Ondertitels tonen vraagtekens of wartaal? SRT herstellen en omzetten naar UTF-8

Equalang

Kort samengevat

Ontdek of vreemde tekens in SRT-ondertitels ontstaan door een verkeerde tekencodering of ontbrekende lettertypen, en converteer bestanden veilig naar UTF-8.

Trefwoorden: ondertitels tonen vraagtekens; vlc ondertiteling vraagtekens; srt omzetten naar utf-8; srt wartaal herstellen; codering ondertiteling aanpassen

Wanneer ondertitels worden weergegeven als vraagtekens, verminkte accenten of lege vakjes, is er sprake van een van twee verschillende oorzaken. Vreemde symbolen zoals ``, ???, é of willekeurige tekens wijzen op een onjuiste tekencodering (Mojibake): je mediaspeler leest een ouder regionaal .srt-bestand alsof het UTF-8 is (of juist andersom). Ziet u daarentegen overal identieke open rechthoeken (□□□), dan ontbreken de benodigde lettertype-tekens ("Tofu"): het bestand is al een geldig UTF-8-bestand, maar het actieve lettertype van je speler bevat geen tekens voor bijvoorbeeld Chinees, Japans, Koreaans, Arabisch of Thais.

Het herkennen van het juiste symptoom kost slechts enkele seconden en voorkomt dat je verkeerde instellingen aanpast of je ondertitelbestand per ongeluk definitief overschrijft.

Codering ontbreekt versus ontbrekend lettertype: herken het verschil

Oudere .srt-bestanden uit online archieven zijn vaak opgeslagen in een regionale tekenset met één byte in plaats van in Unicode UTF-8. Omdat een .srt-bestand als platte tekst geen verplichte bestandskop heeft die de codering vastlegt, moeten mediaspelers de tekenset raden, of terugvallen op UTF-8 of de standaardcodering van het besturingssysteem.

Gebruik wat er op het scherm verschijnt om de exacte oorzaak te achterhalen:

Wat je op het scherm zietTechnische oorzaakWaarom dit gebeurtDe oplossing
`` (ruit met vraagteken) of ???Oude bytes gelezen als UTF-8Single-byte tekens (zoals letters met accenten in Windows-1252 of Cyrillisch in Windows-1251) vormen ongeldige bytereeksen wanneer een speler UTF-8 verwacht.Open het .srt-bestand opnieuw in de oorspronkelijke codering, converteer het en sla het op als UTF-8.
é, á, ¿ of æ—¥UTF-8-bytes gelezen als legacy-codepaginaEen geldig multi-byte UTF-8-teken (zoals é, opgeslagen als twee bytes 0xC3 0xA9) wordt gesplitst en byte voor byte weergegeven in Windows-1252.Stel de standaardcodering voor ondertitels in je speler in op UTF-8, of voeg een UTF-8 BOM toe voor oudere hardware.
Verminkt Aziatisch (CJK) of Latijns koeterwaalsVerkeerde regionale multi-byte tekensetEen bestand opgeslagen in GB18030/GBK, Big5, Shift_JIS of EUC-KR wordt gedecodeerd met een West-Europese of andere Aziatische codetabel.Open het bestand opnieuw met de juiste regionale codering in VS Code of via iconv en sla het op als UTF-8.
Gelijkmatige lege vakjes (□□□)Ontbrekende lettertekens ("Tofu")Het .srt-bestand is al correcte UTF-8 en de speler kent de exacte Unicode-posities, maar het geselecteerde lettertype bevat alleen Latijnse letters.Wijzig de bestandscodering niet; pas in de speler het ondertitelletertype aan naar een lettertype met volledige Unicode-/CJK-ondersteuning.

Neem bijvoorbeeld een Franse dialoogregel met accenten en een omgekeerd vraagteken:

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

Als dat bestand is opgeslagen in Windows-1252 en de speler UTF-8 verwacht, falen de bytes voor ¿, ù en é bij de multi-byte validatie en toont de speler vervangende symbolen:

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

Is het .srt-bestand daarentegen al correct gecodeerd in UTF-8 (é = 0xC3 0xA9), maar decodeert de speler dit als Windows-1252, dan wordt elke byte als een afzonderlijk karakter afgedrukt:

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

Wacht even met opslaan: hoe een SRT-bestand definitief beschadigd raakt

Let goed op voordat je een onleesbaar .srt-bestand opent in een teksteditor en direct op "Opslaan als UTF-8" klikt. Dit is de meest gemaakte fout bij het herstellen van ondertitels.

