字幕文字化けの根本原因と修正方法：GBK/Big5/UTF-8エンコーディングの解説

コンピューターがテキストを保存する際に記憶されるのは、バイナリのバイトデータのみです。エンコーディングとは、バイトから特定の文字へのマッピングルールの集合です。異なるエンコーディングには異なるマッピングテーブルが対応します。プレーヤーが字幕を読み込む際に誤ったマッピングテーブルを選択すると、正しい文字に照合することができません。

Unicodeエンコーディングシステムは世界のほとんどの文字を統合しています。UTF-8はUnicodeの可変長ストレージ実装であり、現在のインターネットにおける標準的な汎用テキストエンコーディングです。世界中で新規作成される字幕ファイルの多くは、既定でUTF-8エンコーディングで保存されています。

GBKは中国本土で開発された中国語拡張エンコーディングで、1995年にリリースされました。21,000文字以上の漢字を収録しており、初期のGB2312エンコーディングでは文字数が不足していた問題を解決するために作成されました。初期の国内映画・テレビドラマの字幕は、一般的にGBKエンコーディングで保存されていました。

Big5は中国台湾で広く使用されている繁体字中国語のエンコーディングです。Shift_JISは日本で用いられる汎用的な日本地域別エンコーディングです。これらのエンコーディングはいずれも、統一されたインターネット標準が成立する前に作成されたもので、1バイトのエンコーディングが256文字しか保持できず、東アジアの大規模な文字セットに対応できないという問題を解決しました。

1つ目の形態は、全体が空の四角い文字になるケースです。これは、対象のエンコーディングの文字テーブルに、現在のバイトに対応するエントリが存在しない場合に発生します。プレーヤーは文字を描画できないため、空の四角をプレースホルダーとして表示するしかありません。

2つ目の形態は、全体が疑問符の文字化けになるケースです。これは字幕ファイル内のバイト情報の検出が誤っていることが原因で発生します。プレーヤーがマルチバイトの東アジア文字をシングルバイトのASCII文字として認識してしまい、各文字が疑問符のプレースホルダーに置き換えられます。

3つ目の形態は、「锟斤拷」のような中国語の文字化けが発生するケースです。これは異なるエンコーディングのマッピングテーブルが重複していることが原因で発生します。プレーヤーが誤ったエンコーディングでバイトを解析した結果、たまたま別の無関係な中国語文字に照合され、最終的に完全に判読できない文字化けテキストが生成されます。

VLCで字幕エンコーディングを切り替える手順は次の通りです。再生画面上部のツールメニューをクリックし、環境設定を選択し、字幕/OSDオプションをクリックします。テキストエンコーディングモジュールで対応するエンコーディングを手動で選択し、プレーヤーを再起動すると変更が有効になります。

PotPlayerで字幕エンコーディングを切り替える手順は次の通りです。再生画面を右クリックし、字幕オプションを選択し、字幕エンコーディングオプションを見つけ、展開された一覧から対応する地域別エンコーディングを選択します。変更はすぐに有効になり、プレーヤーの再起動は必要ありません。

手動でのエンコーディング切り替えは、1回の再生にのみ有効です。デバイスやプレーヤーを変更すると、文字化けの問題が再発します。既存の字幕ファイルを再エンコーディングしてUTF-8にすることで、標準エンコーディングをサポートするすべてのプレーヤーで文字化けの問題を解消できます。

OKfmtのテキストエンコーディングコンバーターを利用できます。元の字幕ファイルをアップロードした後、元のエンコーディングを選択し、ターゲットエンコーディングとしてUTF-8を設定すると、汎用エンコーディングの新しい字幕ファイルを入手できます。変換後の字幕は、すべての主流メディアプレーヤーで正常に表示されます。