چگونه انکودینگ فایل را به سرعت تشخیص دهیم؟
بدون نیاز به نصب نرم‌افزار. شناسایی انکودینگ فایل و حل مشکل بهم‌ریختگی متن به صورت آنلاین در ۳ مرحله ساده:
انتخاب و بارگذاری فایل‌ها
روی کادر نقطه‌چین کلیک کنید تا فایل‌ها را انتخاب نمایید، فایل‌ها را بکشید و در مرورگر رها کنید، یا فایل‌ها را کپی کرده و Ctrl + V را فشار دهید. پشتیبانی از یک یا چند فایل همزمان.
تحلیل آنی و پیشنمایش زنده
الگوریتم‌های پیشرفته انکودینگ کاراکتر را در کسری از ثانیه به‌صورت کاملاً محلی و با عدم ارسال اطلاعات به سرور تشخیص می‌دهند. مشاهده نوع کدگذاری، درصد اطمینان و پیشنمایش متن.
تغییر انکودینگ و دانلود
اگر پیشنمایش اولیه ناخوانا بود، روی برچسبهای کاندید در بخش «انکودینگهای احتمالی» کلیک کنید. پس از اطمینان، روی «به UTF-8» یا «تبدیل همه به UTF-8 و دانلود (ZIP)» کلیک کنید.
سناریوهای رایج بهم‌ریختگی متن و راهکارها
۱. باز کردن متن با حروف بهم‌ریخته در نوتپد ویندوز
نوتپد قدیمی ویندوز متن‌ها را در کدگذاری‌های محلی ANSI ذخیره می‌کرد که هنگام انتقال به مک، لینوکس یا وب ناخوانا می‌شدند. با تشخیص و تبدیل به UTF-8 مشکل را برای همیشه حل کنید.
۲. نمایش علامت سؤال و حروف عجیب هنگام باز کردن CSV در اکسل
اکسل ممکن است فایلهای UTF-8 فاقد BOM را اشتباه تشخیص داده و متون غیرانگلیسی را به‌صورت علامت سؤال نمایش دهد. تبدیل به UTF-8 با BOM یا UTF-16LE این مشکل را برطرف میکند.
۳. ناخوانا بودن کتاب‌ها و رمان‌های TXT در موبایل و کیندل
کتابخوان‌ها و اپ‌های مطالعه موبایل فاقد جداول کدگذاری متفرقه هستند و نمادهای بهم‌ریخته نشان می‌دهند. کتاب‌های TXT خود را به UTF-8 استاندارد تبدیل کنید.
۴. خطای انکودینگ در کامنت‌های کد، زیرنویس‌ها و متن آهنگ‌ها
کامنت‌های کدهای قدیمی، زیرنویس‌های فیلم با فرمت srt/.ass. و متن‌های lrc اغلب در پلتفرم‌های مختلف بهم می‌ریزند. فایل‌ها را به‌صورت گروهی بکشید و فایل تصحیح‌شده را با فرمت ZIP دریافت کنید.
مقایسه و راهنمای انکودینگهای کاراکتری
| انکودینگ | نام کامل و مشخصات | کاربردهای اصلی | سازگاری و توصیه |
|---|---|---|---|
| UTF-8 | کدگذاری یونی‌کد با طول متغیر (۱ تا ۴ بایت) | استاندارد جهانی وب، سیستم‌عامل‌های مدرن، برنامه‌نویسی | شدیداً توصیه میشود، بالاترین سازگاری جهانی |
| Windows-1256 | کدگذاری ۸ بیتی کاراکترهای عربی و فارسی در ویندوز | فایلهای متنی و اسناد قدیمی فارسی و عربی در ویندوز | مخصوص محیط‌های قدیمی؛ تبدیل به UTF-8 توصیه میشود |
| GBK / GB2312 | استاندارد ملی حروف چینی (۲ بایتی) | ویندوزهای چینی قدیمی، اسناد سنتی چینی | مخصوص محیط‌های چینی؛ تبدیل به UTF-8 توصیه میشود |
| Big5 | استاندارد انکودینگ چینی سنتی | تایوان، هنگ‌کنگ و رسانه‌های سنتی چینی | متون سنتی چینی؛ تبدیل به UTF-8 توصیه میشود |
| Shift-JIS / EUC-JP | استانداردهای صنعتی کدگذاری ژاپنی | سیستم‌های ژاپنی، زیرنویس‌های انیمه و بازی‌های قدیمی | مستعد بهم‌ریختگی خارج از ژاپن؛ تبدیل به UTF-8 |
| Windows-1252 | کدگذاری تک‌بایتی اروپای غربی (استاندارد ANSI) | متون قدیمی انگلیسی، فرانسوی، آلمانی، اسپانیایی | اغلب با سایر مجموعه‌های تک‌بایتی لاتین اشتباه میشود |
چرا تشخیص و تبدیل آنلاین و گروهی را انتخاب کنیم؟
۱۰۰٪ درون مرورگر · حفظ کامل حریم خصوصی
تمام پردازش‌ها، پیشنمایش و تبدیل فایل‌ها درون حافظه مرورگر شما انجام میشود. هیچ فایلی به هیچ سروری آپلود نمی‌شود و اطلاعات شما محفوظ می‌ماند.
امتیاز اطمینان · مقایسه زنده چند انکودینگ
با بهره‌گیری از الگوهای بیتی و مدلهای آماری، ابزار بهترین گزینه را همراه با درصد اطمینان نمایش داده و امکان جابجایی با ۱ کلیک را فراهم میکند.
