Sous-titres affichant des points d'interrogation ou des caractères bizarres ? Réparer un fichier SRT

Equalang

En bref

Identifiez si vos sous-titres SRT illisibles sont dus à un encodage obsolète (Mojibake) ou à une police incomplète (Tofu), et convertissez vos fichiers en UTF-8 sans altérer le texte.

Mots-clés: sous titres point d interrogation; vlc sous titres point d interrogation; convertir srt en utf 8; sous titre caractere bizarre; encodage sous titre vlc

Lorsque les sous-titres s'affichent sous forme de points d'interrogation, de lettres accentuées corrompues ou de rectangles vides, vous êtes confronté à l'un de deux problèmes fondamentalement distincts. Des symboles anormaux tels que ``, ???, é ou un mélange aléatoire de caractères signalent une incompatibilité d'encodage (Mojibake) : votre lecteur multimédia interprète un ancien fichier .srt encodé selon une page de code régionale comme de l'UTF-8 (ou l'inverse). En revanche, des rectangles vides uniformes (□□□) traduisent des glyphes manquants dans la police (« Tofu ») : le fichier est déjà parfaitement encodé en UTF-8, mais la police de sous-titres active ne contient pas les caractères nécessaires pour le chinois, le japonais, le coréen, l'arabe ou le thaï.

Identifier le symptôme affiché à l'écran prend cinq secondes et vous évitera de modifier le mauvais réglage ou d'écraser définitivement votre fichier de sous-titres.

Mauvais encodage ou glyphes manquants : repérer la différence

Les fichiers .srt anciens issus de banques de sous-titres ont fréquemment été enregistrés avec des pages de code régionales à octet unique plutôt qu'en Unicode UTF-8. Comme un fichier texte brut .srt ne comporte aucun en-tête obligatoire pour déclarer son encodage, les lecteurs multimédias doivent deviner son format, se rabattre sur l'UTF-8 ou utiliser la page de code locale du système d'exploitation.

Observez ce qui s'affiche à l'écran pour diagnostiquer la cause exacte :

Symptôme à l'écranCause techniquePourquoi cela arriveLa solution appropriée
`` (losange avec point d'interrogation) ou ???Octets d'un encodage obsolète lus comme de l'UTF-8Des caractères mono-octets (comme les lettres accentuées en Windows-1252 ou le cyrillique en Windows-1251) forment des séquences invalides pour un lecteur attendant de l'UTF-8.Rouvrir le .srt avec son encodage d'origine, vérifier le texte, puis le convertir et l'enregistrer en UTF-8.
é, à , ¿ ou æ—¥Octets UTF-8 lus comme une page de code obsolèteUn caractère multi-octets valide en UTF-8 (comme é, encodé sur deux octets 0xC3 0xA9) est découpé et affiché octet par octet en Windows-1252.Configurer l'encodage par défaut des sous-titres du lecteur sur UTF-8, ou ajouter un BOM UTF-8 pour les anciens téléviseurs.
Caractères asiatiques incohérents ou salade de lettres latinesMauvaise page de code régionale multi-octetsUn fichier enregistré en GB18030/GBK, Big5, Shift_JIS ou EUC-KR est décodé avec une page de code occidentale ou d'une autre langue asiatique.Rouvrir le fichier avec l'encodage régional correspondant dans VS Code ou via iconv, puis l'enregistrer en UTF-8.
Rectangles vides uniformes (□□□)Glyphes manquants dans la police (« Tofu »)Le fichier .srt est déjà un UTF-8 valide et le lecteur identifie les points de code Unicode, mais la police sélectionnée ne contient aucun glyphe pour cette écriture.Ne pas modifier l'encodage du fichier ; changer la police des sous-titres dans le lecteur pour une police Unicode compatible.

Prenons par exemple une ligne en français contenant des accents et un point d'interrogation inversé :

14
00:01:12,400 --> 00:01:15,100
¿Où est le café ?

Si ce fichier a été enregistré en Windows-1252 et que votre lecteur attend strictement de l'UTF-8, les octets représentant ¿, ù et é constituent des séquences UTF-8 invalides, et le lecteur affiche des caractères de substitution :

14
00:01:12,400 --> 00:01:15,100
O est le caf ?

À l'inverse, si le fichier .srt est déjà correctement encodé en UTF-8 (é = 0xC3 0xA9), mais que votre lecteur décode les sous-titres en Windows-1252, chaque octet est affiché comme un caractère indépendant :

14
00:01:12,400 --> 00:01:15,100
¿Où est le café ?

Attention avant d'enregistrer : comment détruire définitivement un fichier SRT

Avant d'ouvrir un fichier .srt illisible dans un éditeur de texte pour cliquer sur « Enregistrer sous UTF-8 », prenez garde à l'erreur la plus fréquente en dépannage de sous-titres.

