Sottotitoli con punti interrogativi o caratteri strani? Come correggere i file SRT

Equalang

In breve

Scopri se i sottotitoli SRT illeggibili dipendono da una codifica errata o da caratteri mancanti nel font, e converti i file in UTF-8 senza danneggiare il testo.

Parole chiave: sottotitoli con punti interrogativi; vlc sottotitoli caratteri strani; convertire srt in utf 8; correggere sottotitoli srt illeggibili; codifica errata sottotitoli

Quando i sottotitoli mostrano punti interrogativi, lettere accentate illeggibili o rettangoli vuoti, il problema è riconducibile a una di due cause completamente distinte. Simboli anomali come ``, ???, é o sequenze di caratteri casuali indicano una mancata corrispondenza della codifica dei caratteri (Mojibake): il lettore multimediale sta interpretando un vecchio file .srt codificato con una tabella regionale come se fosse in UTF-8 (o viceversa). Al contrario, rettangoli vuoti uniformi (□□□) indicano la mancanza di glifi nel font (il cosiddetto "Tofu"): il file è già in formato UTF-8 valido, ma il font impostato per i sottotitoli nel riproduttore non possiede i caratteri grafici per lingue come cinese, giapponese, coreano, arabo o thailandese.

Riconoscere quale sintomo appare sullo schermo richiede appena cinque secondi ed evita di modificare le impostazioni sbagliate o di sovrascrivere irrimediabilmente il file dei sottotitoli.

Codifica errata o glifi mancanti nel font: individuare la differenza

I file .srt più datati provenienti da archivi online venivano spesso salvati utilizzando tabelle di codifica regionali o a singolo byte anziché lo standard universale Unicode UTF-8. Poiché il formato di testo semplice .srt non include un'intestazione obbligatoria che dichiari la codifica utilizzata, i riproduttori multimediali devono tentare di indovinarla, ripiegando su UTF-8 o sulla codifica locale del sistema operativo.

Usa ciò che vedi sullo schermo per individuare la causa esatta:

Cosa vedi sullo schermoCausa tecnicaPerché si verificaLa soluzione corretta
`` (punto interrogativo nel rombo) o ???Byte legacy interpretati come UTF-8I caratteri a singolo byte (come le lettere accentate in Windows-1252 o il cirillico in Windows-1251) formano sequenze non valide per un riproduttore che si aspetta UTF-8.Riapri il file .srt con la codifica legacy originale, quindi convertilo e salvalo in UTF-8.
é, á, ¿ o æ—¥Byte UTF-8 interpretati con una codifica legacyUn carattere multibyte valido in UTF-8 (come é, memorizzato nei due byte 0xC3 0xA9) viene suddiviso e visualizzato un byte alla volta secondo Windows-1252.Imposta la codifica predefinita dei sottotitoli del lettore su UTF-8, oppure inserisci un BOM UTF-8 se usi un riproduttore USB per TV meno recente.
Testo CJK incomprensibile o caratteri latini distortiTabella regionale multibyte errataUn file salvato in GB18030/GBK, Big5, Shift_JIS o EUC-KR viene decodificato con una tabella per l'Europa occidentale o per un'altra regione asiatica.Riapri il file con la corrispondente codifica regionale in VS Code o tramite iconv, quindi salvalo in UTF-8.
Rettangoli vuoti uniformi (□□□)Glifi mancanti nel font ("Tofu")Il file .srt è già in UTF-8 corretto e il lettore riconosce i punti di codice Unicode esatti, ma il font impostato include solo lettere dell'alfabeto latino.Non modificare la codifica del file; imposta per i sottotitoli un font che supporti Unicode o CJK.

Prendiamo ad esempio una battuta in francese contenente vocali accentate e un punto interrogativo rovesciato spagnolo:

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

Se il file è stato salvato in Windows-1252 e il riproduttore richiede tassativamente UTF-8, i byte di ¿, ù ed é risultano sequenze non valide per UTF-8, spingendo il software a mostrare caratteri sostitutivi:

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

Se invece il file .srt è già memorizzato correttamente in UTF-8 (é = 0xC3 0xA9), ma il riproduttore è impostato per decodificare in Windows-1252, ogni singolo byte verrà mostrato come un carattere autonomo:

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

Attenzione prima di salvare: il rischio di rovinare per sempre un file SRT

Prima di aprire un file .srt illeggibile in un editor di testo e premere subito "Salva con nome UTF-8", occorre prestare attenzione all'errore più comune commesso con i sottotitoli.

