Corector de caractere chinezești deformate (mojibake) （乱码修复）

Se lipește text chinezesc deformat, precum 浣犲ソ, 缃戠粶 sau 锟斤拷, iar instrumentul stabilește ce lanț de citiri greșite GBK / Big5 / UTF-8 l-a produs, apoi îl repară dintr-un clic. Cel mai bun candidat este afișat cu o etichetă onestă în trei stări: Reparat, Aproximativ sau Ireversibil — nimic nu se ghicește în tăcere.
Toată prelucrarea are loc local în browser, folosind un tabel de seturi de caractere inclus — textul nu se încarcă niciodată pe vreun server.
Text deformat (乱码)
Text reparat
Ctrl+Enter repară.
Se lipește niște text chinezesc deformat și se apasă Reparare acum. Toată prelucrarea rămâne în browser.
Cum funcționează: instrumentul codează textul înapoi cu fiecare set de caractere, decodează octeții cu celelalte seturi și evaluează fiecare candidat după numărul de caractere comune valide și de simboluri de înlocuire. Lanțuri tipice pe care le detectează: octeți UTF-8 atunci când se citesc ca GBK (你好 → 浣犲ソ), UTF-8 citit ca Big5 și GBK citit ca UTF-8 (care lasă � sau 锟斤拷). Reparat înseamnă că s-a găsit un rezultat sigur și curat; Aproximativ înseamnă că setul de caractere face dus-întors, dar rezultatul conține încă caractere rare sau ciudate — se recitește; Ireversibil înseamnă că caracterele originale au fost deteriorate (înlocuite cu �/锟斤拷) și nu pot fi recuperate. Pentru octeții brut ai fișierelor se folosește Convertorul de codare a fișierelor sau Convertorul de seturi de caractere chinezești.
Ce este mojibake?

Mojibake (乱码) este text decodat cu un set greșit de caractere: octeții în sine sunt intacți, doar eticheta care îi citea era greșită. Deoarece nimic nu a fost distrus, codarea textului înapoi și redecodarea lui cu setul corect pot anula problema — acest dus-întors este exact modul în care această pagină repară 浣犲ソ înapoi în 你好.

Daunele devin permanente doar când textul citit greșit a fost salvat și caracterele greșite au înlocuit originalele — tiparul 锟斤拷 este felul în care arată octeții de înlocuire UTF-8 pentru caractere deja pierdute, atunci când se citesc ca GBK.

†la începutul unui cuvânt deformat este semnătura octeților UTF-8 atunci când se citesc ca Latin-1/Windows-1252; 浣犲ソ indică octeți UTF-8 atunci când se citesc ca GBK; un rezultat curat aici înseamnă că dus-întorsul a fost verificat, nu ghicit.