Visar undertexter frågetecken eller skräptecken? Så lagar du SRT-filer

Equalang

I korthet

Ta reda på om förvrängda SRT-undertexter beror på felaktig teckenkodning eller saknade typsnittsformer, och konvertera filen säkert till UTF-8.

Nyckelord: undertexter visar frågetecken; vlc undertexter frågetecken; konvertera srt till utf 8; laga trasiga srt tecken; teckenkodning undertexter

När undertexter visas som frågetecken, förvrängda accenter eller tomma rutor beror det på ett av två helt skilda problem. Märkliga symboler som ``, ???, é eller slumpmässiga tecken tyder på felaktig teckenkodning (Mojibake): din mediaspelare läser en äldre regional .srt-fil som UTF-8 (eller tvärtom). Likformiga tomma rektanglar (□□□) beror däremot på saknade tecken i typsnittet ("Tofu"): filen är redan giltig UTF-8, men det valda typsnittet i mediaspelaren saknar tecken för exempelvis kinesiska, japanska, koreanska, arabiska eller thailändska.

Att identifiera rätt symptom på skärmen tar bara några sekunder och förhindrar att du ändrar fel inställning eller råkar skriva över din undertextfil permanent.

Fel teckenkodning kontra saknade typsnittstecken: se skillnaden

Äldre .srt-filer från undertextarkiv sparades ofta i regionala enbytes-teckentabeller istället för i Unicode UTF-8. Eftersom en .srt-fil består av ren text utan någon obligatorisk filrubrik som anger kodningen, måste mediaspelare gissa eller förlita sig på UTF-8 eller operativsystemets lokala teckentabell.

Använd det du ser på skärmen för att fastställa den exakta orsaken:

Det du ser på skärmenTeknisk orsakVarför det inträffarLösning
`` (romb med frågetecken) eller ???Gamla bytes tolkas som UTF-8Enbytes-tecken (som bokstäver med accenter i Windows-1252 eller kyrilliska i Windows-1251) skapar ogiltiga bytesekvenser när spelaren förväntar sig UTF-8.Öppna .srt-filen igen med dess ursprungliga teckenkodning, konvertera och spara som UTF-8.
é, á, ¿ eller æ—¥UTF-8-bytes tolkas som en äldre teckentabellEtt giltigt flerbytes-tecken i UTF-8 (som é, kodat med två bytes 0xC3 0xA9) delas upp och skrivs ut byte för byte i Windows-1252.Ändra mediaspelarens standardkodning för undertexter till UTF-8, eller lägg till en UTF-8 BOM för äldre hårdvaruspelare.
Förvrängd östasiatisk (CJK) eller latinsk textFel regional flerbytes-teckentabellEn fil sparad i GB18030/GBK, Big5, Shift_JIS eller EUC-KR avkodas med en västeuropeisk eller felaktig asiatisk kodtabell.Öppna filen på nytt med matchande regional kodning i VS Code eller via iconv, och spara sedan som UTF-8.
Enhetliga tomma rutor (□□□)Saknade tecken i typsnittet ("Tofu").srt-filen är redan korrekt UTF-8 och spelaren känner till tecknens Unicode-positioner, men det valda typsnittet saknar dessa tecken.Rör inte filens teckenkodning; byt undertexttypsnitt i spelaren till ett typsnitt med fullt stöd för Unicode/CJK.

Exempel på en fransk rad med accenter och ett omvänt frågetecken:

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

Om filen sparades i Windows-1252 och spelaren förväntar sig UTF-8, godkänns inte byten för ¿, ù och é som giltiga sekvenser och spelaren visar ersättningstecken:

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

Om filen däremot redan är UTF-8 (é = 0xC3 0xA9), men spelaren är inställd på Windows-1252, skrivs varje byte ut som ett eget tecken:

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

Spara inte för snabbt: så förstörs en SRT-fil permanent

Innan du öppnar en förvrängd .srt-fil i en textredigerare och trycker på "Spara som UTF-8", bör du se upp för det vanligaste misstaget vid felsökning av undertexter.

