CSV エンコーディングヘルパー

使い方

1. CSV をカードにドロップするか、「ファイルを選択」をクリックしてください。エンコーディングと区切り文字がすぐに判定され、表が下に表示されます。ボタンを押す必要はありません。「このファイルの内容」の下の行に、使用されたエンコーディングと、他にいくつの候補が同じようにきれいにデコードできたかが表示されます。
2. プレビューがまだ正しくない場合は、元のエンコーディングを手動で選んでください。一覧はこのページの言語に従います。中国語ページでは GB18030 と Big5、アラビア語ページでは Windows-1256 と ISO-8859-6、英語ページでは Windows-1252 と MacRoman が先頭に来ます。切り替えは即座に反映され、開いたファイルには一切影響しません。
3. 修復したコピーを保存するには「CSV をダウンロード」を押してください。常に UTF-8 で、「BOM を追加」（既定でオン）をオンにすると先頭に3バイトのマークが付き、Excel がシステムのコードページにフォールバックしなくなります。「コピー」ではそのマークなしの同じテキストが得られ、データベースやスクリプトにそのまま使えます。
4. 貼り付けたテキストは2つ目の入力で、文字化けした文字がすでにテキストとしてファイルに保存されている場合に使います。その時点では元のバイト列が残っていないため、何も判定できません。ただし「文字化けを修復」をオンにすると、テキストを Windows-1252 としてバイトに戻し、UTF-8 として読み直すため、「Café」が「Café」に復元されます。

制限

• エクスポートは UTF-8 のみです（BOM の有無を選択可能）。プラットフォームの TextEncoder は UTF-8 しか実装していないため、コードページのテーブルを手で構築しても iconv や Excel とバイト単位で検証できません。「GBK に変換しました」と主張するのは誤った精度になってしまいます。レガシーなコードページで書き出すには、まずここでエンコーディングを確認し、ご自身の環境で iconv -f <source> -t GBK を実行してください。
• レガシーなコードページは常に推定として報告され、確定とはなりません。GBK と Big5、Windows-1252 と MacRoman は短いサンプルでは区別できないため、ツールは同点の候補を一覧表示し、プレビューからワンクリックで確認できるようにします。
• 一部の GBK や Big5 のバイト列はたまたま有効な UTF-8 でもあります（C2 80 は GB18030 では文字 聙、UTF-8 では制御文字）。そのような場合は推定に格下げし、黙って信頼せずに候補を一覧表示します。
• 候補の集合はブラウザの TextDecoder が対応するものです。CP437、TIS-620、hp-roman8 は含まれず、UTF-32 はまったくデコードできません。UTF-32 のバイトオーダーマークは報告されたうえで拒否されます。
• 貼り付けたテキストにはバイト列がありません。文字化けした文字が残っていれば修復できますが、すでに ? や置換文字を含むテキストは情報が永久に失われており、黙って「修正」されることはありません。
• プレビューは先頭200行を描画し、長いセルは切り詰めます。ダウンロードはすべての行と完全な値を持つ表全体です。トリミング、型変換、重複排除は行いません。先頭のゼロ、数値に見える日付、引用されたカンマはすべてそのまま残ります。
• 5 MB を超えるファイルと200,000コードポイントを超えるテキストは、切り詰めずにメッセージを表示して拒否されます。.xls と .xlsx はバイナリコンテナのため読み込みません。
• すべてこのタブ内で動作します。アップロード、アドレスバーへの書き込み、保存は一切ありません。確認するには、ページの読み込み後にネットワークをオフにしてください。ツールは動作し続けます。