Réparer l’encodage d’un texte ou CSV

Pourquoi les accents deviennent du charabia

Si un fichier affiche deux ou trois symboles étranges là où devraient se trouver une lettre accentuée, une apostrophe ou un symbole monétaire, il a été lu avec le mauvais encodage de caractères. Le texte est stocké sous forme d’octets, et un encodage est la règle qui transforme les octets en lettres. Les systèmes modernes utilisent l’UTF-8. Les anciens programmes Windows, et Excel en particulier, enregistrent et chargent souvent le texte avec un encodage régional comme Windows-1252. Quand un fichier écrit d’une façon est lu de l’autre, chaque caractère hors de l’ASCII de base ressort faux. Les données ne sont pas perdues ; elles sont simplement décodées avec la mauvaise règle.

Deux problèmes différents, deux réparations

Le fichier est dans un encodage ancien. Un CSV exporté d’un vieil outil Windows est stocké en Windows-1252 ou ISO-8859-1. Les outils qui attendent de l’UTF-8 affichent des points d’interrogation ou des caractères de remplacement. Réparation : indiquez à cet outil l’encodage source et il réenregistre le fichier en UTF-8, que tout lit correctement.

Le fichier est doublement encodé. Quelqu’un a lu un fichier UTF-8 comme du Windows-1252 et l’a réenregistré, si bien que les octets corrects ont été réencodés en deux ou trois caractères faux chacun. C’est de là que vient le fameux A majuscule avec tilde devant chaque accent. Réparation : l’option de réparation inverse l’erreur en reconvertissant ces caractères en octets puis en les décodant correctement en UTF-8.

Détection automatique

Avec la source en automatique, l’outil tente d’abord de lire le fichier en UTF-8 strict. En cas d’échec, il se rabat sur Windows-1252. Si la lecture réussit mais que le texte contient les motifs caractéristiques du double encodage, il applique la réparation. Dans la plupart des cas, c’est tout ce qu’il faut ; ne fixez l’encodage à la main que si le résultat automatique semble encore faux.

L’option BOM

Excel sous Windows suppose encore un encodage régional à l’ouverture d’un CSV, sauf si le fichier commence par une marque d’ordre des octets. Activez le BOM quand le fichier retourne dans Excel ; laissez-le désactivé pour les bases de données, les outils de programmation et la plupart des imports web, dont certains traitent la marque comme une partie du premier nom de colonne.

Ce que vous obtenez

La sortie est un fichier texte UTF-8 avec le même nom et le même contenu, seulement encodé correctement. Cela fonctionne pour le CSV, le TXT et tout autre fichier texte brut. Rien n’est envoyé ; la réparation se fait dans votre navigateur.