Rilevatore della codifica del testo

Quando il risultato è obsoleto o sconosciuto

Il testo che non è UTF-8 valido usa molto spesso una codifica a singolo byte più vecchia. Per il testo dell'Europa occidentale si tratta di solito di Windows-1252 o ISO-8859-1. Converti il file una volta e da quel momento mantieni UTF-8: iconv -f WINDOWS-1252 -t UTF-8 in.txt > out.txt su Linux o macOS, oppure aprilo in un editor che consenta di scegliere la codifica e salvalo come UTF-8. Viene esaminato solo il primo 1 MB, quindi un file grande i cui primi megabyte contengono solo ASCII può comunque contenere più avanti testo non ASCII.

Byte order mark e UTF-16

Un byte order mark UTF-8 (EF BB BF) aiuta Excel ad aprire correttamente un CSV con caratteri accentati, ma può creare problemi altrove: nella riga #! di uno script shell, nell'output PHP inviato prima degli header e nel nome della prima colonna di un CSV letto da codice che non lo rimuove. I file UTF-16 provengono di solito da Windows, per esempio dal redirect > di Windows PowerShell 5.1. Molti strumenti Unix li leggono come testo pieno di byte nulli.

Come usarlo

1. Scegli un file di testo o simile fino a 50 MB.
2. Esamina localmente il primo 1 MB.
3. Controlla la codifica e l'etichetta del livello di affidabilità.

Privacy e limitazioni

Il file rimane in locale. Il rilevamento della codifica senza BOM è euristico e non consente sempre di distinguere i set di caratteri legacy.