Zeichenkodierung prüfen und umwandeln

So geht’s

1. Wählen Sie die CSV- oder Textdatei mit kaputten Zeichen aus.
2. Prüfen Sie die Vorschau unter „Mögliche Kodierungen“ und wählen Sie die Lesart ohne kaputte Zeichen.
3. Wählen Sie die Kodierung zum Speichern (UTF-8 mit BOM, UTF-8 oder Shift_JIS) und die Zeilenumbrüche, dann „Umwandeln und speichern“.

Die Originaldatei bleibt unverändert. Die gespeicherte Datei erhält die Kodierung im Namen, zum Beispiel „original_utf8-bom.csv“.

Wie die Kodierungen sortiert werden

Die Reihenfolge ist eine Schätzung. Die ganze Datei wird in jeder Kodierung gelesen und sortiert nach:

• der Kodierung, auf die ein BOM am Dateianfang hinweist
• weniger unlesbaren Bytes (Stellen, die zum Ersatzzeichen � werden)
• weniger Steuerzeichen und anderen Zeichen, die in normalem Text nicht vorkommen
• weniger ungewöhnlichen Folgen für diese Kodierung, etwa japanische Halbbreiten-Katakana oder Ketten aus Sonderzeichen und Buchstaben mit Akzent

Kurze Dateien oder Dateien mit überwiegend einfachen lateinischen Buchstaben und Ziffern lassen sich manchmal nicht unterscheiden. Prüfen Sie immer die Vorschau.

Shift_JIS und CP932

In Browsern umfasst „Shift_JIS“ dieselben Zeichen wie CP932 (Windows-31J), die unter Windows verwendete Variante (laut WHATWG Encoding Standard). NEC-Sonderzeichen (etwa ① und ㈱) und IBM-Erweiterungszeichen (etwa Kanji-Varianten in Personennamen) werden richtig gelesen.

Beim Speichern als Shift_JIS gelten dieselben Regeln:

• Hat auch nur ein Zeichen keine Entsprechung in Shift_JIS (Emojis, seltene Kanji usw.), wird nicht gespeichert. Es wird nichts durch „?“ ersetzt; stattdessen werden die Stellen angezeigt.
• ¥ wird als 0x5C gespeichert, ‾ als 0x7E und − (Minuszeichen) als － (vollbreiter Bindestrich). Die Anzahl solcher Zeichen wird vor dem Speichern angezeigt.

Zeilenumbrüche

„Beibehalten“ ändert nichts. CRLF oder LF setzt alle Zeilenumbrüche auf diesen Typ. In Dateien mit der Endung .csv oder .tsv bleiben Umbrüche innerhalb von Werten in Anführungszeichen (Umbrüche in einer Zelle) erhalten.

Was nicht geht

• Zeichen, die bereits zum Ersatzzeichen (�) oder zu „?“ geworden sind, lassen sich nicht zurückverwandeln.
• Kaputte Zeichen lassen sich nicht immer reparieren. Wurde nur ein Teil der Datei in einer anderen Kodierung geschrieben, bleibt bei jeder Lesart ein Teil unlesbar.
• Gespeichert werden kann nur als UTF-8 (mit oder ohne BOM) oder Shift_JIS.
• Die Obergrenze liegt bei 20 MB.