Detector de codificação de texto

Como funciona

Um arquivo de texto exibido com caracteres estranhos ("é" em vez de "é") geralmente sofre de um problema de codificação mal detectada pelo programa que o abre. Esta ferramenta analisa os bytes brutos do arquivo: se formarem uma sequência UTF-8 válida, ela a identifica (ASCII se todos os bytes forem menores que 128, UTF-8 caso contrário); senão, verifica a presença de um BOM UTF-16 e, em último caso, presume Latin-1/Windows-1252, uma codificação de um byte em que qualquer sequência de bytes é tecnicamente válida.

Por que a confiança às vezes é "baixa"?

Ao contrário do UTF-8 (que tem uma estrutura interna verificável) ou do UTF-16 (identificável pelo BOM), a codificação Latin-1/Windows-1252 não tem nenhuma assinatura: qualquer sequência de bytes é válida nela. Quando nenhuma outra codificação corresponde, a ferramenta sugere Latin-1 por padrão, mas com baixa confiança, pois é apenas uma suposição razoável.

Por que um arquivo UTF-8 às vezes é detectado como ASCII?

O ASCII é um subconjunto estrito do UTF-8: se todos os bytes do arquivo forem menores que 128 (0x80), o arquivo é válido tanto em ASCII quanto em UTF-8. A ferramenta exibe então "ASCII", pois é a codificação mais restritiva e universalmente compatível que descreve corretamente o arquivo.

Processamento 100% local: a análise é feita inteiramente no seu navegador via WebAssembly, e seu arquivo nunca sai do seu dispositivo.