Lompat ke konten utama
Kelas
Berkas, Format, dan Data yang RapiPelajaran 2 dari 16 · Modul 1, Teks dan encoding

Modul 1 · Teks dan encoding

UTF-8 dan mojibake

Setelah pelajaran ini kamu bisa mengenali teks yang salah baca dan mengembalikannya ke bentuk semula.

  • ±14 menit
  • 3 latihan
  • Diperiksa 23 Sep 2026

Latihan di pelajaran ini butuh akun gratis. Progres, kode, dan catatanmu hanya tersimpan di browser ini. Masuk untuk menyimpannya

Materi

UTF-8 menulis titik kode menjadi satu sampai empat byte. Seluruh huruf ASCII tetap satu byte dengan nilai yang sama seperti dulu, sehingga berkas ASCII lama otomatis sah sebagai UTF-8. Karakter di luar ASCII memakai dua byte atau lebih, dan byte-byte itu selalu bernilai 128 ke atas. Aturan lengkapnya ditetapkan RFC 3629.

Mojibake muncul ketika byte UTF-8 dibaca memakai encoding satu byte seperti cp1252 atau latin-1. Program itu tidak menolak, karena setiap byte punya arti di tabelnya sendiri. Hasilnya satu huruf beraksen berubah menjadi dua atau tiga huruf aneh, dan datanya tetap utuh di dalam berkas — yang salah adalah cara membacanya.

Maksud aslinyaByte UTF-8Tampilan saat dibaca cp1252
éC3 A9é
– (tanda pisah en)E2 80 93–
— (tanda pisah em)E2 80 94—
’ (apostrof miring)E2 80 99’
rusak = "André Niño"
benar = rusak.encode("cp1252").decode("utf-8")
print(benar)   # André Niño

Nama orang paling sering jadi korban karena di sanalah aksara di luar ASCII berkumpul: André, Nguyễn, Saoirse, sampai apostrof miring hasil koreksi otomatis pengolah kata. Perbaikan di atas hanya bekerja sekali; kalau berkas yang sudah rusak disimpan ulang sebagai UTF-8, kerusakannya ikut tersimpan dan lapisannya bertambah.

Latihan

Jawaban diperiksa di server. Lulus berarti kamu memahami contohnya, bukan penilaian seluruh pekerjaanmu.

Latihan 3 dari 3

Berkas CSV menampilkan é di tempat é dan – di tempat tanda pisah. Apa yang terjadi pada berkas itu?

Pilih satu jawaban

Catatanmu

Memuat catatan…

tersimpan otomatis, ikut tercetak · 0/4.000

Lanjutkan ke

Tampilkan 2 lagi