Se apri un file .srt in un editor in cui il testo **appare già a schermo come , `???` o `é`** e fai immediatamente clic su **Salva come UTF-8**, cancelli definitivamente il testo autentico. L'editor interpreta i caratteri sostitutivi visibili nella finestra come testo effettivo e ne scrive i byte `UTF-8` (`U+FFFD` per o U+003F per ?) sul disco, sovrascrivendo i byte regionali originari. A quel punto, nessun convertitore sarà più in grado di recuperare le lettere mancanti.

Per convertire un file in modo sicuro:

  1. Crea innanzitutto una copia di backup del file .srt originale.
  2. Chiedi all'editor di reinterpretare (riaprire) i byte non elaborati sul disco usando la codifica di origine corretta, finché ogni parola non appare del tutto naturale.
  3. Solo dopo aver verificato che ogni carattere e accento sia visualizzato correttamente, procedi a salvare (convertire) il file in UTF-8.

Quale codifica legacy sta utilizzando il mio file SRT?

Quando devi riaprire un file .srt datato, associa la lingua dei sottotitoli alla relativa tabella di codifica classica:

Lingua dei sottotitoliCodifica legacy consigliataTipica visualizzazione errata prima della correzione
Italiano, inglese, francese, spagnolo, tedesco, portogheseWindows-1252 (Europa occidentale)Lettere accentate (é, à, ò, ù) e virgolette tipografiche diventano `` o é
Russo, ucraino, bulgaro, serbo (cirillico)Windows-1251 (Cirillico)Intere frasi si trasformano in `` o lettere latine con diacritici come Ïðèâåò
AraboWindows-1256 (Arabo)I testi diventano `` o punteggiatura latina sconnessa
Cinese semplificatoGB18030 o GBKLe battute si trasformano in `` o combinazioni di caratteri latini a mezza larghezza
Cinese tradizionaleBig5Il testo appare come simboli sparsi, punti interrogativi o ideogrammi non corrispondenti
GiapponeseShift_JISKana e kanji si scompongono in simboli a mezza larghezza o ``
CoreanoEUC-KRI blocchi hangul si trasformano in `` o frammenti casuali di lettere latine

Metodo 1: Convertire un file SRT in UTF-8 in modo sicuro con VS Code

Visual Studio Code rende lineare la correzione della codifica perché separa chiaramente il comando Reopen with Encoding (cambiare il modo in cui vengono letti i byte presenti su disco) da Save with Encoding (convertire e scrivere nuovi byte).

  1. Apri il file .srt in VS Code. Se i sottotitoli appaiono corrotti (???, `` o caratteri indecifrabili), non modificare né salvare il file.
  2. Guarda la barra di stato in basso a destra e fai clic sull'indicatore di codifica (solitamente riporta UTF-8).
  3. Seleziona Reopen with Encoding dal menu dei comandi che compare nella parte superiore.
  4. Scegli la codifica legacy corrispondente alla lingua del file dalla tabella sopra riportata (ad esempio Western (Windows 1252) per italiano, francese o spagnolo, Cyrillic (Windows 1251) per il russo, oppure Simplified Chinese (GB18030) per il cinese semplificato).
  5. Controlla la finestra dell'editor. Se il testo risulta ancora illeggibile, fai nuovamente clic sull'indicatore in basso a destra, scegli Reopen with Encoding e prova la successiva opzione finché ogni parola e accento non risulti limpido.
  6. Non appena il testo appare del tutto normale a schermo, fai clic ancora una volta sul nome della codifica in basso a destra.
  7. Seleziona Save with Encoding -> UTF-8.

Il file .srt sarà ora convertito a tutti gli effetti in UTF-8 e potrà essere caricato senza intoppi nei lettori desktop, nei browser e sulle app per dispositivi mobili, sia che si guardi una traccia singola, sia per configurare doppi sottotitoli in VLC o per preparare una base di partenza pulita prima di seguire la nostra guida alla traduzione dei sottotitoli SRT.

Metodo 2: Convertire i file SRT in UTF-8 da terminale (iconv)

Su macOS o Linux puoi convertire i file .srt legacy direttamente dal terminale con lo strumento iconv, che legge i byte di origine tramite il parametro -f (from) e genera un nuovo file in UTF-8 pulito con -t (to) senza alterare il file di partenza.

