Detector de codificare

Identifică codificarea de caractere a unui fișier text sau a unei secvențe brute de octeți — UTF-8, UTF-16 LE/BE, UTF-32, US-ASCII, Windows-1252, ISO-8859-1, GBK/GB18030, Big5, Shift-JIS, EUC-KR și EUC-JP — completată cu detectarea BOM și o listă ordonată de variante. Această pagină este versiunea complet locală, doar pentru browser, a vechiului Convertor online de codificare a fișierelor (care detecta codificările pe un server); aici fiecare octet este inspectat pe propriul calculator. Marcajele de ordine a octeților, validarea strictă UTF-8 și statisticile caracterelor de înlocuire fac munca grea — nimic nu se încarcă niciodată.
A se vedea și Corectorul de mojibake chinez când textul apare ca șiruri de caractere deformate.
Intrare: Textul pe care se poate citi deja a fost decodat de browser — i se dau în schimb octeții originali (fișier sau hex).
Fișier de inspectat
Se face clic pentru a alege un fișier sau se trage fișierul aici
Rezultatul detectării
Cum funcționează detectarea (și limitele ei oneste): un marcaj de ordine a octeților (BOM) decide UTF-8 / UTF-16 / UTF-32 direct; altfel octeții se verifică după regulile stricte UTF-8, apoi printr-o euristică a aspectului UTF-16 (plasarea NUL pentru text asemănător ASCII), și în final fiecare candidat este decodat cu TextDecoder nativ al browserului — codificarea a cărei decodare produce cele mai puține caractere de înlocuire U+FFFD se clasează cel mai sus. GBK, Big5, Shift-JIS și EUC-KR sunt codificări cu unul sau mai mulți octeți care pot fi confundate între ele când nu există BOM, de aceea pagina arată candidate cu încredere în loc să ghicească. Datele pur binare sunt raportate ca „text care nu poate fi decodat”. Decodarea în sine nu pierde nimic aici — doar raportează.