Conversor de codificação de arquivos de texto

De onde vêm os conflitos de codificação

Os sintomas clássicos

• café aparece como café quando os bytes UTF-8 são lidos como Latin-1. Defina «De» como UTF-8 para reinterpretar os bytes.
• ñ vira ñ pelo mesmo motivo.
• Um mojibake duplo como café significa que o texto foi salvo de novo após a primeira leitura errada, codificando a interpretação incorreta uma segunda vez.
• Um  no início é uma marca de ordem de bytes UTF-8 lida como três caracteres Latin-1.

Assim que você reconhece o sintoma, o caminho costuma ficar claro: leia o texto como o que ele realmente é (Latin-1, Windows-1252 ou o que se aplicar) e grave-o de volta como UTF-8.

Marcas de ordem de bytes (BOM)

Este conversor não adiciona nem remove uma marca de ordem de bytes por opção: o comportamento segue a codificação de destino. A saída UTF-8 não tem BOM. A saída UTF-16 simples começa com um BOM e é big-endian, enquanto UTF-16BE e UTF-16LE gravam os bytes sem BOM. Escolha UTF-8, a menos que um programa específico peça UTF-16.

Quando um caractere não tem correspondência

Alguns bytes não têm significado na codificação de origem escolhida, e alguns caracteres não podem ser representados na de destino. Nesse caso, a conversão substitui por um marcador em vez de parar. O que mais importa é acertar a codificação de origem: uma cadeia só com ASCII é válida em qualquer codificação, então um conflito costuma aparecer apenas quando há caracteres acentuados ou não latinos.