres de substituição U+FFFD fica em primeiro lugar. GBK, Big5, Shift-JIS e EUC-KR são codificações de um ou vários bytes que se podem confundir umas com as outras quando não há BOM, pelo que a página mostra candidatas com confiança em vez de adivinhar. Os dados puramente binários são reportados como “texto não descodificável”. A descodificação em si nunca é com perda aqui — apenas reporta.