Wanneer je een .srt-bestand opent waarin de tekst **op het scherm al verschijnt als , `???` of `é`**, en je kiest direct voor **Opslaan als UTF-8**, vernietig je de oorspronkelijke dialoog definitief. De editor neemt de verminkte vervangende tekens die op het scherm zichtbaar zijn en schrijft de bijbehorende `UTF-8`-bytes (`U+FFFD` voor of U+003F voor ?) rechtstreeks naar de schijf. Daarmee worden de oorspronkelijke regionale bytes permanent overschreven. Geen enkel conversieprogramma kan die letters daarna nog terughalen.

Volg deze stappen voor een veilige conversie:

  1. Maak altijd eerst een reservekopie van het originele .srt-bestand.
  2. Laat de teksteditor de ruwe bytes op schijf opnieuw interpreteren (opnieuw openen) met de oorspronkelijke broncodering totdat alle woorden en accenten weer correct worden weergegeven.
  3. Pas nadat de tekst er op het scherm weer volkomen normaal uitziet, sla je het bestand op (converteren) als UTF-8.

Welke legacy-codering gebruikt mijn SRT-bestand?

Koppel bij het opnieuw openen van een oud .srt-bestand de taal van de ondertiteling aan de bijbehorende regionale codetabel:

Taal van de ondertitelingTe proberen legacy-coderingTypisch storingsbeeld vooraf
Nederlands, Engels, Frans, Spaans, Duits, Italiaans, PortugeesWindows-1252 (West-Europees) of ISO-8859-1Klinkers met trema of accent (ë, é, ñ, ü) en aanhalingstekens veranderen in `` of é
Pools, Tsjechisch, Hongaars, SlowaaksWindows-1250 (Midden-Europees)Speciale tekens (ą, ć, č, š) veranderen in wartaal of ``
Russisch, Oekraïens, Bulgaars, Servisch (Cyrillisch)Windows-1251 (Cyrillisch)Volledige zinnen veranderen in `` of Latijnse letters met vreemde accenten zoals Ïðèâåò
ArabischWindows-1256 (Arabisch)Dialoog verandert in `` of onsamenhangende leestekens
Vereenvoudigd ChineesGB18030 of GBKTekst verandert in `` of willekeurige Latijnse symbolen
Traditioneel ChineesBig5Dialoog verandert in onsamenhangende symbolen of ontbrekende karakters
JapansShift_JISKana en kanji breken af in halve breedte-symbolen of ``
KoreaansEUC-KRHangul verandert in `` of losse Latijnse lettercombinaties
TurksWindows-1254 (Turks)Specifieke letters (ğ, ş, ı) veranderen in `` of vreemde tekens

Methode 1: Een SRT-bestand veilig converteren naar UTF-8 in VS Code

Visual Studio Code maakt het herstellen van coderingen overzichtelijk doordat het Reopen with Encoding (wijzigen hoe bytes worden gelezen) strikt gescheiden houdt van Save with Encoding (converteren en nieuwe bytes wegschrijven).

  1. Open het .srt-bestand in VS Code. Als de ondertiteling er verminkt uitziet (???, `` of wartaal), bewerk of bewaar het bestand dan nog niet.
  2. Kijk naar de statusbalk rechtsonder en klik op de coderingsindicator (daar staat meestal UTF-8).
  3. Kies in het opdrachtmenu bovenaan voor Reopen with Encoding.
  4. Selecteer de legacy-codering die past bij de taal van de ondertiteling uit de bovenstaande tabel (bijvoorbeeld Western (Windows 1252) voor Nederlands, Frans of Spaans, Central European (Windows 1250) voor Pools, of Simplified Chinese (GB18030) voor Vereenvoudigd Chinees).
  5. Controleer het bewerkingsvenster. Als de tekst nog steeds vervormd is, klik je rechtsonder opnieuw op de codering, kies je Reopen with Encoding en probeer je de volgende kandidaat totdat alle letters en leestekens zuiver leesbaar zijn.
  6. Zodra de tekst er op het scherm weer volledig normaal uitziet, klik je nogmaals op de coderingsindicator rechtsonder.
  7. Selecteer Save with Encoding -> UTF-8.

Het .srt-bestand is nu definitief omgezet naar UTF-8 en laadt zonder haperingen in mediaspelers, browsers en mobiele apps—of je nu naar een enkele ondertitel kijkt, werkt aan VLC tweetalige ondertitels instellen, of een schoon bronbestand voorbereidt volgens onze SRT-ondertitels vertalen handleiding.

Methode 2: SRT-bestanden converteren naar UTF-8 via de terminal (iconv)

Op macOS of Linux kun je oudere .srt-bestanden rechtstreeks vanuit de terminal converteren met iconv. Deze tool leest de bronbytes in met -f (from) en schrijft zuivere UTF-8 naar een nieuw bestand met -t (to), zonder het originele bestand aan te tasten.

