Guides

Réparer localement les textes illisibles GBK, Big5, Shift-JIS & EUC-KR

Diagnostiquez et convertissez en UTF-8 propre les fichiers chinois, japonais et coréens illisibles (GBK, GB18030, Big5, Shift-JIS, EUC-KR) en local.

3 min de lecture de lecture

Réponse rapide: Les exports anciens, sous-titres et fichiers d'Asie de l'Est utilisent souvent `GBK`, `GB18030`, `Big5`, `Shift-JIS` ou `EUC-KR`. Une validation UTF-8 stricte suivie d'une analyse statistique des octets dans le navigateur décode proprement vos flux `Uint8Array` vers UTF-8 sans téléversement.

Pourquoi les textes CJK deviennent ou Õ½ÚÒ»

Les anciens encodages régionaux codent les caractères d'Asie de l'Est sur 2 octets hors ASCII. Les fichiers Windows en chinois simplifié emploient souvent GBK ou GB18030, le chinois traditionnel Big5, le japonais Shift-JIS et le coréen hérité EUC-KR.

Lorsqu'un lecteur UTF-8 interprète ces octets bruts comme du Latin-1 ou insère des losanges de remplacement (`�`), le texte paraît détruit alors que le fichier d'origine contient toujours les octets exacts.

  • GBK / GB18030 : chinois simplifié, ancienne page de codes Windows 936.
  • Big5 : chinois traditionnel, page de codes 950 à Taïwan et Hong Kong.
  • Shift-JIS : page de codes japonaise 932 dans CSV, jeux et paroles.
  • EUC-KR : fichiers coréens hérités page 949 / KS X 1001.

Comment la détection stricte d'octets évite la double corruption

N'enregistrez jamais un fichier après l'avoir ouvert corrompu dans le Bloc-notes : vous remplaceriez définitivement les octets originaux par des caractères `�`. Décodez toujours le fichier source intact.

TxtTo teste d'abord `TextDecoder("utf-8", { fatal: true })`, inspecte les en-têtes BOM, lance une analyse statistique `chardet` et vous laisse choisir manuellement l'encodage source au besoin.

ts
const decoder = new TextDecoder("gb18030");
const cleanText = decoder.decode(originalFileBytes);
const utf8Bytes = new TextEncoder().encode(cleanText);

Convertir GBK / Big5 / Shift-JIS / EUC-KR en UTF-8

Réparer sous-titres CJK (.srt / .lrc) et dossiers par lots

Fansubs et fichiers de paroles karaoké sont souvent encodés en GBK ou Shift-JIS, affichant des carrés illisibles dans les lecteurs modernes et balises vidéo HTML5.

Déposez tout un lot de fichiers `.txt`, `.csv`, `.srt`, `.lrc` ou `.log` dans TxtTo pour les convertir simultanément en UTF-8 et télécharger une seule archive ZIP propre.

Réparer des CSV CJK avec BOM UTF-8 Excel

Uniformiser les fins de ligne après conversion d'encodage

Les exports issus d'anciennes pages de codes Windows comportent aussi des fins de ligne CRLF (`\r\n`). Pour intégrer ces scripts ou configs dans un dépôt Git macOS/Linux, enchaînez avec CRLF to LF.

Normaliser les fins de ligne CRLF vers LF

Références

Questions fréquentes

Quelle différence entre GBK et GB18030 ?

GB18030 est le sur-ensemble moderne de GBK et GB2312. Utiliser le décodeur GB18030 lit sans risque la quasi-totalité des anciens fichiers en chinois simplifié, caractères rares compris.

TxtTo peut-il récupérer un texte déjà sauvegardé avec des losanges U+FFFD ?

Si le fichier a été écrasé avec de vrais caractères U+FFFD, les octets d'origine sont perdus. Travaillez toujours depuis le fichier source non modifié.

WHATWG TextDecoder prend-il en charge Big5, Shift-JIS et EUC-KR hors ligne ?

Oui. Les navigateurs modernes intègrent nativement le standard WHATWG Encoding dans TextDecoder sans aucune table externe ni appel serveur.

Formats associés

Comparatifs associés

Guides associés