文字化け復元（UTF-8⇔Shift_JIS変換）

「縺薙ｓ縺ｫ縺｡縺ｯ」のような文字化け文字列を貼ると、UTF-8・Shift_JIS(CP932)・EUC-JP・ISO-8859-1の誤デコードを総当たりで逆変換し、日本語らしさスコア順に候補を表示。16進ダンプ入力にも対応。

「縺薙ｓ縺ｫ縺｡縺ｯ」みたいな謎の文字列を渡されて、どこから手を付ければいいか分からない。文字コード表を見ながらUTF-8やShift_JISを手動で総当たりするのは、もう疲れませんか？このツールは文字化けした文字列を貼るだけで、UTF-8・Shift_JIS・EUC-JP・Windows-1252の誤読パターンを総当たりし、候補を並べます。

使い方

文字化けした文字列を貼り付けます。16進ダンプを持っている場合は入力モードを切り替えます。
候補が「日本語らしさ」スコアの高い順に並びます。①が最有力候補です。
一覧を見比べ、自然な候補をコピーボタンで取り出します。ここまでが基本の流れで、注意点は次の段落です。
「⚠ 一部復元できず」の候補は文字が失われているので、他も確認してください。

仕組み・計算式

デコードはブラウザ標準の TextDecoder（WHATWG Encoding Standard）を使います。ただしエンコード方向はutf-8以外に未対応なので、Shift_JIS・EUC-JP・Windows-1252は0〜255の1・2バイトの組み合わせを総当たりでTextDecoderにかけ、「どの文字がどのバイト列から生まれるか」の逆引き表を自作しています。4つのエンコーディングから2つを選ぶ12通りで「間違ったエンコーディングで再エンコード→正しいエンコーディングで再デコード」を試し、ひらがな・カタカナ・漢字の比率が高いものを上位に並べます。

実際に「こんにちは」をUTF-8のバイト列としてShift_JISで誤読させた文字列で試すと、一覧の一番上に元の「こんにちは」が返ってきました。Windows-1252誤読でも同様です。意外だったのは、コピー&ペーストの経路によって0x81番台の制御コードに化ける文字が欠落することがある点です。その場合はどの候補を選んでも元には戻りません。

よくある質問

Q. スコアが一番高い候補が必ず正解ですか？

A. いいえ。ひらがな・カタカナ・漢字の比率で機械的に採点するだけです。文字化けしていない文章（「サーバー設定ファイル」）を貼ると、「変換なし」が一番上に残りました。

Q. 「⚠ 一部復元できず」はどういう状態ですか？

A. 変換の途中で ? や置換文字（U+FFFD）に化け、文字が失われた候補です。日本語っぽく見えても一部は戻っていません。

Q. どんな文字化けにも対応していますか？

A. UTF-8・Shift_JIS・EUC-JP・Windows-1252の組み合わせだけです。ISO-2022-JPや中韓向けの文字コードは対象外で、処理はブラウザ内の TextDecoder のみで完結します。