Mojibake (ข้อความที่อ่านไม่ออก) คืออะไร?

เป็นปัญหาการแสดงผลที่เกิดขึ้นเมื่อข้อมูลข้อความถูกอ่านโดยใช้การเข้ารหัสอักขระที่แตกต่างจากตอนที่บันทึก

อะไรทำให้เกิด Mojibake '縺ゅｊ縺後→縺' และฉันจะแก้ไขได้อย่างไร?

เกิดขึ้นเมื่อข้อความ UTF-8 ถูกเปิดใน Shift_JIS เนื่องจากมีรูปแบบที่ชัดเจน จึงสามารถแก้ไขได้ง่ายๆ โดยใช้เครื่องมือกู้คืนข้อความ

ฉันสามารถแก้ไขสี่เหลี่ยมข้าวหลามตัดสีดำที่มีเครื่องหมายคำถาม () ได้หรือไม่?

ไม่ได้ สิ่งนี้บ่งชี้ถึงลำดับไบต์ที่ไม่ถูกต้องซึ่งข้อมูลข้อความดั้งเดิมสูญหายไป ทำให้ไม่สามารถกู้คืนได้

📖 KNOWLEDGE BASE

พจนานุกรมประเภทและสาเหตุของ Mojibake

Mojibake ที่ทำให้ข้อความกลายเป็นอักขระที่อ่านไม่ออกอย่าง "縺ゅｊ" หรือ "" นั้นมีกฎเกณฑ์บางอย่างอยู่
เราจะมาอธิบายว่าทำไมถึงเกิด Mojibake ขึ้น กลไกของมัน และความสัมพันธ์กับการเข้ารหัส (Encoding)

Mojibake คืออะไร?

Mojibake คือข้อผิดพลาดในการแสดงผลที่เกิดขึ้นเมื่อคอมพิวเตอร์แสดงข้อมูลข้อความโดยการอ่านด้วย "รหัสอักขระ (Encoding)" ที่แตกต่างจากตอนที่บันทึกไว้

คอมพิวเตอร์จดจำตัวอักษรเป็น "ตัวเลข 0 และ 1 (ลำดับไบต์)" ตารางการจับคู่เพื่อแปลงตัวเลขเหล่านี้ให้เป็น "ตัวอักษร" ที่มนุษย์อ่านได้เรียกว่ารหัสอักขระ (Character Encoding) ในสภาพแวดล้อมภาษาญี่ปุ่น มีรหัสอักขระหลายประเภท เช่น UTF-8, Shift_JIS, EUC-JP, ISO-2022-JP หากใช้ตารางการจับคู่ผิด ตัวอักษรจะถูกแปลงเป็นตัวอักษรอื่นโดยสิ้นเชิง

พจนานุกรมประเภทและสาเหตุของ Mojibake

รูปแบบที่บันทึก → รูปแบบที่เปิดดู	ลักษณะที่ปรากฏ	สาเหตุและโอกาสในการกู้คืน
UTF-8 ↓ Shift_JIS	縺ゅｊ縺後→縺 (พบบ่อย "縺", "繝" เป็นต้น)	รูปแบบที่พบได้บ่อยที่สุดในปัจจุบัน เกิดขึ้นเมื่อเปิดข้อความ UTF-8 ที่สร้างบน Mac หรือสมาร์ทโฟนด้วยซอฟต์แวร์เก่าๆ บน Windows หรือ Excel เนื่องจากมีรูปแบบที่ตายตัว จึงสามารถกู้คืนได้ด้วยเครื่องมือที่มีโอกาสสำเร็จสูง
Shift_JIS ↓ UTF-8	(เพชรสีดำมีเครื่องหมายคำถาม ฯลฯ)	สถานะที่ถูกแทนที่ด้วย Replacement Character () เนื่องจากเป็นลำดับไบต์ที่ไม่ถูกต้อง หากบันทึกทับด้วยอักขระเหล่านี้ ข้อมูลเดิมจะสูญหายไปทั้งหมด ทำให้ไม่สามารถกู้คืนได้
EUC-JP ↓ Shift_JIS	꤬Ȥ (การผสมกันของคาตาคานะครึ่งความกว้างและสัญลักษณ์)	รหัสตัวอักษรที่ใช้ใน DB และโปรแกรม CGI เก่าๆ บนสภาพแวดล้อม UNIX/Linux เกิดขึ้นเนื่องจากช่วงรหัสตัวอักษรเฉพาะทับซ้อนกับพื้นที่อักษรคาตาคานะครึ่งความกว้างของ Shift_JIS สามารถกู้คืนได้
UTF-8 ↓ EUC-JP	꤬Ȥ (สัญลักษณ์ที่เรียงกันอย่างไม่มีความหมาย)	เกิดขึ้นเมื่อพยายามตีความการแสดงผล 3 ไบต์ของ UTF-8 เป็น EUC-JP (ส่วนใหญ่ 2 ไบต์) อักขระบางตัวอาจหายไป และบางกรณีอาจกู้คืนได้ยาก
ISO-2022-JP ↓ Shift_JIS等	$B$"$j$,$H$&(B (มี $B หรือ (B รวมอยู่ด้วย)	หรือที่เรียกว่า "รหัส JIS" เคยถูกใช้เป็นมาตรฐานในอีเมลสมัยก่อน เป็นปรากฏการณ์ที่ Escape Sequence (เช่น $B) ถูกแสดงออกมาโดยตรง สามารถกู้คืนได้
Mac OS Roman ↓ UTF-8等	√¢‚Ç¨‚Ä¢ (กลุ่มสัญลักษณ์ภาษาอังกฤษที่แปลกประหลาด)	รหัสตัวอักษรเก่าเฉพาะของ Mac เป็น Mojibake ที่มักเกิดขึ้นในชื่อไฟล์ ฯลฯ เมื่อแลกเปลี่ยนไฟล์ Zip ระหว่าง Windows และ Mac (มีชื่อเรียกกันว่า Mocha)