Cek dan ubah encoding teks

Cara pakai

1. Pilih file CSV atau teks yang karakternya berantakan.
2. Periksa pratinjau di “Encoding yang mungkin” dan pilih yang tidak berantakan.
3. Pilih encoding untuk menyimpan (UTF-8 dengan BOM, UTF-8, atau Shift_JIS) dan pemisah baris, lalu tekan “Ubah dan simpan”.

File asli tidak diubah. File yang disimpan diberi nama encoding, misalnya “asli_utf8-bom.csv”.

Cara mengurutkan encoding

Urutannya hanya perkiraan. Seluruh file dibaca dengan setiap encoding, lalu diurutkan berdasarkan:

• encoding yang ditunjukkan BOM di awal file
• byte tak terbaca (bagian yang menjadi karakter pengganti �) paling sedikit
• karakter kontrol dan karakter lain yang tidak muncul di teks biasa paling sedikit
• urutan yang tidak lazim untuk encoding itu paling sedikit, misalnya katakana setengah lebar atau rangkaian simbol dan huruf beraksen

File pendek, atau file yang sebagian besar berisi huruf Latin dasar dan angka, kadang tidak bisa dibedakan. Selalu periksa pratinjau.

Shift_JIS dan CP932

Di browser, “Shift_JIS” mencakup karakter yang sama dengan CP932 (Windows-31J), versi yang dipakai di Windows, sesuai WHATWG Encoding Standard. Karakter khusus NEC (seperti ① dan ㈱) serta karakter tambahan IBM (seperti varian kanji dalam nama orang) terbaca dengan benar.

Penyimpanan ke Shift_JIS mengikuti aturan yang sama:

• Jika ada satu saja karakter yang tidak ada di Shift_JIS (emoji, kanji langka, dan lain-lain), file tidak disimpan. Tidak ada yang diganti dengan “?”; posisinya ditampilkan.
• ¥ disimpan sebagai 0x5C, ‾ sebagai 0x7E, dan − (tanda minus) sebagai － (tanda hubung lebar penuh). Jumlah karakter seperti ini ditampilkan sebelum menyimpan.

Pemisah baris

“Biarkan” tidak mengubah apa pun. CRLF atau LF mengubah semua pemisah baris ke jenis itu. Pada file .csv dan .tsv, baris baru di dalam nilai bertanda kutip (baris baru di dalam sel) tetap dipertahankan.

Yang tidak bisa dilakukan

• Karakter yang sudah menjadi karakter pengganti (�) atau “?” tidak bisa dikembalikan ke karakter aslinya.
• Teks berantakan tidak selalu bisa diperbaiki. Jika hanya sebagian file ditulis dengan encoding lain, sebagian tetap tidak terbaca dengan cara baca apa pun.
• File hanya bisa disimpan sebagai UTF-8 (dengan atau tanpa BOM) atau Shift_JIS.
• Batas ukurannya 20 MB.