Zeichentabelle: Was bedeutet ä, ö, ü?

Steht in deiner Datei „ä“ statt „ä“ oder „€“ statt „€“, wurde UTF-8-Text als Windows-1252 gelesen. Die Tabelle zeigt, welches Zeichen gemeint war – einmal und zweimal falsch gelesen.

Ganze Dateien musst du nicht von Hand ersetzen: Das Werkzeug auf der Startseite erkennt diese Folgen und rechnet sie zurück, auch wenn in derselben Datei schon richtige Umlaute stehen.

Tabelle

⍽ steht für ein geschütztes Leerzeichen (U+00A0), das sonst unsichtbar wäre. ␁, ␍, ␏, ␐ und ␝ stehen für Steuerzeichen, die Windows-1252 nicht belegt; Programme zeigen sie unterschiedlich oder gar nicht an.

Warum aus einem Zeichen zwei werden

UTF-8 speichert jeden Umlaut in zwei Byte: „ä“ ist C3 A4. Ein Programm, das die Datei als Windows-1252 liest, macht aus jedem Byte ein eigenes Zeichen: C3 ist „Ó, A4 ist „¤“. Das Euro-Zeichen braucht in UTF-8 drei Byte (E2 82 AC) und wird zu „€“. Wird der Zeichensalat erneut als UTF-8 gespeichert und wieder falsch gelesen, entsteht die Spalte „zweimal falsch“.

Weil dabei kein Byte verloren geht, lässt sich der Fehler umkehren: Text zurück in Windows-1252-Bytes verwandeln und diese als UTF-8 lesen. Genau das macht das Werkzeug – aber nur an Stellen, die ein gültiges UTF-8-Zeichen ergeben, damit richtiger Text unangetastet bleibt.

Was sich nicht reparieren lässt

• „?“ statt Umlaut (z. B. „M?nchen“): Ein Programm konnte das Zeichen nicht speichern und hat ein Fragezeichen geschrieben. Das ursprüngliche Zeichen ist weg.
• „�“ (Ersatzzeichen U+FFFD): Ungültige Bytes wurden beim Lesen durch dieses Zeichen ersetzt und so gespeichert. Auch hier ist die Information verloren.

In beiden Fällen hilft nur ein neuer Export aus dem Ursprungssystem – am besten gleich als UTF-8.

Quellen

• Windows-1252 und UTF-8 (Wikipedia)
• WHATWG Encoding Standard (Zuordnung der Windows-1252-Bytes)
• Mojibake (Wikipedia)