文字化け修復

使い方と仕様

文字化けは、ある文字コードで書かれたバイトの並びを、別の文字コードで読んだときに起きます。このツールは、「元は文字コード W で書かれていて、文字コード R で読み違えた」と仮定して、化けた文字列を R で書き出し直し、W で読み直します。W は UTF-8・Shift_JIS・EUC-JP、R は Shift_JIS・UTF-8・EUC-JP・Windows-1252（ISO-8859-1）で、同じものを除いた9通りをすべて試し、日本語として自然な順に並べます。候補ごとに、どの仮定で戻したかを書いています。

代表的な化け方は2つです。UTF-8 の日本語を Windows-1252 や ISO-8859-1 で読むと「ã‚ã„ã†」のように「ã」「â」などが並び、Shift_JIS で読むと「繧ゅ§縺ｰ」のように、画数の多い漢字や半角カナが混じります。EUC-JP を Shift_JIS で読むと、半角カナが並びます。Windows-1252 には文字の割り当てがない番号（0x81 など）があり、コピーすると抜けやすいので、「ã」のあとの1文字が抜けた形は、日本語らしくなる文字を推測して補い、補った数を表示します。

戻せないものがあります。「�」は、読み違えのときに、元のバイトが読めずに捨てられた印で、どのバイトだったかの情報が残っていません。Shift_JIS や EUC-JP の日本語を UTF-8 で読み違えると「�」だらけになり、UTF-8 を Shift_JIS で読んだときも、途中や末尾に「�」が出ます。このツールは「�」の部分を戻そうとせず、戻せた部分だけを候補にして、戻せなかった個数を表示します。全体が戻せないときは、そう表示します。

信頼度は、結果の文字が日本語として自然か（ひらがな・カタカナ・漢字・記号の割合、まれな漢字や半角カナが多くないか、戻せなかった文字がないか）から出した目安です。正しいことの保証ではありません。短い文字列や、漢字だけの文字列、数字・記号が中心の文字列では、複数の候補が似た点数になるので、読み比べて選んでください。Shift_JIS は、ブラウザの標準の変換表（Windows 向けの拡張を含む）で読みます。同じ文字が2か所にある文字（NEC 選定 IBM 拡張など）は、元のバイトが分からないため、日本語らしくなるほうを選びます。2回以上重ねて化けたもの、ISO-2022-JP（JIS）、UTF-16、絵文字には対応していません。