¿Qué es el Mojibake (texto distorsionado)?

Es un problema de visualización que ocurre cuando los datos de texto se leen utilizando una codificación de caracteres diferente a la que se guardó.

¿Qué causa el Mojibake '縺ゅｊ縺後→縺' y cómo puedo solucionarlo?

Ocurre cuando un texto UTF-8 se abre en Shift_JIS. Al seguir un patrón fuerte, se puede arreglar fácilmente usando una herramienta de recuperación.

¿Puedo arreglar el diamante negro con un signo de interrogación ()?

No, esto indica una secuencia de bytes no válida donde los datos de texto originales se han perdido, haciendo imposible la recuperación.

📖 BASE DE CONOCIMIENTOS

Diccionario de Tipos y Causas de Mojibake

Hay reglas para los caracteres ilegibles (mojibake) que se convierten en cadenas sin sentido como "縺ゅｊ" o "".
Explicaremos por qué ocurre el mojibake y la relación entre su mecanismo y la codificación.

¿Qué es el Mojibake?

El mojibake es un problema de visualización que ocurre cuando los datos de texto en una computadora se leen con un "código de caracteres (codificación)" diferente al utilizado cuando se guardaron.

Las computadoras almacenan caracteres como "números de 0 y 1 (secuencias de bytes)". La tabla de correspondencia para convertir estos números en "caracteres" legibles por humanos es el código de caracteres. En los entornos japoneses, existen múltiples códigos de caracteres como UTF-8, Shift_JIS, EUC-JP, ISO-2022-JP, y si se equivoca de tabla de correspondencia, se convertirán en caracteres completamente diferentes.

Diccionario de Tipos y Causas de Mojibake

Formato Guardado → Visualización	Características de Apariencia	Causa y Posibilidad de Restauración
UTF-8 ↓ Shift_JIS	縺ゅｊ縺後→縺 (Aparecen frecuentemente "縺", "繝", etc.)	El patrón más común en la actualidad. Ocurre cuando un texto UTF-8 creado en Mac o teléfono móvil se abre con un software antiguo o Excel en Windows. Al tener reglas marcadas, es muy probable que se pueda restaurar con una herramienta.
Shift_JIS ↓ UTF-8	(Diamantes negros con interrogación, etc.)	Estado en el que ha sido reemplazado por el Carácter de Reemplazo () como una secuencia de bytes no válida. Si se sobrescribe y guarda con este carácter, la información original se perderá por completo, haciendo que la restauración sea imposible.
EUC-JP ↓ Shift_JIS	꤬Ȥ (Mezcla de katakana de ancho medio y símbolos)	Código de caracteres utilizado en bases de datos antiguas y programas CGI en entornos UNIX/Linux. Ocurre porque el rango específico de caracteres se solapa con el área de katakana de ancho medio de Shift_JIS. Es restaurable.
UTF-8 ↓ EUC-JP	꤬Ȥ (Secuencia de símbolos sin sentido)	Ocurre cuando la representación de 3 bytes de UTF-8 se interpreta forzosamente en EUC-JP (principalmente 2 bytes). Algunos caracteres pueden perderse y, en algunos casos, la restauración completa es difícil.
ISO-2022-JP ↓ Shift_JIS等	$B$"$j$,$H$&(B (Incluye $B o (B))	El llamado "Código JIS". Anteriormente se usaba como estándar en los correos electrónicos. Es el fenómeno en el que las secuencias de escape (como $B) se muestran tal cual. Es restaurable.
Mac OS Roman ↓ UTF-8等	√¢‚Ç¨‚Ä¢ (Grupo de símbolos occidentales misteriosos)	Código de caracteres antiguo exclusivo de Mac. Es un mojibake que ocurre fácilmente en los nombres de archivos al intercambiar archivos Zip entre Windows y Mac (conocido como: Mocha).

¿Cómo arreglar texto con mojibake?

Usando nuestra herramienta de restauración de mojibake, puede verificar todas las combinaciones de códigos de caracteres mediante fuerza bruta y repararlo al japonés correcto con un solo clic.

Usar la herramienta de restauración