Acerca de esta herramienta
El mojibake aparece cuando un texto guardado en una codificación se lee con otra; lo más habitual es que los bytes UTF-8 se decodifiquen como Windows-1252, lo que convierte «é» en «Ã©» y el cirílico en secuencias «Ð…Ñ…». Como no se pierde información, el daño se puede deshacer. Esta herramienta reconstruye los bytes originales y vuelve a decodificar solo las secuencias UTF-8 válidas, de modo que los caracteres correctos de un texto mixto no se tocan, y repite el proceso en caso de codificación doble o triple. En modo automático también prueba codificaciones antiguas —Windows-1251, KOI8-R, Shift-JIS y GBK— y elige el resultado más verosímil. El modo automático prueba 19 codificaciones antiguas —cirílicas (Windows-1251, KOI8-R/U, CP866), centroeuropea (Windows-1250), turca, griega, hebrea, árabe (Windows-1256), báltica, vietnamita (Windows-1258), tailandesa (TIS-620), japonesas (Shift-JIS, EUC-JP), chinas (GBK, Big5) y coreana (EUC-KR)— y se queda con el resultado que más se parece a un idioma real.
Como todas las herramientas de LanguageHelper, Reparador de codificación rota (mojibake) funciona por completo en tu navegador. Tu texto nunca se sube, se almacena ni se usa para entrenar modelos, por lo que es seguro para documentos confidenciales, datos de clientes y mensajes personales. No necesitas cuenta ni instalación, y la herramienta sigue funcionando sin conexión una vez cargada.
Cómo funciona
- Pega el texto ilegible.
- Mantén «Detectar automáticamente» o elige qué ocurrió si lo sabes.
- El texto reparado aparece al instante.
- Cópialo y vuelve a guardar el archivo original en UTF-8 para que no se repita.
Casos de uso
- Reparar archivos CSV abiertos en Excel con la codificación equivocada.
- Arreglar nombres y direcciones ilegibles en bases de datos y exportaciones de CRM.
- Recuperar correos, subtítulos y páginas web antiguas con caracteres rotos.
- Limpiar texto extraído de la web antes de analizarlo o traducirlo.
Ejemplos
Antes
Café crème
Después
Café crème
Antes
Привет
Después
Привет
Consejos para obtener mejores resultados
Copia el texto ilegible tal como aparece; no lo vuelvas a escribir. Si el modo automático no lo arregla del todo, prueba las codificaciones concretas: los archivos rusos solían usar Windows-1251 o KOI8-R, y los japoneses Shift-JIS. Tras repararlo, guarda tus archivos en UTF-8 y asegúrate de que el programa que los lee también esté configurado en UTF-8.
Preguntas frecuentes
¿Qué causa el mojibake?
Un programa lee los bytes con la codificación equivocada: un CSV exportado en UTF-8 que Excel abre como Windows-1252, una conexión a base de datos con el juego de caracteres incorrecto o un correo sin la cabecera charset.
¿Se puede arreglar cualquier texto ilegible?
El texto se puede recuperar cuando la decodificación errónea conservó todos los bytes, que es lo habitual. Si los caracteres se sustituyeron por «?» o «�» al guardar, la información original se perdió y no puede restaurarse.
¿Qué es la doble codificación?
Un texto que se decodificó mal y se volvió a guardar dos veces, lo que produce secuencias como «ÃƒÂ©». El reparador repite la corrección hasta tres veces, hasta que el texto queda limpio.
¿Estropeará un texto que ya es correcto?
No. Solo se vuelven a decodificar las secuencias de bytes que forman UTF-8 válido, y los caracteres bien codificados como «naïve» o «—» se conservan.
¿Qué codificaciones admite?
UTF-8 mal leído como Windows-1252 o ISO-8859-1 (incluida la doble codificación) y 19 codificaciones antiguas que cubren los 20 idiomas del sitio: Windows-1250, 1251, 1253, 1254, 1255, 1256, 1257, 1258, KOI8-R, KOI8-U, CP866, ISO-8859-2, TIS-620/Windows-874, Shift-JIS, EUC-JP, GBK/GB18030, Big5 y EUC-KR. Elige una de forma explícita si la detección automática se equivoca.
¿Cómo puedo evitar el mojibake en el futuro?
Guarda los archivos en UTF-8, declara el charset en las cabeceras HTML y de correo, configura las conexiones a bases de datos en utf8mb4 y, al abrir CSV en Excel, usa Datos → Desde texto/CSV con UTF-8 seleccionado.