Pendeteksi Encoding Teks

Saat hasilnya legacy atau tidak dikenal

Teks yang bukan UTF-8 valid biasanya menggunakan encoding single-byte yang lebih lama. Untuk teks Eropa Barat, biasanya itu berarti Windows-1252 atau ISO-8859-1. Konversikan sekali dan gunakan UTF-8 seterusnya: iconv -f WINDOWS-1252 -t UTF-8 in.txt > out.txt di Linux atau macOS, atau buka di editor yang memungkinkan Anda memilih encoding lalu simpan sebagai UTF-8. Hanya 1 MB pertama yang diperiksa, sehingga file besar yang 1 MB pertamanya hanya berisi ASCII tetap dapat mengandung teks non-ASCII di bagian berikutnya.

Byte-order mark dan UTF-16

Byte-order mark UTF-8 (EF BB BF) membantu Excel membuka CSV dengan aksen secara benar, tetapi dapat mengganggu hal lain: baris #! pada shell script, output PHP yang dikirim sebelum header, dan nama kolom pertama CSV yang dibaca kode yang tidak menghapusnya. File UTF-16 biasanya berasal dari Windows, misalnya dari redirect > di Windows PowerShell 5.1. Banyak tool Unix membacanya sebagai teks yang penuh byte null.

Cara menggunakannya

1. Pilih file teks atau mirip teks hingga 50 MB.
2. Periksa 1 MB pertama secara lokal.
3. Tinjau encoding dan label tingkat keyakinan.

Privasi & batasan

File tetap lokal. Deteksi encoding tanpa BOM bersifat heuristik dan tidak selalu dapat membedakan set karakter legacy.