پردازش فوق‌العاده سریع گروهی · ساخت خودکار فایل ZIP
ده‌ها یا صدها فایل را همزمان اضافه کنید. پردازش غیرهم‌زمان فایل‌ها را در چند میلی‌ثانیه تحلیل کرده و امکان دانلود تکی یا آرشیو ZIP گروهی را مهیا می‌سازد.
پرسش‌های متداول (FAQ)
س: چرا دقت تشخیص برای متون کوتاه یا فایلهای خاص همیشه ۱۰۰٪ نیست؟
تشخیص انکودینگ کاراکترها مبتنی بر تحلیل آماری فراوانی بایتها و مدلهای احتمال زبانی است. فایلهای کوتاه یا متون کاملاً ASCII ممکن است همزمان با چندین کدگذاری مطابقت داشته باشند. میتوانید تمام برچسبهای کاندید را در ستون 'انکودینگهای احتمالی' بررسی کرده و با کلیک روی آنها، پیشنمایش متن رمزگشاییشده را فوراً مشاهده کنید.
س: تفاوت UTF-8 دارای BOM و بدون BOM چیست؟ چگونه BOM را اضافه یا حذف کنیم؟
۱. تفاوت‌ها: امضای BOM شامل ۳ بایت (0xEF 0xBB 0xBF) در ابتدای فایل است. UTF-8 با BOM به مایکروسافت اکسل و نوتپد قدیمی کمک میکند تا حروف خاص و کاراکترها را هنگام باز کردن فایلهای CSV بهطور خودکار تشخیص دهند؛ نسخه استاندارد UTF-8 بدون BOM برای توسعه وب، لینوکس و مک توصیه میشود.
۲. نحوه افزودن BOM: هنگام تبدیل فایل‌ها، گزینه «افزودن امضای BOM» را در پنجره گفتگو علامت بزنید تا فایل با BOM استخراج شود.
۳. نحوه حذف BOM: علامت «افزودن امضای BOM» را در کادر دانلود بردارید. ابزار به صورت خودکار بایتهای BOM را حذف کرده و UTF-8 استاندارد بدون BOM تولید میکند.
س: چه انکودینگهایی توسط این ابزار پشتیبانی میشوند؟
این ابزار از بیش از ۸۰ انکودینگ کاراکتری در سراسر جهان با دقت بالا پشتیبانی میکند که بر اساس کشور و منطقه دسته‌بندی شده‌اند:
- جهانی و بین‌المللی (یونی‌کد):
UTF-8,UTF-8 with BOM (UTF-8-SIG),UTF-16LE,UTF-16BE,UTF-16,UTF-32LE,UTF-32BE,UTF-32,ASCII - خاورمیانه (فارسی، عربی، عبری):
Windows-1256/ISO-8859-6/CP720/CP864(عربی/فارسی),Windows-1255/ISO-8859-8(عبری) - چین (چینی ساده و سنتی):
GB18030(سازگار باGBKوGB2312),HZ-GB-2312,Big5,Big5-HKSCS - ژاپن (ژاپنی):
Shift_JIS,Shift_JIS_2004,CP932(ویندوز ژاپنی),EUC-JP,EUC-JIS-2004,ISO-2022-JP - کره (کره‌ای):
EUC-KR,CP949(ویندوز کره‌ای),ISO-2022-KR,Johab - اروپای غربی و آمریکا (انگلیسی، فرانسوی، آلمانی، اسپانیایی و غیره):
Windows-1252,ISO-8859-1(Latin-1),ISO-8859-15,MacRoman,HP-Roman8 - اروپای مرکزی و شرقی (لهستانی، چکی، مجاری، رومانیایی و غیره):
Windows-1250,ISO-8859-2,MacLatin2,CP852 - روسیه و کشورهای سیریلیک (روسی، اوکراینی، بلاروسی، بلغاری و غیره):
Windows-1251,KOI8-R,KOI8-U,ISO-8859-5,MacCyrillic,CP866,CP1125 - یونان (یونانی):
Windows-1253,ISO-8859-7,MacGreek,CP737 - ترکیه (ترکی):
Windows-1254,ISO-8859-9,MacTurkish,CP857 - جنوب شرق آسیا (ویتنامی، تایلندی و غیره):
Windows-1258(ویتنامی),CP874/TIS-620(تایلندی) - بالتیک و نوردیک (استونیایی، لتونیایی، لیتوانیایی و غیره):
Windows-1257,ISO-8859-4,ISO-8859-10,ISO-8859-13,MacIceland - صفحات کد قدیمی DOS و Mainframe: صفحات کد داس (
CP437,CP850,CP858و غیره), آی‌بی‌ام EBCDIC (CP500,CP1026,CP1140و غیره)
س: چه فرمتهای فایلی پشتیبانی میشوند؟
تمام فایلهای متنی ساده از جمله .txt, .csv, .json, .xml, .html, .css, .js, .py, .java, .c, .cpp, .sql, .srt, .ass, .lrc, .log, .md و غیره پشتیبانی میشوند.
س: آیا در حین تبدیل، محتوای فایل از بین میرود یا تغییر میکند؟
خیر. تبدیل تنها قالب بایتهای زمینهای را بازنگاشت میکند (مثلاً از بایتهای Windows-1256 به بایتهای UTF-8). تمام کلمات، نمادها، شکستهای خط و علائم نگارشی کاملاً دستنخورده باقی میمانند.