niewłaściwe kodowanie znaków

Niewłaściwe kodowanie znaków objawia się zniekształceniem polskich liter w temacie lub treści wiadomości.

Skąd biorą się zniekształcone polskie litery

Niewłaściwe kodowanie znaków polega na tym, że bajty zapisane przez jeden program są odczytywane według innej tabeli znaków. W efekcie litery takie jak ą, ć, ę, ł, ń, ó, ś, ź i ż mogą zostać zastąpione przypadkowymi symbolami, znakami zapytania albo ciągami w rodzaju „ó” lub „Ä…”. Problem nie musi oznaczać uszkodzenia pliku ani awarii dysku. Często dotyczy wyłącznie sposobu interpretowania poprawnie zapisanych danych.

Współczesne systemy zwykle korzystają z Unicode, czyli wspólnego standardu przypisującego znakom numery niezależne od konkretnego programu. UTF-8 jest sposobem kodowania znaków Unicode na postać bajtów i jest powszechnie stosowany w stronach internetowych, plikach tekstowych oraz wiadomościach elektronicznych. Starsze dokumenty lub programy mogą natomiast używać lokalnych stron kodowych, na przykład Windows-1250 dla języków Europy Środkowej. Jeżeli aplikacja zapisze tekst jako UTF-8, a odbiorca odczyta go jako Windows-1250, polskie znaki zostaną błędnie zinterpretowane.

Kodowanie tematu i treści wiadomości

W poczcie elektronicznej temat i treść wiadomości są przekazywane według odrębnych reguł. Informacja o kodowaniu treści znajduje się zwykle w nagłówku MIME, na przykład w parametrze charset=UTF-8 przy nagłówku Content-Type. Dla zwykłego tekstu może wystąpić zapis Content-Type: text/plain; charset=UTF-8, a dla wiadomości HTML Content-Type: text/html; charset=UTF-8. Odbiorca powinien użyć tej informacji podczas dekodowania bajtów. Jej brak, błędna wartość albo niezgodność z faktycznym zapisem wiadomości może spowodować nieprawidłowe wyświetlenie znaków.

Temat wiadomości jest częścią nagłówków, dlatego znaki spoza podstawowego zakresu ASCII mogą być zapisane za pomocą mechanizmu MIME encoded-word. Spotykane są oznaczenia UTF-8?B?, wskazujące na kodowanie Base64, oraz UTF-8?Q?, wskazujące na kodowanie quoted-printable. Te oznaczenia nie są samym kodowaniem znaków, lecz opisują sposób bezpiecznego umieszczenia zakodowanego tekstu w nagłówku. Błąd w generowaniu lub odczycie takiego nagłówka może dotknąć temat wiadomości, nawet gdy treść jest wyświetlana prawidłowo. Z kolei przy wiadomościach HTML dodatkowe znaczenie ma deklaracja kodowania w nagłówku HTTP albo w dokumencie HTML, na przykład element <meta charset="UTF-8">.

Rozróżnienie błędu zapisu, odczytu i wyświetlania

Diagnostyka powinna ustalić, na którym etapie powstaje problem. Najpierw warto porównać tę samą wiadomość w webmailu, innym programie pocztowym oraz na innym urządzeniu. Jeżeli zniekształcenia występują tylko w jednym kliencie, prawdopodobną przyczyną jest jego konfiguracja, sposób interpretacji nagłówków albo błąd renderowania. Jeżeli problem pojawia się u wszystkich odbiorców, trzeba sprawdzić sposób generowania wiadomości przez aplikację wysyłającą. Pomocne jest wyświetlenie źródła wiadomości i odszukanie nagłówków Content-Type, Content-Transfer-Encoding oraz informacji o kodowaniu tematu.

W plikach tekstowych podobny objaw może wynikać z otwarcia dokumentu w niewłaściwym trybie. Edytor powinien pozwalać odczytać lub ponownie zapisać plik z określonym kodowaniem, na przykład UTF-8. Trzeba jednak odróżnić zmianę sposobu odczytu od konwersji zawartości. Jeżeli tekst został już wcześniej błędnie zdekodowany i zapisany, ponowne ustawienie UTF-8 nie zawsze go naprawi, ponieważ w pliku mogą znajdować się już zmienione znaki. Bezpieczna konwersja wymaga wskazania rzeczywistego kodowania źródłowego, sprawdzenia polskich znaków w podglądzie i dopiero później zapisania wyniku w docelowym formacie.

Przywracanie poprawnego wyświetlania w systemie użytkownika

W przypadku wiadomości elektronicznych należy rozpocząć od aktualizacji programu pocztowego i sprawdzenia ustawień języka, regionu oraz domyślnego kodowania, o ile dana aplikacja udostępnia takie opcje. Warto również wysłać wiadomość testową zawierającą wszystkie polskie znaki w temacie i treści, zarówno jako zwykły tekst, jak i HTML. Jeżeli wiadomość jest poprawna w źródle, ale niepoprawna na ekranie, należy sprawdzić czcionkę, sposób renderowania HTML oraz dodatki modyfikujące pocztę. Jeżeli źródło zawiera niezgodną deklarację charset, naprawy wymaga program tworzący wiadomość albo ustawienia systemu, z którego korzysta ten program.

Warszawskie Pogotowie Komputerowe zajmuje się profesjonalną naprawą laptopów i komputerów PC, w tym diagnostyką problemów z programami pocztowymi, edytorami tekstu, plikami oraz ustawieniami systemu odpowiedzialnymi za prawidłowe wyświetlanie znaków. Podczas serwisowania można rozdzielić usterkę aplikacji od problemu z konkretnym dokumentem lub wiadomością, wykonać kopię materiału testowego i sprawdzić rezultat na kilku programach. Takie postępowanie ogranicza ryzyko nadpisania oryginalnych danych błędnie przekodowanym tekstem i ułatwia wskazanie rzeczywistego miejsca powstawania zniekształceń.