Convertitore di codifica per file di testo

Da dove nascono i conflitti di codifica

I sintomi classici

• café appare come café quando i byte UTF-8 vengono letti come Latin-1. Imposta «Da» su UTF-8 per reinterpretare i byte.
• ñ diventa ñ per lo stesso motivo.
• Un doppio mojibake come café significa che il testo è stato risalvato dopo la prima lettura errata, codificando una seconda volta l’interpretazione sbagliata.
• Un  iniziale è un marcatore dell’ordine dei byte UTF-8 letto come tre caratteri Latin-1.

Una volta riconosciuto il sintomo, la strada è di solito chiara: leggi il testo per ciò che è davvero (Latin-1, Windows-1252 o quel che serve) e riscrivilo come UTF-8.

Marcatori dell’ordine dei byte (BOM)

Questo convertitore non aggiunge né rimuove un marcatore dell’ordine dei byte per scelta: il comportamento dipende dalla codifica di destinazione. L’output UTF-8 non ha BOM. L’output UTF-16 semplice inizia con un BOM ed è big-endian, mentre UTF-16BE e UTF-16LE scrivono i byte senza BOM. Scegli UTF-8 a meno che un programma specifico non richieda UTF-16.

Quando un carattere non ha corrispondenza

Alcuni byte non hanno significato nella codifica di origine scelta, e alcuni caratteri non possono essere rappresentati in quella di destinazione. In tal caso la conversione sostituisce con un marcatore invece di interrompersi. Ciò che conta di più è scegliere la codifica di origine giusta: una stringa di soli caratteri ASCII è valida in ogni codifica, quindi un conflitto in genere emerge solo con caratteri accentati o non latini.