Convertire un file di sottotitoli dell'Europa occidentale (Windows-1252) in UTF-8:

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

Convertire un file in cirillico (Windows-1251), cinese semplificato (GB18030) o giapponese (Shift_JIS) in UTF-8:

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

# Cinese semplificato
iconv -f GB18030 -t UTF-8 movie-zh.srt > movie-zh-utf8.srt

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

Ricordati sempre di reindirizzare l'output verso un nuovo file (> utf8.srt) e mai verso lo stesso file di origine (> old.srt), altrimenti la shell svuoterà il file prima ancora che iconv ne completi la lettura.

Come risolvere i rettangoli vuoti (□□□) in VLC quando la codifica è già UTF-8

Se i sottotitoli vengono mostrati come rettangoli vuoti omogenei (□□□), convertire la codifica del file .srt non porterà alcun beneficio. I riquadri vuoti testimoniano che VLC ha già decodificato il testo UTF-8 alla perfezione, ha rilevato gli specifici punti di codice Unicode e ha chiesto al font attivo di disegnarli, scoprendo però che tale font non include i glifi per quella scrittura.

Questo scenario si verifica frequentemente sulle smart TV o nelle installazioni recenti di VLC, in cui il font predefinito include solo i caratteri dell'alfabeto latino e si tenta di riprodurre un file .srt in cinese, giapponese, coreano, thailandese o arabo.

Per rimediare subito ai rettangoli □□□ in VLC:

  1. Apri VLC e vai su VLC > Preferenze (su macOS) o su Strumenti > Preferenze (su Windows/Linux).
  2. Seleziona la scheda Sottotitoli / OSD.
  3. Individua il menu a discesa Tipo di carattere nella sezione dedicata agli effetti dei sottotitoli.
  4. Sostituisci il font attuale con una tipografia Unicode o compatibile con CJK installata nel sistema:
    • Multipiattaforma / Linux: Noto Sans CJK o Arial Unicode MS
    • macOS: PingFang SC
    • Windows: Microsoft YaHei
  5. Rimanendo nella scheda Sottotitoli / OSD, imposta la voce Codifica predefinita su Universale (UTF-8) per impedire a VLC di interpretare per errore i file moderni in UTF-8 con vecchie tabelle regionali.
  6. Fai clic su Salva, chiudi completamente il video in riproduzione e riaprilo (VLC mantiene in memoria il motore di rendering dei font finché la riproduzione rimane attiva).

Domande frequenti

Perché i punti interrogativi o le lettere accentate vengono visualizzati come é o ¿?

Nello standard UTF-8, i caratteri esterni al blocco ASCII di base vengono memorizzati con sequenze da due a quattro byte. Ad esempio, la lettera é viene salvata come la sequenza di due byte 0xC3 0xA9, mentre il punto interrogativo rovesciato ¿ corrisponde a 0xC2 0xBF. Quando un lettore multimediale o un editor di testo è impostato su una codifica legacy a singolo byte come Windows-1252 anziché su UTF-8, interpreta ciascun byte come un carattere indipendente, mostrando 0xC3 0xA9 come é e 0xC2 0xBF come ¿. Portare la codifica dei sottotitoli del lettore su UTF-8 risolve la visualizzazione all'istante.

È possibile recuperare un file SRT già salvato con caratteri ??? o ?

No. Quando un editor salva un file mentre a schermo sono visibili caratteri `` (U+FFFD) o ? (U+003F), ogni lettera corrotta viene rimpiazzata dalla sequenza di byte letterale di quel segnaposto. Poiché decine di lettere distinte collassano nel medesimo simbolo sostitutivo, i byte originali risultano irrecuperabili. Sarà necessario riscaricare il file .srt di partenza e utilizzare l'opzione Reopen with Encoding prima del salvataggio in UTF-8.

È meglio salvare il file SRT in formato UTF-8 standard o UTF-8 con BOM?

Il formato UTF-8 standard (senza Byte Order Mark) rappresenta la scelta consigliata dalle specifiche ufficiali Unicode e garantisce la massima compatibilità con i moderni lettori per computer, con gli elementi web <track> e con i software di sottotitolazione. Tuttavia, se colleghi una chiavetta a un televisore meno recente o utilizzi vecchi programmi per Windows che aprono i file UTF-8 con la codifica locale, salvare come UTF-8 con BOM inserisce tre byte identificativi iniziali (0xEF 0xBB 0xBF) che costringono il software legacy a riconoscere correttamente il formato UTF-8.

Fonti