Si vous ouvrez un fichier .srt dans un éditeur où le texte **s'affiche déjà sous la forme de , `???` ou `é`**, et que vous cliquez immédiatement sur **Enregistrer sous UTF-8**, vous détruisez définitivement le texte d'origine. L'éditeur prend les caractères de remplacement actuellement visibles à l'écran et écrit leurs octets `UTF-8` réels (`U+FFFD` pour ou U+003F pour ?) sur le disque, écrasant à jamais les octets régionaux d'origine. Une fois cette opération effectuée, aucun convertisseur ne pourra retrouver les lettres disparues.

La procédure sûre à suivre :

  1. Faites d'abord une copie de sauvegarde de votre fichier .srt original.
  2. Demandez à votre éditeur de réinterpréter (rouvrir) les octets bruts du disque avec l'encodage source approprié jusqu'à ce que chaque mot redevienne parfaitement lisible.
  3. Seulement après avoir vérifié que les caractères sont corrects à l'écran, enregistrez (convertissez) le fichier en UTF-8.

Quel encodage d'origine mon fichier SRT utilise-t-il ?

Pour rouvrir un fichier .srt ancien, faites correspondre la langue des sous-titres avec sa page de code historique courante :

Langue des sous-titresEncodage historique à testerSymptôme typique avant correction
Français, anglais, espagnol, allemand, italien, portugaisWindows-1252 (Europe occidentale)Voyelles accentuées (é, à, è), cédilles et guillemets deviennent des `` ou é
Russe, ukrainien, bulgare, serbe (cyrillique)Windows-1251 (Cyrillique)Lignes entières remplacées par des `` ou des lettres latines accentuées (Ïðèâåò)
ArabeWindows-1256 (Arabe)Dialogues transformés en `` ou en signes de ponctuation épars
Chinois simplifiéGB18030 ou GBKRépliques transformées en `` ou en symboles disparates
Chinois traditionnelBig5Répliques transformées en caractères erronés, symboles ou points d'interrogation
JaponaisShift_JISKanjis et kanas altérés en demi-chasse ou en ``
CoréenEUC-KRBlocs de hangeul transformés en `` ou en suites de lettres sans suite

Méthode 1 : convertir un fichier SRT en UTF-8 en toute sécurité avec VS Code

Visual Studio Code simplifie cette réparation car il sépare clairement Reopen with Encoding (changer la lecture des octets existants sur le disque) de Save with Encoding (convertir et écrire de nouveaux octets).

  1. Ouvrez votre fichier .srt dans VS Code. Si les sous-titres sont illisibles (???, `` ou symboles corrompus), ne modifiez pas et n'enregistrez pas le fichier pour l'instant.
  2. Dans la barre d'état tout en bas à droite, cliquez sur l'indicateur d'encodage (qui affiche généralement UTF-8).
  3. Choisissez Reopen with Encoding (Rouvrir avec l'encodage) dans le menu déroulant en haut de la fenêtre.
  4. Sélectionnez l'encodage correspondant à la langue dans le tableau ci-dessus (par exemple Western (Windows 1252) pour le français ou l'espagnol, Cyrillic (Windows 1251) pour le russe, ou Simplified Chinese (GB18030) pour le chinois simplifié).
  5. Vérifiez la fenêtre d'édition. Si les dialogues sont encore illisibles, recliquez sur l'indicateur d'encodage, sélectionnez Reopen with Encoding et testez une autre option jusqu'à ce que chaque accent et caractère apparaisse nettement.
  6. Dès que le texte est parfaitement lisible à l'écran, cliquez une dernière fois sur le nom de l'encodage en bas à droite.
  7. Choisissez Save with Encoding (Enregistrer avec l'encodage) -> UTF-8.

Votre fichier .srt est désormais réellement converti en UTF-8. Il fonctionnera sur tous les lecteurs de bureau, navigateurs et applications mobiles, que ce soit pour visionner une piste unique, configurer des sous-titres doubles dans VLC ou préparer un fichier source propre avant de suivre notre guide de traduction de sous-titres SRT.

Méthode 2 : convertir des fichiers SRT en UTF-8 dans le terminal avec iconv

Sous macOS ou Linux, vous pouvez convertir les fichiers .srt d'anciennes versions directement en ligne de commande grâce à iconv. L'outil lit les octets source avec -f (from) et écrit de l'UTF-8 propre dans un nouveau fichier avec -t (to) sans altérer votre fichier d'origine.