Converteer een West-Europees (Windows-1252) ondertitelbestand naar UTF-8:

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

Converteer een Cyrillisch (Windows-1251), Vereenvoudigd Chinees (GB18030) of Japans (Shift_JIS) bestand naar UTF-8:

# Russisch / Cyrillisch
iconv -f WINDOWS-1251 -t UTF-8 film-ru.srt > film-ru-utf8.srt

# Vereenvoudigd Chinees
iconv -f GB18030 -t UTF-8 film-zh.srt > film-zh-utf8.srt

# Japans
iconv -f SHIFT_JIS -t UTF-8 film-ja.srt > film-ja-utf8.srt

Stuur de uitvoer altijd naar een nieuwe bestandsnaam (> utf8.srt) en verwijs nooit terug naar hetzelfde bronbestand (> oud.srt), omdat de shell het bronbestand dan al leegmaakt voordat iconv klaar is met inlezen.

Lege vakjes (□□□) in VLC oplossen wanneer de codering al UTF-8 is

Als de ondertitels verschijnen als een rij identieke open rechthoeken (□□□), heeft het converteren van het .srt-bestand geen enkel effect. Lege vakjes betekenen dat VLC de UTF-8-tekst al feilloos heeft gedecodeerd en de exacte Unicode-posities kent, maar dat het actieve lettertype simpelweg geen grafische tekens (glyphs) bevat voor dat specifieke schrift.

Dit komt regelmatig voor op smart-tv's of na een schone installatie van VLC, waar het standaardlettertype alleen Latijnse letters bevat en je een Chinees, Japans, Koreaans, Thais of Arabisch .srt-bestand laadt.

Zo los je □□□ in VLC direct op:

  1. Open VLC en ga naar VLC > Voorkeuren (op macOS) of Gereedschappen > Voorkeuren (op Windows/Linux).
  2. Klik op het tabblad Ondertitels / OSD.
  3. Zoek het dropdownmenu Lettertype onder Ondertiteleffecten.
  4. Wijzig het lettertype naar een lettertype met volledige Unicode- of CJK-ondersteuning dat op je systeem aanwezig is:
    • Platformonafhankelijk / Linux: Noto Sans CJK of Arial Unicode MS
    • macOS: PingFang SC
    • Windows: Microsoft YaHei
  5. Stel op hetzelfde tabblad Ondertitels / OSD de Standaardcodering in op Universeel (UTF-8), zodat VLC moderne UTF-8-bestanden nooit per ongeluk behandelt als een oude regionale codepagina.
  6. Klik op Opslaan, sluit de video volledig af en start deze opnieuw (VLC slaat de lettertype-renderer tijdens het afspelen op in het cachegeheugen).

Veelgestelde vragen

Waarom verandert een letter met een accent of leesteken in é of ¿?

In UTF-8 worden tekens buiten de standaard ASCII-reeks opgeslagen met twee tot vier bytes. Zo wordt de letter é opgeslagen als de reeks van twee bytes 0xC3 0xA9, en het omgekeerde vraagteken ¿ als 0xC2 0xBF. Wanneer een mediaspeler of editor is ingesteld op een verouderde single-byte codering zoals Windows-1252 in plaats van UTF-8, wordt elke byte behandeld als een afzonderlijk karakter. Daardoor verandert 0xC3 0xA9 in é en 0xC2 0xBF in ¿. Zodra je de ondertitelcodering in de speler instelt op UTF-8, is dit direct opgelost.

Kan ik een SRT-bestand herstellen dat al per ongeluk is opgeslagen met ??? of ``?

Nee. Zodra een editor een bestand opslaat terwijl `` (U+FFFD) of ? (U+003F) op het scherm staat, wordt elk beschadigd karakter vervangen door exact dezelfde bytereeks van die tijdelijke aanduiding. Omdat tientallen verschillende letters samensmelten tot exact hetzelfde vervangende symbool, zijn de oorspronkelijke bytes definitief gewist. Je moet het originele .srt-bestand opnieuw downloaden en Reopen with Encoding gebruiken voordat je het opslaat als UTF-8.

Moet ik mijn SRT-bestand opslaan als UTF-8 of UTF-8 met BOM?

Standaard UTF-8 (zonder Byte Order Mark) is volgens de officiële Unicode-standaard de universele aanbeveling en werkt probleemloos in moderne desktopspelers, webgebaseerde <track>-elementen en ondertitelingstools. Mocht een oudere USB-mediaspeler op een televisie of een verouderd Windows-programma standaard blijven terugvallen op een lokale codetabel bij een normaal UTF-8-bestand, dan voegt opslaan als UTF-8 met BOM drie herkenningsbytes toe (0xEF 0xBB 0xBF). Hiermee dwing je oudere software om het bestand direct als UTF-8 te herkennen.

Bronnen