文字コード変換について

ファイルを開いたら、言葉の代わりに CafÃ©、ë²„ê·¸、æ–‡å—åŒ–ã、あるいは「?」が並んでいる。テキストが壊れているのではなく、間違った文字コードで読まれているだけです。このツールは正しい文字コードで読み直し、UTF-8で保存し直します。以降はどのプログラムでも正しく表示されます。

Windowsのコマンドプロンプトの chcp、メモ帳の*名前を付けて保存 → エンコード*と同じ仕事です。ここでは2クリックで済み、ファイルは端末から出ません — 復号はブラウザが行います。

よくある2つの問題を解決します

古いプログラムから来たファイル — お使いの国の古いコードページ（Windows-1252、EUC-KR、Shift_JIS、GBK、Big5、Windows-1251など）で保存されたCSV、字幕ファイル、.txt。このコードで読むでそのコードページを選び、UTF-8で保存します。
文字化け（モジバケ） — すでにUnicodeなのに、途中でUTF-8のバイト列がWindows-1252として読まれたせいで é のところに Ã© と出るもの。修復にチェックを入れれば元に戻ります。

このツールでできること

どこでも正しく開けるようにANSIをUTF-8に変換
ExcelがCSVを開いたときにアクセント記号を壊さないようUTF-8のBOMを追加
プログラムやWebページの邪魔になっているBOMを削除
アクセント記号やハングルが記号になってしまう字幕ファイル（.srt、.vtt）を修復
韓国語EUC-KR、日本語Shift_JIS、中国語GBK・Big5のファイルをUTF-8に変換
同時に改行コードをWindows（CRLF）とMac/Linux（LF）で切り替え

特長

自動判定 — BOM、UTF-16、正しいUTF-8を自動で見分け、その判断を表示します
読み込みは20以上の文字コード — UTF-8、UTF-16 LE/BE、Windows-125xファミリー、ISO-8859、EUC-KR、Shift_JIS、EUC-JP、GBK、GB18030、Big5、KOI8-R、Mac Roman
保存は6種類 — UTF-8、UTF-8（BOMあり）、UTF-16 LE、UTF-16 BE、Windows-1252、ISO-8859-1
UTF-8を1252として読んだ典型的なケースの文字化け修復
改行コードの制御 — そのまま／CRLF／LF
ダウンロード前に確認できるライブプレビュー
小さなコードページに保存するときに文字が失われる場合は警告
ファイルがないときのための、壊れたテキスト断片の貼り付けモード
100%ブラウザ内で処理 — アップロードはありません

判定はどれくらい確実？「このコードで読む」は何のため？

プレーンテキストファイルはバイトの並びだけで、自分の文字コードをどこにも記録していません。HTMLに <meta charset> が、メールに charset= ヘッダーが必要なのはそのためです。それらがなければ、文字コードはバイト列から推測するしかありません。

しかも同じバイト列が多くの文字コードで正しく成立します。2バイトの B0 A1 は、次のすべてで有効です。

| 読み方 | 結果 |

|---|---|

| EUC-KR | 가 |

| GB18030 | 啊 |

| Big5 | 陛 |

| Windows-1252 | °¡ |

| Windows-1251 | °Ў |

厳密なチェックでも決着しません。実際の韓国語テキストは、Shift_JIS、Big5、GB18030、Windows-1251としてもエラーなく復号できてしまいます。そこでこのツールは*結果*で判断します。すべての候補で復号し、一貫した文字体系で非英語文字の割合が自然なものを採用します。

実際にはこうなります。

UTF-8、UTF-16、BOMのあるファイル — 確実に判定できます。
英語だけのテキスト — 確実です。ここにあるどの文字コードでも同じように読まれます。
古いコードページ — 最も可能性の高いものを示し、僅差の候補をクリックできるボタンで表示します。韓国語・日本語・キリル文字はたいてい正確に特定できます。
簡体字と繁体字と日本語の漢字、Windows-1252と1258は、本当に見分けがつかないことがあります。バイトの並びが重なるためです。そのときこそこのコードで読むを使い、プレビューで判断してください。

この項目は手順ではなく、うまくいかないときの逃げ道です。プレビューがおかしくない限り、自動で判定のままで構いません。

ファイルが変わらないのはなぜ？

これが最もよくある戸惑いですが、不具合ではありません。テキストが英字・数字・記号だけ（いわゆるASCII）で書かれている場合、UTF-8、Windows-1252、ISO-8859-1はまったく同じバイト列で保存します。変換するものがないので、保存後のファイルは同一で、どの判定ツールでもUTF-8と表示され続けます。

この状況になったことを、ツールが伝えるようになりました。バイト列を確実に変えたい場合は、UTF-16 LE / BEまたはUTF-8（BOMあり）を選んでください。これらは必ずファイルが変わります。文字コードの違いが表れるのは、テキストにアクセント記号、ハングル、漢字、キリル文字などの非英語文字が含まれてからです。

使い方

テキストファイルをドロップします。文字コードが推定され、テキストが表示されます
保存形式を選びます。 ほとんどの場合UTF-8（BOMなし）が正解です。Excelで開くCSVならUTF-8（BOMあり）を使います
（任意）必要な改行コードを設定します
ダウンロードを押して修復済みファイルを保存します。文字コードはファイル名に入ります（notes-ANSI-1252-AppAndTools.txt、notes-UTF-8-AppAndTools.txt）。同じファイルを2つの文字コードで保存しても、いつでも区別できます

文字コード変換