Convertitore di codifica dei file (UTF-8 con BOM, Shift_JIS)
Converta la codifica di un file CSV o di testo. Aggiunga un BOM perché Excel apra correttamente l'UTF-8, oppure converta in Shift_JIS. Tutto nel browser.
Impostazioni consigliate per ogni scopo
La codifica giusta dipende da chi riceve il file. Da usare come riferimento.
| Cosa vuole fare | Impostazione consigliata |
|---|---|
| Aprire un CSV UTF-8 direttamente in Excel | UTF-8 con BOM |
| Importare in un gestionale datato | Shift_JIS con CRLF |
| Leggere il file da un programma | UTF-8 senza BOM e LF |
| Aprire in Excel per Mac | UTF-8 con BOM |
| Importare in Fogli Google | UTF-8, BOM facoltativo |
| Preparare un testo per un client di posta datato | ISO-2022-JP (JIS) |
Le codifiche in breve
Che cosa supporta questo strumento e a cosa fare attenzione.
| Codifica | Note |
|---|---|
| UTF-8 | Lo standard attuale; copre tutti gli alfabeti e le emoji. |
| UTF-8 con BOM | Tre byte iniziali perché Excel non sbagli a indovinare la codifica. |
| Shift_JIS | Usata a lungo su Windows giapponese. Non rappresenta emoji né alcuni kanji varianti. |
| EUC-JP | Codifica giapponese usata soprattutto sui sistemi UNIX. |
| ISO-2022-JP (JIS) | La codifica della posta giapponese. Non rappresenta i katakana a mezza larghezza. |
Perché i file CSV compaiono con caratteri illeggibili
Quando i caratteri si sfaldano aprendo un CSV in Excel, la causa è quasi sempre una discrepanza tra la codifica del file e quella che Excel presume. In assenza di qualsiasi indizio nel CSV, Excel su Windows suppone che il contenuto sia nella codifica storica locale — in ambiente giapponese, Shift_JIS. Ma oggi servizi web e programmi scrivono i CSV in gran parte in UTF-8, e leggere una sequenza di byte UTF-8 come Shift_JIS produce stringhe sfaldate come « 譁�蟄怜喧縺� ».
Le soluzioni sono due. La prima è convertire il file in Shift_JIS; la seconda è lasciarlo in UTF-8 e aggiungere in testa un BOM (Byte Order Mark, un contrassegno di 3 byte). Con il BOM Excel riconosce « questo è UTF-8 » e i caratteri illeggibili scompaiono senza toccare il contenuto. Questo strumento gestisce entrambe le conversioni e determina automaticamente la codifica del file di partenza. L'elaborazione avviene interamente nel browser: il file non viene mai inviato a un server.
Come si usa la conversione di codifica
- Scegliete il file Trascinate un file CSV o di testo, oppure fate clic per selezionarlo. Alla lettura, codifica e fine riga vengono determinate automaticamente.
- Verificate il riconoscimento nell'anteprima Se i caratteri nell'anteprima si leggono correttamente, il riconoscimento è riuscito. Se appaiono sfaldati, potreste aver scelto qualcosa che non è un file di testo.
- Scegliete la codifica di destinazione Per aprirlo in Excel, « UTF-8 » più « aggiungi BOM »; per importarlo in un vecchio sistema gestionale, « Shift_JIS ».
- Scaricate Premete « Converti e scarica »: il file viene salvato con un suffisso di codifica aggiunto al nome originale (_utf8bom, _sjis e così via).
Consigli per sfruttarlo al meglio
- Se il file deve solo aprirsi in Excel, UTF-8 con BOM è la scelta più sicura: non si perde alcun carattere.
- La conversione in Shift_JIS sostituisce con «?» i caratteri non rappresentabili. Lo strumento li elenca prima.
- Non aggiunga il BOM ai file che verranno letti da un programma: finisce spesso nel nome della prima colonna.
Quando vi serve
Un CSV esportato da un servizio web è illeggibile in Excel
Molti servizi esportano dati di vendita o elenchi di iscritti in UTF-8; aperti direttamente in Excel, i caratteri si sfaldano. Basta aggiungere un BOM.
Impossibile importare in un software di contabilità o paghe
I vecchi sistemi gestionali a volte accettano solo CSV in Shift_JIS. Convertite il file UTF-8 in Shift_JIS perché l'importazione riesca.
Leggendo con un programma un CSV con BOM la prima colonna risulta errata
Il BOM è composto da tre byte invisibili e, leggendo così com'è, si infila nel primo nome di campo. Convertire in UTF-8 senza BOM risolve.
Fini di riga diverse (CRLF/LF) fanno sembrare tutto una riga sola
Un file creato su Mac con LF può apparire come una sola riga in una vecchia applicazione Windows, perché gli a capo vengono ignorati. Convertire in CRLF prima di consegnarlo risolve. Al contrario, un file CRLF creato su Windows lascia un ^M a fine riga nei comandi Unix: in quel caso convertite in LF.
Consultare il contenuto di un file illeggibile
Poiché la codifica viene riconosciuta automaticamente e il file riletto correttamente, potete vedere nell'anteprima il contenuto di un file che non si apriva in modo leggibile.
I termini della codifica dei caratteri
- Codifica dei caratteri
- La regola che associa i caratteri alle sequenze di byte nel computer. Se la regola differisce tra scrittura e lettura, nascono caratteri illeggibili.
- BOM
- Sigla di Byte Order Mark, un contrassegno di 3 byte (EF BB BF) posto all'inizio del file. Comunica alle applicazioni che si tratta di UTF-8, ma nella lettura da programma può essere trattato come un carattere di troppo.
- Fine riga
- I byte che indicano la fine di una riga. Windows usa CRLF (2 byte), Mac e Linux LF (1 byte): passando da un sistema all'altro tutto può sembrare una riga sola oppure compaiono righe in eccesso.
- Shift_JIS
- Una codifica a lungo molto diffusa nell'ambiente Windows giapponese. Copre meno caratteri di UTF-8 e non riesce a rappresentare le emoji né alcune varianti di carattere.
- Caratteri illeggibili (mojibake)
- Lo stato in cui, dopo una lettura con la codifica sbagliata, si allineano caratteri privi di senso. Una sequenza come « 譁�蟄怜喧 » è il caso tipico di UTF-8 letto come Shift_JIS.
Domande frequenti
Curiosità — Che cosa rivela un testo illeggibile
Il testo illeggibile segue schemi riconoscibili. Le sequenze di kanji senza relazione compaiono quando byte UTF-8 vengono letti come Shift_JIS: in UTF-8 un carattere giapponese occupa tre byte, rileggerli a coppie produce caratteri completamente diversi. L'errore opposto genera file di caratteri sostitutivi, perché le sequenze di byte non sono valide.
Il BOM è nato per UTF-16, dove indica l'ordine dei byte. UTF-8 non ha questa ambiguità e lo standard Unicode ne sconsiglia l'uso; è sopravvissuto nel mondo Windows perché le applicazioni che possono solo indovinare la codifica avevano bisogno di un contrassegno esplicito.