Om du öppnar en .srt-fil i en redigerare där texten **redan ser ut som , `???` eller `é` på skärmen**, och du omedelbart klickar på **Spara som UTF-8**, förstörs originaltexten permanent. Redigeraren tar de felaktiga ersättningstecknen som visas i fönstret och skriver deras faktiska `UTF-8`-bytes (`U+FFFD` för eller U+003F för ?) till hårddisken. Därmed skrivs de ursprungliga regionala bytesekvenserna över för alltid. När detta väl har hänt kan inget konverteringsprogram återskapa de förlorade bokstäverna.

Följ alltid dessa steg för att konvertera säkert:

  1. Skapa först en säkerhetskopia av din ursprungliga .srt-fil.
  2. Be textredigeraren att läsa om (öppna på nytt) de råa byten från hårddisken med ursprunglig teckenkodning tills varje ord och bokstav ser helt normal ut.
  3. Först efter att alla tecken visas korrekt på skärmen väljer du att spara (konvertera) filen till UTF-8.

Vilken äldre teckenkodning använder min SRT-fil?

När du behöver öppna en äldre .srt-fil på nytt matchar du undertextens språk med dess historiska teckentabell:

Undertextens språkÄldre teckenkodning att provaTypiskt felutseende före åtgärd
Svenska, danska, norska, engelska, tyska, franska, spanskaWindows-1252 (Västeuropeisk) eller ISO-8859-1Bokstäver med accenter eller prickar (å, ä, ö, é) och citattecken blir `` eller é
Ryska, ukrainska, bulgariska, serbiska (kyrilliska)Windows-1251 (Kyrillisk)Hela rader blir `` eller latinska bokstäver med accenter (t.ex. Ïðèâåò)
Polska, tjeckiska, ungerska, slovakiskaWindows-1250 (Centraleuropeisk)Specialtecken (ą, ć, č, š) förvandlas till `` eller skräptecken
ArabiskaWindows-1256 (Arabisk)Dialogen förvandlas till `` eller osammanhängande skiljetecken
Förenklad kinesiskaGB18030 eller GBKRepliker blir till `` eller slumpmässiga latinska symboler
Traditionell kinesiskaBig5Repliker förvandlas till utspridda symboler eller frågetecken
JapanskaShift_JISKana och kanji bryts ned till symboler i halv bredd eller ``
KoreanskaEUC-KRHangul-tecken blir till `` eller osammanhängande bokstavspar
TurkiskaWindows-1254 (Turkisk)Bokstäver som ğ, ş, ı förvandlas till `` eller felaktiga tecken

Metod 1: Konvertera en SRT-fil säkert till UTF-8 i VS Code

Visual Studio Code gör kodningsreparationer trygga och överskådliga eftersom programmet skiljer mellan Reopen with Encoding (ändrar hur befintliga bytes på disken läses) och Save with Encoding (konverterar och skriver nya bytes).

  1. Öppna din .srt-fil i VS Code. Om undertexterna ser trasiga ut (???, `` eller skräptecken), ska du inte redigera eller spara filen ännu.
  2. Titta i statusfältet längst ner till höger och klicka på kodningsindikatorn (där det oftast står UTF-8).
  3. Välj Reopen with Encoding i kommandofältet längst upp i fönstret.
  4. Välj den äldre kodning som motsvarar undertextens språk i tabellen ovan (till exempel Western (Windows 1252) för svenska, engelska eller franska, Central European (Windows 1250) för polska, eller Simplified Chinese (GB18030) för förenklad kinesiska).
  5. Granska redigeringsfönstret. Om texten fortfarande är förvrängd klickar du på kodningsindikatorn igen, väljer Reopen with Encoding och provar nästa alternativ tills varje bokstav och accent visas felfritt.
  6. När texten ser helt normal ut på skärmen klickar du på kodningsnamnet längst ner till höger en gång till.
  7. Välj Save with Encoding -> UTF-8.

Din .srt-fil är nu korrekt konverterad till UTF-8 och laddas felfritt i mediaspelare, webbläsare och mobilappar – oavsett om du tittar på ett enskilt spår, ställer in dubbla undertexter i VLC eller förbereder en ren källfil inför vår guide för översättning av SRT-undertexter.

Metod 2: Konvertera SRT-filer till UTF-8 via terminalen (iconv)

I macOS eller Linux kan du konvertera äldre .srt-filer direkt från kommandoraden med verktyget iconv. Det läser källbyten med -f (from) och skriver ren UTF-8 till en ny fil med -t (to) utan att röra din originalfil.

