مصلح Mojibake

ما الذي يمكن لإصلاح mojibake إثباته وما الذي لا يمكنه

يربط الترميز بين الأحرف والبايتات في الاتجاهين. يمثّل UTF-8 الحرف é بالبايتين C3 A9. وإذا فسّر برنامج هذين البايتين على أنهما Windows-1252 أو ISO-8859-1 فقد يظهر الناتج é. تعكس فرضية الإصلاح المفيدة هذا الخطأ المحدد: تعامل الأحرف القديمة الظاهرة كقيم بايتات، وفك تلك البايتات بصرامة على أنها UTF-8، ثم تحقق من أن إعادة ترميز الاحتمال تنتج البايتات نفسها تمامًا.

يرفض اختبار الذهاب والإياب تسلسلات UTF-8 الناقصة أو غير الصالحة. ويرفض أيضًا أي احتمال يتضمن حرف الاستبدال �، لأن المعلومات التي مثّلها ذلك الحرف قد فُقدت بالفعل. نجاح الاختبار دليل يدعم فرضية، لكنه لا يثبت الترميز الذي استخدمه النظام المصدر ولا المعنى الذي قصده المؤلف.

لماذا يحتاج النص الياباني إلى سياق

يعني المصطلح الياباني 文字化け أحرفًا مشوهة. قد يتحول النص الياباني المرمّز بـ UTF-8 إلى مزيج طويل من الحروف اللاتينية والرموز وأحرف شبيهة بأحرف التحكم عندما تُفك بايتاته بترميز قديم خاطئ. تفيد قابلية العكس هنا، لكن الاسم القصير أو الحرف المنفرد قد يظل ملتبسًا. قارن الاحتمال بالمستند الأصلي أو تصدير قاعدة البيانات أو المرسل أو نسخة معتمدة أخرى.

الحدود وطريقة استرداد أكثر أمانًا

تستقبل هذه الأداة نص Unicode سبق أن فك المتصفح ترميزه. لا يمكنها استعادة بايتات فُقدت سابقًا، أو استنتاج ترميز ملف ثنائي، أو إصلاح عمود في قاعدة بيانات، أو تغيير ترويسة HTTP من نوع Content-Type. إذا لم يظهر أي احتمال، فاحتفظ بالنص الأصلي. احصل على بايتات المصدر الفعلية متى أمكن، وأنشئ نسخة احتياطية، وحدد الترميز المعلن والفعلي، ثم نفذ فكًا واحدًا بأداة مصممة للملفات أو تدفقات البايتات. لا تحفظ النص التالف مرارًا فوق نسخة المصدر الوحيدة.