Texto Limpio Procesamiento local

Guía práctica de codificación

Cómo reparar caracteres raros como “España”

Una secuencia rota no siempre significa lo mismo. Esta guía ayuda a reconocer el problema, elegir una reparación segura y saber cuándo el texto original ya no puede recuperarse automáticamente.

Abrir el reparador de codificación

Diagnóstico rápido

Primero identifica qué estás viendo

EjemploQué suele indicar¿Se puede reparar?
EjemploEspañaQué suele indicarUTF-8 leído como Windows-1252 o Latin-1¿Se puede reparar?Normalmente sí
EjemploEspañaQué suele indicarLa conversión equivocada ocurrió más de una vez¿Se puede reparar?A menudo sí, por etapas
EjemploEspa�aQué suele indicarApareció el carácter de reemplazo “�” y se perdieron bytes¿Se puede reparar?No de forma fiable
EjemploEspa\u00f1aQué suele indicarEscape Unicode literal, frecuente en JSON o código¿Se puede reparar?Es otro problema

Por qué ocurre el mojibake

Los caracteres se guardan como bytes. UTF-8, Windows-1252 y otras codificaciones asignan esos bytes de forma distinta. Si un programa abre bytes UTF-8 como si fueran Windows-1252, la “ñ” puede convertirse en “ñ” y una vocal acentuada en secuencias como “ó”. A este resultado se le suele llamar mojibake.

La reparación segura intenta invertir esa interpretación equivocada. No consiste en buscar y reemplazar cada símbolo a mano: una misma marca puede tener varios orígenes y un reemplazo global puede estropear texto que ya estaba bien.

Proceso recomendado

  1. Conserva una copia del original. No sobrescribas el único archivo antes de revisar el resultado.
  2. Prueba una muestra representativa. Incluye tildes, eñes, comillas, euros y algún emoji si existen.
  3. Usa el reparador. Pega el texto y comprueba que disminuyen las secuencias rotas sin cambiar fragmentos correctos.
  4. Revisa nombres y cifras. Son los datos donde una reconstrucción inventada sería más peligrosa.
  5. Corrige la fuente. Si el problema vuelve al exportar, la solución duradera está en la configuración del archivo, la base de datos o la respuesta HTTP.

Lo que Texto Limpio no debe adivinar

Cuando aparece “�”, un signo de interrogación sustituto o texto ya truncado, parte de la información puede haberse perdido. La herramienta evita inventar letras. Si no existe una transformación reversible y claramente mejor, conserva el texto o muestra alternativas para revisión.

Cómo evitar que vuelva a ocurrir

  • Guarda archivos de texto y CSV explícitamente como UTF-8.
  • Declara UTF-8 en HTML y en la cabecera HTTP Content-Type.
  • Mantén la misma codificación entre aplicación, conexión y base de datos.
  • No conviertas texto a bytes y de vuelta sin indicar la codificación.
  • Comprueba una exportación real antes de procesar miles de registros.

Siguiente paso

Repara una muestra sin subirla

El procesamiento se ejecuta en tu navegador. Empieza con unas líneas y compara el resultado antes de trabajar con el documento completo.

Reparar caracteres ahora