Konvertera en västeuropeisk (Windows-1252) undertextfil till UTF-8:

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

Konvertera en kyrillisk (Windows-1251), förenklad kinesisk (GB18030) eller japansk (Shift_JIS) fil till UTF-8:

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

# Förenklad kinesiska
iconv -f GB18030 -t UTF-8 film-zh.srt > film-zh-utf8.srt

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

Omdirigera alltid resultatet till ett nytt filnamn (> utf8.srt) och aldrig tillbaka till samma fil (> gammal.srt), eftersom terminalen då tömmer källfilen innan iconv hinner läsa den.

Så åtgärdar du tomma rutor (□□□) i VLC när kodningen redan är UTF-8

Om undertexterna visas som en rad identiska tomma rektanglar (□□□) hjälper det inte att konvertera .srt-filen. Tomma rutor betyder att VLC redan har avkodat UTF-8-texten korrekt och hittat rätt Unicode-teckenkoder, men att det valda typsnittet saknar symboler (glyfer) för just det skriftspråket.

Detta händer ofta på smart-tv-apparater eller vid en nyinstallation av VLC, där standardtypsnittet bara har stöd för latinska tecken och du försöker spela upp en kinesisk, japansk, koreansk, thailändsk eller arabisk .srt-fil.

Så här åtgärdar du □□□ i VLC direkt:

  1. Öppna VLC och gå till VLC > Inställningar (på macOS) eller Verktyg > Inställningar (på Windows/Linux).
  2. Klicka på fliken Undertexter / OSD.
  3. Leta upp rullgardinsmenyn Typsnitt under Undertext-effekter.
  4. Byt från det latinska standardtypsnittet till ett typsnitt med stöd för Unicode eller CJK som finns installerat på datorn:
    • Plattformsoberoende / Linux: Noto Sans CJK eller Arial Unicode MS
    • macOS: PingFang SC
    • Windows: Microsoft YaHei
  5. Medan du är i fliken Undertexter / OSD ändrar du Standardkodning till Universell (UTF-8), så att VLC inte försöker tolka moderna UTF-8-filer som en äldre regional teckentabell.
  6. Klicka på Spara, stäng videon helt och starta den igen (VLC sparar typsnittsmotorn i cacheminnet så länge videon är igång).

Vanliga frågor

Varför visas mitt frågetecken eller min accentbokstav som é eller ¿?

I UTF-8 lagras tecken utanför det grundläggande ASCII-omfånget med två till fyra bytes. Till exempel lagras bokstaven é som tvåbytes-sekvensen 0xC3 0xA9, och det omvända frågetecknet ¿ som 0xC2 0xBF. När en mediaspelare eller textredigerare är inställd på en äldre enbytes-kodning som Windows-1252 istället för UTF-8, behandlas varje byte som ett enskilt tecken. Därmed visas 0xC3 0xA9 som é och 0xC2 0xBF som ¿. Genom att ställa om mediaspelarens undertextkodning till UTF-8 löses problemet direkt.

Går det att rädda en SRT-fil som redan har sparats med tecknen ??? eller ``?

Nej. När en textredigerare väl sparar en fil medan `` (U+FFFD) eller ? (U+003F) visas på skärmen, ersätts varje skadat tecken med den fasta bytesekvensen för denna platshållare. Eftersom dussintals olika bokstäver slås ihop till exakt samma ersättningssymbol är de ursprungliga byten borta för alltid. Du måste ladda ner originalfilen .srt på nytt och använda Reopen with Encoding innan du sparar som UTF-8.

Borde jag spara min SRT-fil som UTF-8 eller UTF-8 med BOM?

Vanlig UTF-8 (utan Byte Order Mark) är den allmänna rekommendationen enligt Unicode-standarden och fungerar bäst i moderna mediaspelare, webbaserade <track>-element och undertextverktyg. Om en äldre USB-mediaspeler på en tv eller ett äldre Windows-program ändå envisas med att använda en lokal teckentabell för en vanlig UTF-8-fil, lägger UTF-8 med BOM till tre identifieringsbytes (0xEF 0xBB 0xBF) i filens början, vilket tvingar äldre programvara att förstå att filen är UTF-8.

Källor