Detector de codificação

Qual codificação corresponde a estes bytes?

O modo estrito decide o veredito de qualquer forma; desligá-lo apenas acrescenta contagens de U+FFFD à prévia.

Como usar

  1. Escolha o tipo de entrada: texto colado ou bytes brutos de um arquivo.
  2. Cole o texto ou solte o arquivo no cartão (o arquivo nunca sai do seu dispositivo).
  3. Leia o veredito e depois as linhas de evidência que o justificam.
  4. No modo de bytes brutos, clique em outra candidata para ver como os mesmos bytes ficariam se decodificados assim.
  5. Copie o relatório, ou copie ou baixe a prévia se precisar do texto decodificado.

Exemplo resolvido

Entrada

Café “Crème brûlée”

Veredito

Apenas diagnóstico - Assinatura "é" aparece 6 vezes: bytes UTF-8 lidos através de uma página de código de um byte - Revertidos por Windows-1252, os bytes são UTF-8 válidos - Reparado: Café "Crème brûlée"

O modo texto nunca consegue nomear a codificação original: o navegador já descartou os bytes quando os decodificou.

Limites que você deve conhecer

  • Texto colado já foi decodificado, então somente os bytes que você solta podem ser identificados - o modo texto diagnostica.
  • Texto contendo U+FFFD é irreversível: os bytes perdidos não podem ser reconstruídos, e esta ferramenta não vai fingir o contrário.
  • Amostras com menos de 24 bytes não ASCII são genuinamente ambíguas entre páginas de código legadas; a resposta então é "Não é possível determinar" mais a lista de candidatas.
  • As candidatas são as páginas de código que este navegador consegue decodificar, mais heurísticas de BOM e de padrões. UTF-32, CP437, TIS-620 e hp-roman8 não são decodificáveis aqui e são rotuladas como tal.
  • Isto não é um conversor: não transcodifica entre páginas de código, não processa pastas nem adivinha por nomes de arquivo.
  • Tudo roda localmente: sem envio, sem parâmetros na URL, sem armazenamento, sem requisição de rede, sem histórico.

Agora que você sabe a codificação, estas ferramentas continuam o trabalho.