Pembantu pengodean CSV

Cara menggunakan

1. Jatuhkan CSV ke kartu, atau klik “Pilih berkas”. Pengodean dan pemisahnya langsung dideteksi dan tabel muncul di bawah — tidak ada tombol yang perlu ditekan. Baris di bawah “Isi berkas ini” memberi tahu pengodean yang dipakai dan berapa kandidat lain yang akan mendekode berkas dengan sama bersihnya.
2. Jika pratinjau masih salah, pilih pengodean sumber secara manual. Daftarnya mengikuti bahasa halaman ini: halaman Tionghoa mengutamakan GB18030 dan Big5, halaman Arab Windows-1256 dan ISO-8859-6, halaman Inggris Windows-1252 dan MacRoman. Pergantiannya instan dan tidak pernah menyentuh berkas yang Anda buka.
3. Tekan “Unduh CSV” untuk salinan yang diperbaiki. Hasilnya selalu UTF-8; mencentang “Tambahkan BOM” (menyala secara bawaan) menaruh tanda tiga byte di depan agar Excel berhenti kembali ke code page sistem. “Salin” memberi teks yang sama tanpa tanda itu, siap untuk basis data atau skrip.
4. Teks yang ditempel adalah masukan kedua, untuk kasus ketika karakter rusak sudah tersimpan dalam berkas sebagai teks. Tidak ada byte asli yang tersisa saat itu, jadi tidak ada yang dapat dideteksi — tetapi mencentang “Perbaiki karakter rusak” menulis teks kembali ke byte sebagai Windows-1252 dan membacanya sebagai UTF-8, yang memulihkan “Café” menjadi “Café”.

Batasan

• Ekspor hanya UTF-8 (dengan atau tanpa BOM). TextEncoder platform hanya mengimplementasikan UTF-8 dan tidak yang lain, jadi membangun tabel code page secara manual tidak dapat diverifikasi byte demi byte terhadap iconv atau Excel — mengklaim “dikonversi ke GBK” akan menjadi presisi palsu. Untuk menulis code page lama, pastikan pengodeannya di sini dulu, lalu jalankan iconv -f <source> -t GBK di mesin Anda.
• Code page lama selalu dilaporkan sebagai perkiraan, tidak pernah pasti. GBK dan Big5, atau Windows-1252 dan MacRoman, dapat saling bertukar pada sampel pendek, jadi alat mencantumkan kandidat yang seri dan membiarkan Anda memastikan dari pratinjau dengan satu klik.
• Beberapa urutan byte GBK dan Big5 kebetulan juga valid sebagai UTF-8 (C2 80 adalah karakter 聙 dalam GB18030 dan karakter kontrol dalam UTF-8). Urutan itu diturunkan menjadi perkiraan dan kandidatnya dicantumkan alih-alih dipercaya diam-diam.
• Set kandidat adalah yang didukung TextDecoder peramban. CP437, TIS-620, dan hp-roman8 tidak disertakan, dan UTF-32 sama sekali tidak dapat didekode — byte-order mark UTF-32 dilaporkan lalu ditolak.
• Teks yang ditempel tidak membawa byte. Teks itu dapat diperbaiki jika karakter rusaknya masih ada, tetapi teks yang sudah memuat ? atau karakter pengganti telah kehilangan informasi secara permanen dan tidak pernah “diperbaiki” diam-diam.
• Pratinjau menampilkan 200 baris pertama dan memotong sel yang panjang; unduhannya adalah seluruh tabel dengan nilai lengkap. Tidak ada yang dipangkas, diubah tipenya, atau dihapus duplikatnya — nol di depan, tanggal yang tampak seperti angka, dan koma dalam tanda kutip semuanya tetap persis seperti semula.
• Berkas di atas 5 MB dan teks di atas 200.000 titik kode ditolak dengan pesan alih-alih dipotong. .xls dan .xlsx adalah wadah biner dan tidak dibaca.
• Semuanya berjalan di tab ini: tanpa unggahan, tidak ada yang ditulis ke bilah alamat, tidak ada yang disimpan. Untuk memeriksanya, matikan jaringan setelah halaman dimuat — alat tetap berfungsi.