Convertir un fichier de sous-titres d'Europe occidentale (Windows-1252) en UTF-8 :

iconv -f WINDOWS-1252 -t UTF-8 old.srt > utf8.srt

Convertir un fichier en cyrillique (Windows-1251), en chinois simplifié (GB18030) ou en japonais (Shift_JIS) en UTF-8 :

# Russe / Cyrillique
iconv -f WINDOWS-1251 -t UTF-8 movie-ru.srt > movie-ru-utf8.srt

# Chinois simplifié
iconv -f GB18030 -t UTF-8 movie-zh.srt > movie-zh-utf8.srt

# Japonais
iconv -f SHIFT_JIS -t UTF-8 movie-ja.srt > movie-ja-utf8.srt

Redirigez systématiquement la sortie vers un nouveau nom de fichier (> utf8.srt) plutôt que vers le fichier initial (> old.srt), ce qui tronquerait votre fichier source avant qu'iconv n'ait fini de le lire.

Rectangles vides (□□□) dans VLC malgré un encodage UTF-8 : corriger la police

Si vos sous-titres apparaissent sous la forme de rectangles vides réguliers (□□□), convertir l'encodage du fichier .srt ne résoudra rien. Ces rectangles signifient que VLC a déjà décodé correctement le texte UTF-8 et localisé les points de code Unicode, mais que la police actuellement sélectionnée ne dispose d'aucun tracé graphique pour ce système d'écriture.

Ce phénomène survient fréquemment sur les téléviseurs connectés ou les installations récentes de VLC où la police de sous-titres par défaut ne couvre que l'alphabet latin, dès lors que vous chargez un fichier .srt en chinois, japonais, coréen, thaï ou arabe.

Pour corriger □□□ dans VLC immédiatement :

  1. Ouvrez VLC et accédez à VLC > Préférences (sur macOS) ou Outils > Préférences (sur Windows/Linux).
  2. Cliquez sur l'onglet Sous-titres / OSD.
  3. Repérez le menu déroulant Police dans la section Effets des sous-titres.
  4. Remplacez la police par une police compatible Unicode ou CJK installée sur votre système :
    • Multiplateforme / Linux : Noto Sans CJK ou Arial Unicode MS
    • macOS : PingFang SC ou Arial Unicode MS
    • Windows : Microsoft YaHei ou Arial Unicode MS
  5. Dans ce même onglet, réglez l'Encodage par défaut sur Universel (UTF-8) afin que VLC ne tente pas de décoder des fichiers UTF-8 récents selon une page de code locale obsolète.
  6. Cliquez sur Enregistrer, quittez complètement VLC et relancez la vidéo (VLC conserve le moteur de rendu des sous-titres en cache tant qu'une vidéo est en cours de lecture).

Foire aux questions (FAQ)

Pourquoi mes lettres accentuées ou points d'interrogation s'affichent-ils comme é ou ¿ ?

En UTF-8, les caractères ne faisant pas partie de l'ASCII de base sont encodés sur deux à quatre octets. Par exemple, la lettre é est stockée sous la forme de la séquence à deux octets 0xC3 0xA9, et le point d'interrogation inversé ¿ sous la forme 0xC2 0xBF. Lorsqu'un lecteur multimédia ou un éditeur est configuré sur un encodage mono-octet comme Windows-1252 au lieu d'UTF-8, il traite chaque octet comme un caractère distinct, transformant 0xC3 0xA9 en é et 0xC2 0xBF en ¿. Il suffit de basculer l'encodage des sous-titres du lecteur sur UTF-8 pour corriger l'affichage immédiatement.

Est-il possible de récupérer un fichier SRT déjà écrasé et enregistré avec des caractères ??? ou `` ?

Non. Dès lors qu'un éditeur enregistre un fichier alors que des symboles `` (U+FFFD) ou ? (U+003F) sont affichés, chaque caractère corrompu est remplacé par la séquence d'octets propre à ce substitut. Comme plusieurs dizaines de lettres différentes ont été écrasées par le même symbole générique, les octets d'origine ont disparu. Vous devez télécharger à nouveau le fichier .srt d'origine et utiliser l'option Reopen with Encoding avant de l'enregistrer en UTF-8.

Faut-il enregistrer son fichier SRT en UTF-8 standard ou en UTF-8 avec BOM ?

L'UTF-8 standard (sans indicateur d'ordre des octets ou BOM) est la recommandation universelle du Consortium Unicode et fonctionne sur la totalité des lecteurs modernes, des balises web <track> et des outils de sous-titrage. Toutefois, si un téléviseur ancien lisant sur clé USB ou un logiciel Windows historique continue de basculer sur une page de code locale, enregistrer en UTF-8 avec BOM ajoute trois octets d'identification (0xEF 0xBB 0xBF) au début du fichier pour forcer le logiciel à le reconnaître comme de l'UTF-8.

Sources et références