CSV-encoding en mojibake: kapotte tekst repareren
Müller wordt Müller, café wordt café. Mojibake is het klassieke teken van een encoding-conflict, en het is te voorkomen.
Elk tekstbestand is een reeks bytes die alleen onder een bepaalde tekencodering zin heeft. Wanneer schrijver en lezer het oneens zijn over de codering, ontstaat mojibake: de verminkte tekens als een accent verkeerd wordt gedecodeerd.
Dat is niet cosmetisch. Bij een data-import verpest mojibake namen, adressen en omschrijvingen, en het is achteraf moeilijk op te schonen.
De encodings die je tegenkomt
Drie encodings dekken het grootste deel van echte CSV-bestanden: UTF-8 is de moderne standaard; Latin-1 (ISO-8859-1) is een oudere West-Europese codering; Windows-1252 is de Microsoft-uitbreiding. Ze overlappen in pure ASCII, dus problemen duiken pas op bij een accent, umlaut of valutateken.
Stap voor stap
- Bestand kiezen – Open de tekst-encoding-converter en kies je bestand.
- Encoding herkennen – De tool herkent de werkelijke encoding.
- Naar UTF-8 omzetten – Converteer de tekst naar schone UTF-8.
- Resultaat gebruiken – Kopieer of download de opgeschoonde tekst.
Typische encoding-problemen
| Probleem | Typische oorzaak | Oplossing |
|---|---|---|
| ä, ö, ü in plaats van umlauten | UTF-8 gelezen als Windows-1252 | decoderen als UTF-8 |
| € in plaats van € | UTF-8 gelezen als Windows-1252 | decoderen als UTF-8 |
| �-vervangteken | ongeldige bytes | eerst encoding herkennen |
| Vakjes of lege plekken | encoding verloren bij export | opnieuw als UTF-8 exporteren |
Tips
- Standaardiseer op UTF-8 voor elke export en import.
- Test met een voorbeeldbestand dat accenten bevat.
- Ruim gevoelige data lokaal op, zodat niets je netwerk verlaat.
Waarom lokaal in plaats van uploaden?
Veel online diensten uploaden je bestand naar een server, verwerken het daar en bewaren het een tijdje. Voor persoonlijke foto's, identiteitsbewijzen of vertrouwelijke documenten is dat een onnodig risico. FormatFlash werkt daarentegen volledig in je browser: het bestand wordt gelezen, geconverteerd en opgeslagen op je apparaat, zonder dat er een kopie vertrekt.
Dat heeft twee voordelen. Ten eerste blijft je privacy behouden; ten tweede verdwijnen wachtrijen en limieten: er is geen server die vol kan raken en geen daglimiet. Je kunt dat zelf controleren door de ontwikkelaarstools te openen en het tabblad Netwerk te bekijken tijdens het converteren: lokale verwerking veroorzaakt geen uploadverzoek.
Bovendien werken lokale tools ook offline of bij een langzame verbinding, want na de eerste keer laden staat de app in de browsercache. En omdat de verwerking puur rekenwerk op je apparaat is, hangt de snelheid van je toestel af en niet van een server: op een moderne computer of telefoon duurt het meestal enkele seconden.
Een bijkomend voordeel: lokale tools zijn vaak sneller omdat er geen upload en download nodig is. Je ziet het resultaat zodra het klaar is, zonder op een server te wachten. En omdat er geen account nodig is, laat je ook geen sporen achter op een platform. Zo blijft de hele verwerking in jouw handen, van begin tot eind.
Veelgemaakte fouten
- Verkeerd bestand: controleer de extensie voordat je begint, zodat het resultaat klopt.
- Kwaliteit te laag: bij foto's valt dat snel op; verlaag stap voor stap.
- Metadata: bij delen kan een foto de locatie bevatten; lokale tools verwijderen die.
- Formaat niet ondersteund: sommige doelen eisen een bepaald formaat; controleer dat vooraf.
Veelgestelde vragen
Wat is mojibake?
Dat is de verminkte tekst wanneer een bestand met de verkeerde codering wordt gelezen, bijvoorbeeld UTF-8 als Windows-1252. Tekens als ä en é worden ä en é.
Waarom maakt Excel CSV-encoding kapot?
Excel neemt bij openen vaak een lokaal ouderwetse codering aan in plaats van UTF-8, waardoor accenten en symbolen verkeerd worden gelezen.
Hoe repareer ik mojibake automatisch?
Herkennen de werkelijke encoding van de bron en converteer naar UTF-8. FormatFlash biedt daarvoor een tekst-encoding-converter in de browser.
Conclusie
Mojibake voorkomen is goedkoper dan repareren, want een verkeerd opgeslagen bestand verliest zijn oorspronkelijke bytes voorgoed. Standaardiseer op UTF-8, test met accenten en houd een lokale converter bij de hand voor oudere bestanden.