التعريف
- يُخزَّن النص بايتات، ويربط ترميز الأحرف البايتات بالحروف. فإذا قُرئ النص بترميز غير الذي كُتب به، صارت البايتات نفسها حروفاً أخرى، وهذا النص المشوّه هو ما يسمّى mojibake.
- مثال ذلك نص بترميز UTF-8 يُقرأ بترميز Windows-1252، فيصير كل حرف عربي حرفين لاتينيين، وتظهر «العربية» هكذا:
العربية. والنص بالترميز الأقدم Windows-1256 إذا قُرئ بالطريقة نفسها يظهر هكذا:ÇáÚÑÈíÉ. - وتقرأ المتصفحات الصفحة المعلنة بالتسمية
iso-8859-1أوlatin1أوasciiعلى أنها Windows-1252: فمعيار الترميز من WHATWG يجعل هذه التسميات أسماء للترميز نفسه.
لماذا يهم
- يرى الزائر رموزاً بدل النص.
- تفهرس محركات البحث الرموز كما هي، فلا تظهر الصفحة لمن يبحث بالكلمات العربية التي كتبتها.
- والسبب غالباً إعلان لا يطابق الملف: خادم يرسل
charset=windows-1252أوiso-8859-1لصفحة محفوظة بترميز UTF-8، أو نص خُزّن في قاعدة البيانات بترميز خاطئ ثم عُرض كما هو.
مثال
احفظ الملفات بترميز UTF-8، وأعلنه في ترويسة الخادم وفي أول <head> معاً:
Content-Type: text/html; charset=utf-8html
<head>
<meta charset="utf-8" />
<title>المتجر</title>
</head>تطلب W3C أن يقع وسم <meta> ضمن أول 1024 بايت من الملف، فأفضل مكان له بعد <head> مباشرة. وإذا اختلفت الترويسة ووسم <meta>، فالترويسة هي التي تُعتمد.
أخطاء شائعة
- إعلان UTF-8 دون حفظ الملفات بترميز UTF-8: يجب أن يطابق الإعلان البايتات.
- تصحيح إعلان الصفحة وقاعدة البيانات ما زالت تحفظ النص بترميز خاطئ: ذلك النص يحتاج إصلاحاً أيضاً، يتولاه مطوّر بعد نسخة احتياطية.
- لصق النص المشوّه في المحرر من جديد: تصير الرموز نص الصفحة الحقيقي، ولا يعيد أي إعلان النص العربي.
المراجع
- W3C: إعلان ترميز الأحرف في HTML (بالإنجليزية)
- W3C: ترميز الأحرف للمبتدئين (بالإنجليزية)
- مواصفة الترميز (WHATWG): الأسماء والتسميات (بالإنجليزية)