Corrigir Mojibake Online

Mojibake é o nome dado ao texto que ficou ilegível por causa de uma incompatibilidade de codificação. O conteúdo original pode estar certo, mas os bytes foram interpretados com a tabela errada. Por isso uma palavra simples como João aparece como João, Informação vira Informação e aspas tipográficas podem surgir como “, ’ ou â€.

Isso é diferente de caracteres Unicode estranhos. Um espaço invisível, um hífen opcional ou um símbolo copiado de outro sistema pode ser um caractere real dentro do texto. Mojibake, por outro lado, costuma ser o rastro de uma conversão errada. Quando o padrão é reconhecível, a ferramenta tenta voltar ao caractere que deveria estar ali.

O caso mais comum acontece quando um texto salvo em UTF-8 é aberto como ISO-8859-1 ou Windows-1252. Esses padrões não leem os mesmos bytes da mesma forma. O resultado parece uma troca aleatória de letras, mas segue padrões conhecidos: acentos em português viram sequências com Ã, aspas e travessões vindos do Windows viram sequências com â, e marcadores especiais podem aparecer como blocos estranhos no meio da frase.

A falha costuma entrar em processos de importação e exportação: CSV aberto no Excel com encoding errado, sistemas legados que gravavam Latin-1, bancos de dados antigos migrados sem conversão, e-mails antigos, integrações internas e cópias de PDFs. Em muitos casos, o texto passa por mais de uma etapa antes de chegar até você, o que torna o erro mais difícil de perceber na origem.

A ferramenta usa o mesmo pipeline da versão em inglês. Ela procura marcadores típicos de mojibake, aplica reparos conservadores para erros de UTF-8 interpretado como Latin-1 ou Windows-1252 e só altera sequências compatíveis com esse tipo de problema. O objetivo não é reescrever frases, traduzir, resumir ou corrigir gramática: é recuperar caracteres.

Tudo roda localmente no navegador. Você pode colar uma frase, uma coluna de planilha, um trecho de CSV, uma mensagem antiga ou texto extraído de PDF. Depois de corrigir o mojibake, vale continuar o fluxo no Normalizador para padronizar espaços, no Remover Caracteres Unicode para remover marcas invisíveis ou no Corrigir Formatação quando o problema veio de copiar e colar.

Nem todo texto estranho é mojibake reversível. Se o caractere original foi apagado, substituído manualmente, convertido mais de uma vez ou salvo como ponto de interrogação, talvez não exista informação suficiente para reconstruir o original. O mesmo vale para OCR que reconheceu uma letra errada: se um scanner leu rn como m, isso é erro de reconhecimento, não de codificação.

Para PDFs escaneados, use Limpar Texto OCR depois de extrair o texto. Para linhas quebradas de PDF selecionável, use Remover Quebras de PDF. Para texto com símbolos invisíveis, mas sem sequências como é, use Remover Caracteres Unicode.