Daftar 1.200 pelanggan Toko Nusantara dikirim dari sistem lama. Nama beraksen tampil sebagai mojibake, sebagian nama lain memakai bentuk Unicode yang berbeda meski terlihat sama, dan beberapa membawa karakter tak tampak hasil salin-tempel dari halaman web. Misi ini memulihkannya menjadi satu berkas yang bersih.

Dua ejaan yang terlihat sama

Unicode mengizinkan é ditulis sebagai satu titik kode U+00E9 atau sebagai dua titik kode, yaitu huruf e diikuti tanda aksen U+0301. Di layar keduanya identik, tetapi panjangnya berbeda dan perbandingan teks menyatakan keduanya tidak sama. UAX #15 menetapkan bentuk normalisasi untuk menyeragamkannya; NFC menggabungkan menjadi satu titik kode.

Masalah	Gejala di data	Alat pemulihnya
Mojibake	CafÃ© Ibu Ani	encode("cp1252").decode("utf-8")
Bentuk terurai	Dua nama sama tidak cocok saat dibandingkan	unicodedata.normalize("NFC", teks)
Karakter tak tampak	Spasi nol lebar U+200B ikut tersalin	unicodedata.category(c) == "Cf"

Urutannya penting: pulihkan mojibake dulu, baru normalisasi, baru buang karakter tak tampak, dan terakhir pangkas spasi di ujung. Membalik urutannya membuat pemulihan mojibake gagal karena byte-nya sudah berubah.

Misi akhir modul. Selesaikan minimal 4 dari 4 tugas untuk menuntaskan modul ini.

Sumber

1. Unicode Standard Annex #15 — Unicode Normalization Forms — https://www.unicode.org/reports/tr15/

2. Python — modul unicodedata — https://docs.python.org/3/library/unicodedata.html

3. Python — codecs: daftar encoding baku — https://docs.python.org/3/library/codecs.html#standard-encodings

4. Python — modul csv (reader, writer, Sniffer) — https://docs.python.org/3/library/csv.html

Dicetak dari https://kelasgratis.com/belajar/format-data-dasar/misi-menyelamatkan-nama-rusak · diperiksa 2026-09-23

Materi ini merujuk dokumentasi resmi (4 sumber). Daftar lengkapnya, beserta lisensinya, ada di halaman Sumber.

Misi: menyelamatkan daftar nama yang rusak

Dua ejaan yang terlihat sama

Catatanmu

Lanjutkan ke

Sumber