Vérifier et convertir l’encodage d’un texte

Mode d’emploi

1. Choisissez le fichier CSV ou texte mal affiché.
2. Regardez les aperçus sous « Encodages possibles » et choisissez celui qui s’affiche correctement.
3. Choisissez l’encodage d’enregistrement (UTF-8 avec BOM, UTF-8 ou Shift_JIS) et les fins de ligne, puis appuyez sur « Convertir et enregistrer ».

Le fichier d’origine n’est pas modifié. Le fichier enregistré porte l’encodage dans son nom, par exemple « original_utf8-bom.csv ».

Ordre des encodages possibles

L’ordre est une estimation. Le fichier entier est lu dans chaque encodage, puis les lectures sont triées selon :

• l’encodage indiqué par un BOM au début du fichier
• le moins d’octets illisibles (endroits qui deviennent le caractère de remplacement �)
• le moins de caractères de contrôle et d’autres caractères absents d’un texte normal
• le moins de suites inhabituelles pour cet encodage, comme des katakana demi-chasse ou des suites de symboles et de lettres accentuées

Les fichiers courts, ou composés surtout de lettres latines simples et de chiffres, ne peuvent pas toujours être distingués. Vérifiez toujours l’aperçu.

Shift_JIS et CP932

Dans les navigateurs, « Shift_JIS » couvre les mêmes caractères que CP932 (Windows-31J), la variante utilisée sous Windows, selon le WHATWG Encoding Standard. Les caractères spéciaux NEC (comme ① et ㈱) et les caractères étendus IBM (comme des variantes de kanji utilisées dans les noms propres) sont bien lus.

L’enregistrement en Shift_JIS suit les mêmes règles :

• Si un seul caractère n’existe pas en Shift_JIS (emoji, kanji rares, etc.), rien n’est enregistré. Aucun caractère n’est remplacé par « ? » ; leurs positions sont affichées.
• ¥ est enregistré en 0x5C, ‾ en 0x7E et − (signe moins) en － (trait d’union pleine chasse). Le nombre de ces caractères est affiché avant l’enregistrement.

Fins de ligne

« Inchangées » ne modifie rien. CRLF ou LF remplace toutes les fins de ligne par ce type. Dans les fichiers .csv et .tsv, les retours à la ligne à l’intérieur des valeurs entre guillemets (dans une cellule) sont conservés.

Limites

• Les caractères déjà devenus le caractère de remplacement (�) ou « ? » ne peuvent pas retrouver leur forme d’origine.
• Un texte mal affiché ne peut pas toujours être corrigé. Si seule une partie du fichier a été écrite dans un autre encodage, une partie reste illisible quelle que soit la lecture.
• L’enregistrement n’est possible qu’en UTF-8 (avec ou sans BOM) ou en Shift_JIS.
• La taille maximale est de 20 Mo.