Wat is Mojibake (onleesbare tekst)?

Het is een weergaveprobleem dat optreedt wanneer tekstgegevens worden gelezen met een andere tekencodering dan waarmee ze zijn opgeslagen.

Wat veroorzaakt de '縺ゅｊ縺後→縺' Mojibake en hoe kan ik het oplossen?

Het gebeurt wanneer UTF-8-tekst wordt geopend in Shift_JIS. Omdat het een sterk patroon volgt, kan het eenvoudig worden opgelost met een herstelprogramma.

Kan ik de zwarte ruit met vraagteken () herstellen?

Nee, dit duidt op een ongeldige bytereeks waarbij de oorspronkelijke tekstgegevens verloren zijn gegaan, waardoor herstel onmogelijk is.

📖 KNOWLEDGE BASE

Woordenboek voor Mojibake-soorten en -oorzaken

Er zit een patroon in mojibake (corrupte tekst) die resulteert in onbegrijpelijke tekenreeksen zoals '縺ゅｊ'.
We leggen het mechanisme uit achter waarom mojibake optreedt en de relatie met tekencodering.

Wat is Mojibake (corrupte tekst)?

Mojibake is een weergavefout die optreedt wanneer tekstgegevens op een computer worden weergegeven en gelezen met een andere "tekencodering" dan waarmee het werd opgeslagen.

Computers slaan tekens op als "getallen van 0 en 1 (byte-reeksen)". De tekencodering is de vertaaltabel om deze getallen om te zetten in "tekens" die mensen kunnen lezen. In Japanse omgevingen zijn er meerdere tekencoderingen zoals UTF-8, Shift_JIS, EUC-JP, ISO-2022-JP. Als de verkeerde tabel wordt gebruikt, worden ze omgezet in totaal andere tekens.

Woordenboek van Mojibake-soorten en -oorzaken

Opslagformaat → Weergaveformaat	Visuele kenmerken	Oorzaak en herstelbaarheid
UTF-8 ↓ Shift_JIS	縺ゅｊ縺後→縺 ("縺", "繝" etc. komen vaak voor)	Momenteel het meest voorkomende patroon. Treedt op bij het openen van UTF-8-tekst, gemaakt op een Mac of smartphone, in oudere Windows-software of Excel. Vanwege de sterke regelmaat is het met een grote kans te herstellen via tools.
Shift_JIS ↓ UTF-8	(Zwarte ruit met vraagteken etc.)	Staat waarin de tekst is vervangen door een Replacement Character () als onjuiste byte-reeks. Als het met dit teken wordt overschreven en opgeslagen, gaat de oorspronkelijke informatie volledig verloren en is herstel onmogelijk.
EUC-JP ↓ Shift_JIS	꤬Ȥ (Mix van halfbrede katakana en symbolen)	Tekencodering gebruikt in oude databases en CGI-programma's in UNIX/Linux-omgevingen. Treedt op omdat specifieke codebereiken overlappen met het halfbrede kana-gebied van Shift_JIS. Is herstelbaar.
UTF-8 ↓ EUC-JP	꤬Ȥ (Reeks van onbegrijpelijke symbolen)	Treedt op wanneer de 3-byte representatie van UTF-8 geforceerd wordt geïnterpreteerd als EUC-JP (voornamelijk 2-byte). Sommige tekens kunnen ontbreken, waardoor volledig herstel soms moeilijk is.
ISO-2022-JP ↓ Shift_JIS等	$B$"$j$,$H$&(B (Bevat $B en (B)	Zogenaamde "JIS-code". Werd vroeger standaard gebruikt voor e-mails. Fenomeen waarbij escape-reeksen (zoals $B) direct worden weergegeven. Is herstelbaar.
Mac OS Roman ↓ UTF-8等	√¢‚Ç¨‚Ä¢ (Onbekende reeks westerse symbolen)	Oude tekencodering specifiek voor Mac. Mojibake die vaak voorkomt in bestandsnamen bij het uitwisselen van Zip-bestanden tussen Windows en Mac (bekend als: Mocha).

Hoe repareer je corrupte tekst (mojibake)?

Door onze mojibake-hersteltool te gebruiken, kunt u alle combinaties van tekencoderingen met brute-force verifiëren en ze met één klik herstellen naar de juiste tekst.

Gebruik Mojibake Herstel Tool