Conversor de codificación de archivos de texto

De dónde vienen los desajustes de codificación

Los síntomas clásicos

• café aparece como café cuando los bytes UTF-8 se leen como Latin-1. Pon «Desde» en UTF-8 para volver a interpretar los bytes.
• ñ se convierte en ñ por el mismo motivo.
• Un doble mojibake como café significa que el texto se volvió a guardar tras la primera mala lectura, codificando otra vez la interpretación errónea.
• Un  al principio es una marca de orden de bytes UTF-8 que se ha leído como tres caracteres Latin-1.

En cuanto reconoces el síntoma, el camino suele estar claro: lee el texto como lo que realmente es (Latin-1, Windows-1252 o lo que corresponda) y vuelve a escribirlo como UTF-8.

Marcas de orden de bytes

Este conversor no añade ni elimina una marca de orden de bytes por elección: el comportamiento depende de la codificación de destino. La salida UTF-8 no lleva BOM. La salida UTF-16 simple empieza con un BOM y es big-endian, mientras que UTF-16BE y UTF-16LE escriben los bytes sin BOM. Elige UTF-8 salvo que un programa concreto pida UTF-16.

Cuando un carácter no tiene equivalente

Algunos bytes no significan nada en la codificación de origen que elegiste, y algunos caracteres no se pueden representar en la de destino. Cuando ocurre, la conversión sustituye por un marcador en lugar de detenerse. Lo que más importa es acertar con la codificación de origen: una cadena de solo ASCII es válida en todas las codificaciones, así que un desajuste suele aparecer solo cuando hay caracteres acentuados o no latinos.