Відео & субтитри · Subtitle Toolkit
Чому é в субтитри: текстові кодування та алгоритми декодування
· Як працює
Опубліковано ToolAcre · Редакція журналу
субтитри Символи веб-переглядач
Mojibake в субтитри майже завжди кодування mismatch. Цей пост пояснює, як байти стають героями, чому UTF-8 і спадщина сторінок коду Windows не погоджуються і як інструмент браузера декодує файл без відправки його в будь-яку точку.
Підкреслення є сміттям, але частим є ідеальним — як проблеми кодування присутні
Розкажіть, що все, крім символів, відмінно. Терміни, порядок ліктя, правий, завантаження файлів, і тільки акцентовані листи невірно. Що поєднуючи правила структурної несправності, оскільки parser, який не міг читати файл, не виробляв правильні терміни. Що сталося перед парсуванням, коли послідовність байтів перетворилася в послідовність символів.
Це також пояснює, чому несправність часто з'являється в півдорозі через робочу опалубку, а не на джерело. Файл, який виглядав правильно в одному редакторі, може виглядати неправильно в наступному, з нічого не в між змінами його. Не зробив його модифікацію; друга програма зробила різне припущення про те, що байти означають.
Bytes versus символи — чому ж байти можна прочитати як «е» або «' é' в залежності від декодера
Файл на диску - байти. Символи можуть бути використані тільки після того, як щось стосується кодування, який є настільним картуванням послідовностей байтів до символів. UTF-8 - це акцентований латинський лист, наприклад, e-acute, як два байти. Windows-1252 – це той самий лист, як єдиний байт, і дає два UTF-8 байти абсолютно різні значення: перше - столиця А з тентом і другий - знак авторського права.
Так знайома пара з гранатометом не є корупцією. Це вірний, без втрат читання правих байтів під неправильним столом. Кожна байт збереглася; змінилася тільки інтерпретація. Саме тому пошкодження зазвичай незламна, і чому варто визначити, який напрямок невідповідності пішов, а не ручний вихід видимих символів.
UTF-8, Вікна-1252 і друзі — кодування файлів субтитрів насправді перетворюються в
Підзаголовок файлів перетворюються в невелику кількість кодувань. UTF-8 - це сучасна програма, яка дозволяє отримувати доступ до Інтернету. Windows-1252 поширений у файлах, що виробляються старшим Західним європейським інструментом, і його близьким родичам ISO-8859-1 охоплює багато однакових грунтів. Файли з центральних європейських, кириличних або грецьких джерел з'являються у відповідних сторінках коду Windows, а також східноазіатський матеріал додає ще кілька.
Не пропустіть кодування, записуйте свою ідентичність всередині файлу. Анонім SRT файл не містить декларацій, що використовується для написання його, що є кореневим цілої проблеми: читач повинен вирішити, і нічого не уповноваженого читати.
Знаки за допомогою байтів — це корисний підказок для деяких гравців та видимий блиск у інших країнах
Ознака замовлення - один частковий виняток. Це специфічний характер на самому початку файлу, який, коли присутній, сигналує кодування. Це допомагає іншим гравцям і показує в інших, як символ променя перед першим індексом субтитрів, тому файли, які виконуються, можуть не в точності однієї програми і працювати всюди.
Проміжний аналізатор перекидає його перед тим, як зробити все інше, тому що позначка, яка залишилася на місці, прикріплює себе до першого індексу номер і витрати першого кубика. Формат виявлення написано для того, щоб перенести його, тому файл WebVTT, який починається з позначки перед його заголовком, як WebVTT, а не лікуватися як SRT.
Як видалити файл локально — TextDecoder API, і чому виявлення є вдогадкою, коли не задекларовано кодування
Коли інструмент завантажує файл, він викликає файл API метод текстів, і цей метод вказується для декодування як UTF-8. Не існує параметра кодування і не заперечення. Файл, який дійсно є UTF-8 чи правильно читати; Windows-1252 файл, що містить одинарний акцентований лист, представляє собою можливість, щоб не почати дійсний UTF-8 послідовність, а декодер замінює замінний характер, а не вгадуючи.
Це варто знати, оскільки він змінює симптом. Читання UTF-8 файл з таблицям спадщини виробляє звичний двофакторний гранат. Читання файлу спадкування як UTF-8 випускає заміну символів замість того, щоб чорні діаманти або порожні коробки. Випадок як щось інше, ніж UTF-8 вимагає від нагадування коду прямо через браузер декодер API, і нав'язування це важко частина: без декларування в файлі, будь-який автоматичний вибір є в курсі байтів, який є вдогадкою, що зазвичай правий і при цьому впевнено невірно неправильно.
Управління файлами Windows-1252 файл — визначення кодування джерела та перезбереження його як UTF-8 перед перетворенням
Щоб врятувати файл спадщини, слід виконувати перетворення до роботи субтитрів, а не після. Відкрийте його в редакторі, який дозволяє вам керувати кодуванням з двох сторін, розкажіть, щоб відновити файл як Windows-1252, і підтвердіть акцентовані символи з'являються правильно. Якщо вони роблять, то справа була. Потім зберегти файл явно, як UTF-8.
Перевірити на рядок можна, ніж на файлі в цілому. Підберіть лік, що містить акцент, який ви знаєте, повинен бути там і перевірити його в конвертерному виході. До цього першого означає, що підзаголовок отримує файл, чиї байти вже відповідають кодуванню, він буде припускати, і крок перетворення нічого не залишається, щоб отримати неправильно.
Що це не криється — файли, які пошкоджені двома раундами неправильного перетворення, де вже втрачені оригінальні байти
Файл, який був через два неправильних перетворення, є різною проблемою. Якщо файл був непрочитаним, а потім збережений в цьому непрочитаному стані, невірні символи були написані як реальні символи, так і оригінальні байти не існує в будь-якій точці світу. У цьому місці немає нічого перезапустити, тому що файл тепер дійсно містить текст згортання.
Якщо ви не знаєте, що це не дивно, що це не означає, що ви не можете використовувати цю інформацію. А, що став символом заміни, що назавжди зникне: заміна є єдиною символом, що стоїть на місці, щоб ставити декодер не міг використовувати, і це не записувало, що байт був. Надійна фіксація - повернути на оригінальний файл.
Поруч: Стандартизація UTF-8 перед тим як перетворити — як працює підзаголовок на вашому файлі в браузері і чому WebVTT вихідний UTF-8 за визначенням
Стандарти UTF-8 перед перетворенням нічого. Файл сам не несе відповідальності за його кодування, тому кожна програма, яка відкриває її припущення, і спосіб зупинити припущення, не погоджується, щоб зробити їх все правильно. WebVTT знімає неоднорідність за визначенням, оскільки формат вимагає UTF-8, яка є однією з практичних причин для перетворення SRT вебВТТ для веб-доставки.
Перетворення відбувається на файлі в вкладці браузера. Перевірте результат на лінії, акценти якого ви можете продемонструвати, а не сканування для будь-якого, що виглядає неправильно, тому що файл з ручним акцентованим словом в дев'ятсот лік легко від'єднатися без вивчення частини, яка не змогла.