پرش به محتوای اصلی

راهنمای تعمیر متن به‌هم‌ریخته

زمان مطالعه: ۳ دقیقه

این ابزار چیست؟

حتماً دیده‌اید که یک متن فارسی در ایمیل، فایل CSV یا صفحه‌ی وب به شکل «Ø³Ù„ام» یا «ط³ظ„ط§ظ…» درمی‌آید. به این وضعیت در اصطلاح «موجیباکه» می‌گویند: بایت‌های متن سالم‌اند، اما برنامه‌ای آن‌ها را با رمزگذاری اشتباه خوانده است. این ابزار رایج‌ترین اشتباه‌ها را برعکس می‌کند و متن اصلی را پس می‌دهد.

به‌جای یک حدس، چند پیشنهاد با امتیاز می‌بینید. امتیاز نشان می‌دهد چه سهمی از نتیجه حرف فارسی است. همه‌ی پردازش در مرورگر شما انجام می‌شود و متن یا فایل به جایی فرستاده نمی‌شود.

گام‌به‌گام

  1. متن خراب را بچسبانید

    متن به‌هم‌ریخته را در کادر «متن به‌هم‌ریخته» بگذارید. لازم نیست بدانید چه اتفاقی برایش افتاده است.

  2. پیشنهادها را مقایسه کنید

    ابزار چند روش تعمیر را امتحان می‌کند و فقط نتیجه‌هایی را نشان می‌دهد که از متن اصلی فارسی‌ترند. پیشنهاد اول معمولاً درست است، اما نتیجه را بخوانید.

  3. برای فایل، رمزگذاری را انتخاب کنید

    اگر فایل قدیمی دارید، آن را بارگذاری کنید و رمزگذاری را بین UTF-8، Windows-1256 و UTF-16 عوض کنید تا متن خوانا شود. بیشینه‌ی حجم فایل پنج مگابایت است.

  4. نتیجه را بردارید

    متن درست‌شده را کپی کنید یا با «ارسال به ابزار دیگر» برای یکدست‌سازی یا جایگزینی بفرستید.

نمونه‌های کاربردی

  • متنی که با Windows-1252 خوانده شده

    رایج‌ترین حالت: متن UTF-8 در برنامه‌ای که رمزگذاری لاتین را فرض کرده باز شده است.

    سلام دنیا

    نتیجه: سلام دنیا

  • متنی که با Windows-1256 خوانده شده

    این بار برنامه رمزگذاری عربی ویندوز را فرض کرده و نتیجه پر از «ط» و «ظ» شده است.

    ط³ظ„ط§ظ… ط¯ظ†غŒط§

    نتیجه: سلام دنیا

  • متن سالم دست نمی‌خورد

    اگر متن مشکلی نداشته باشد، ابزار پیشنهادی نمی‌سازد و می‌گوید متن سالم به نظر می‌رسد.

    این متن از اول درست است.

    نتیجه: بدون پیشنهاد؛ متن سالم است

اشتباه‌های رایج

  • ذخیره کردن متن خراب و دوباره باز کردنش با برنامه‌های مختلف: هر بار ممکن است لایه‌ی تازه‌ای از خرابی اضافه شود. هرچه زودتر، نسخه‌ی خراب را همان‌طور که هست به ابزار بدهید.
  • انتظار تعمیر متنی که پر از «�» است: این نویسه یعنی بایت‌های اصلی هنگام تبدیل دور ریخته شده‌اند و هیچ ابزاری نمی‌تواند آن‌ها را برگرداند. باید نسخه‌ی اصلی فایل را پیدا کنید.
  • کپی کردن متن از فایلی که هنوز با رمزگذاری اشتباه باز است: بهتر است خود فایل را بارگذاری کنید و رمزگذاری را در ابزار عوض کنید.
  • پذیرفتن پیشنهاد اول بدون خواندن: امتیاز فقط سهم حروف فارسی را می‌سنجد، نه درستی معنا. چند خط از نتیجه را بخوانید.

چرا متن فارسی به‌هم می‌ریزد؟

هر حرف فارسی در UTF-8 دو بایت جا می‌گیرد. اگر برنامه‌ای همین بایت‌ها را با رمزگذاری یک‌بایتی مثل Windows-1252 بخواند، هر بایت را یک حرف لاتین جدا می‌بیند؛ برای همین هر حرف فارسی به دو نویسه‌ی عجیب مثل «Ø³» تبدیل می‌شود.

خبر خوب این است که در این حالت اطلاعات از دست نرفته است. کافی است همان نویسه‌ها را دوباره به بایت برگردانیم و این بار درست بخوانیم. این ابزار همین کار را برای چند ترکیب رایج انجام می‌دهد، از جمله متنی که دو بار پشت سر هم اشتباه کدگذاری شده است.

پرسش‌های متداول

چرا متن فارسی من به شکل «Ø³Ù„ام» درآمده است؟
بایت‌های UTF-8 با رمزگذاری اشتباه (معمولاً Windows-1252) خوانده شده‌اند. ابزار این خطا را برعکس می‌کند و متن اصلی را برمی‌گرداند.
امتیاز چه معنایی دارد؟
سهم حروف فارسی در نتیجه است. پیشنهادی که حروف فارسی بیشتری داشته باشد و نویسه‌ی جایگزین «�» نداشته باشد بالاتر می‌آید.
اگر فایل قدیمی ویندوز را باز کنم و متن خراب باشد چه کنم؟
فایل را بارگذاری کنید و رمزگذاری را روی Windows-1256 بگذارید؛ بسیاری از فایل‌های قدیمی فارسی با این رمزگذاری ذخیره شده‌اند.

ابزارهای مرتبط