[sjis] mojibake
Когда я на русской винде распаковываю зипы, заархивированные где-то на японской винде с использованием кодировки Shift-JIS в названиях файлов, у меня на выходе получаются файлы с названиями в стиле:
01-ЧDВ¦ВвХЧВкРБВнВаВ¦ПъПКВ+ -Anime Version-.mp3
02-ГXГНБ[ГЙГCГtВгУ-ВъВ- -Anime Version-.mp3
03-ХGЦНВ+Й-В-В¬Х·Й-Му -Anime Version-.mp3
итп
Чаще всего мне это приходится делать с музыкальными альбомами (ОСТами), поэтому в 90% случаев оказывается достаточно википедии и амазона, чтобы нарыть оригинальное написание. Но бывает так, что информацию по альбому (втч сам факт его выхода) тщательно скрывают, как получилось и на этот раз с саундтреками к мультфильму по игре ヨスガノソラ.
Не владея безумными навыками в области гугления, я поступаю по-программистски. Я принимаю предположение, что во всём виновата кодировка windows-1251, паразитирующая на моей русской версии WinXP, и преобразовав названия файлов в windows-1251, раскладываю их в шестнадцатеричное разложение. Получаю такую картину (цифры и понятные английские слова с краёв отбрасываем для ясности):
d7 44 c2 a6 c2 e2 d5 d7 c2 ea d0 c1 c2 ed c2 e0 c2 a6 cf fa cf ca c2 2b
c3 58 c3 cd c1 5b c3 c9 c3 43 c3 74 c2 e3 d3 2d c2 fa c2 2d
d5 47 d6 cd c2 2b c9 2d c2 2d c2 ac d5 b7 c9 2d cc f3
итп
Разбиваю на одно- и двухбайтные "символы" (двухбайтные начинаются с байта с проставленным старшим битом):
d7 44 | c2 a6 | c2 e2 | d5 d7 | c2 ea | d0 c1 | c2 ed | c2 e0 | c2 a6 | cf fa | cf ca | c2 2b
Теперь самое шаманское действие, которое по сути и является лечением поломавшейся кодировки: производим заменую старшего ниббла (полубайта) в каждом байте с проставленным старшим битом по таблице:
ax -> bx
cx -> 8x
dx -> 9x
ex -> ax
fx -> ex
Получаем:
97 44 | 82 b6 | 82 a2 | 95 97 | 82 aa | 90 81 | 82 ad | 82 a0 | 82 b6 | 8f ea | 8f 8a | 82 2b
Открываем JWPce, в нём по ctrl+T таблицу Shift-JIS'а, по кодам находим буквы и по одной вбиваем. Получаем название первого трека:
優しい風が吹くあの場所で
Можем повторить операцию для каждого трека. Но когда есть оригинальное написание, уже можно обратиться и к гуглу, в котором треклист альбома выпадает в конце первой страницы: http://music.douban.com/subject/5505725/ -- сайт, что характерно, китайский.
Чтобы в следующий раз не проделывать всё это ручками, пишем утилитку.
UPD. Бонус-баллы тому, кто найдёт, где я вас обманул.
01-ЧDВ¦ВвХЧВкРБВнВаВ¦ПъПКВ+ -Anime Version-.mp3
02-ГXГНБ[ГЙГCГtВгУ-ВъВ- -Anime Version-.mp3
03-ХGЦНВ+Й-В-В¬Х·Й-Му -Anime Version-.mp3
итп
Чаще всего мне это приходится делать с музыкальными альбомами (ОСТами), поэтому в 90% случаев оказывается достаточно википедии и амазона, чтобы нарыть оригинальное написание. Но бывает так, что информацию по альбому (втч сам факт его выхода) тщательно скрывают, как получилось и на этот раз с саундтреками к мультфильму по игре ヨスガノソラ.
Не владея безумными навыками в области гугления, я поступаю по-программистски. Я принимаю предположение, что во всём виновата кодировка windows-1251, паразитирующая на моей русской версии WinXP, и преобразовав названия файлов в windows-1251, раскладываю их в шестнадцатеричное разложение. Получаю такую картину (цифры и понятные английские слова с краёв отбрасываем для ясности):
d7 44 c2 a6 c2 e2 d5 d7 c2 ea d0 c1 c2 ed c2 e0 c2 a6 cf fa cf ca c2 2b
c3 58 c3 cd c1 5b c3 c9 c3 43 c3 74 c2 e3 d3 2d c2 fa c2 2d
d5 47 d6 cd c2 2b c9 2d c2 2d c2 ac d5 b7 c9 2d cc f3
итп
Разбиваю на одно- и двухбайтные "символы" (двухбайтные начинаются с байта с проставленным старшим битом):
d7 44 | c2 a6 | c2 e2 | d5 d7 | c2 ea | d0 c1 | c2 ed | c2 e0 | c2 a6 | cf fa | cf ca | c2 2b
Теперь самое шаманское действие, которое по сути и является лечением поломавшейся кодировки: производим заменую старшего ниббла (полубайта) в каждом байте с проставленным старшим битом по таблице:
ax -> bx
cx -> 8x
dx -> 9x
ex -> ax
fx -> ex
Получаем:
97 44 | 82 b6 | 82 a2 | 95 97 | 82 aa | 90 81 | 82 ad | 82 a0 | 82 b6 | 8f ea | 8f 8a | 82 2b
Открываем JWPce, в нём по ctrl+T таблицу Shift-JIS'а, по кодам находим буквы и по одной вбиваем. Получаем название первого трека:
優しい風が吹くあの場所で
Можем повторить операцию для каждого трека. Но когда есть оригинальное написание, уже можно обратиться и к гуглу, в котором треклист альбома выпадает в конце первой страницы: http://music.douban.com/subject/5505725/ -- сайт, что характерно, китайский.
Чтобы в следующий раз не проделывать всё это ручками, пишем утилитку.
UPD. Бонус-баллы тому, кто найдёт, где я вас обманул.