Acentos quebrados na legenda: UTF-8 e Windows-1252
Por que os acentos da legenda viram símbolos estranhos? Entenda UTF-8, Windows-1252 e BOM e veja como reabrir o arquivo na codificação certa.
Ilustração original do irokod.com, gerada para este artigo.
Você abre a legenda no player e a palavra “café” aparece como “café”. O texto não se perdeu. O arquivo foi lido com a codificação errada.
Codificação é a regra que transforma os bytes gravados no arquivo em letras, e o erro surge quando quem grava e quem lê usam regras diferentes. O conserto costuma ser rápido, porque basta dizer ao programa qual regra usar. Aqui você vê como o erro aparece, o que são UTF-8 e Windows-1252, como descobrir a codificação do seu arquivo e como corrigir no editor do irokod.com.
O que é codificação de texto
Um computador guarda texto como bytes, que são números. A codificação é o conjunto de mapeamentos entre esses bytes e os caracteres. O W3C compara a codificação a uma chave que abre os dados guardados. Sem a chave certa, os dados continuam ali, mas ninguém consegue lê-los direito.
Cada caractere tem um número, chamado ponto de código. A codificação define como esse número vira bytes.
O exemplo do W3C é a letra é, de ponto de código 233. Em ISO 8859-1, ela ocupa um byte. Em UTF-8, ocupa dois. No ISO 8859-5, o mesmo número 233 é a letra cirílica щ. Só o contexto diz qual codificação vale.
O W3C também avisa que a palavra “charset” costuma ser usada de forma enganosa. Ela se refere, na verdade, a codificações.
Como o erro aparece
O erro tem duas caras, conforme o lado em que a confusão acontece.
Na primeira, o arquivo está em UTF-8 e o programa o lê como Windows-1252. Cada letra acentuada vira dois caracteres. A tabela mostra o resultado em palavras comuns:
| Palavra correta | Aparece como |
|---|---|
| café | café |
| você | você |
| avó | avó |
| música | música |
| ônibus | ônibus |
| açúcar | açúcar |
Na segunda, o arquivo está em Windows-1252 e o programa o lê como UTF-8. Os bytes isolados não formam sequências válidas em UTF-8. No modo de substituição, o decodificador descrito pelo WHATWG emite o caractere U+FFFD, o losango com interrogação, no lugar de cada sequência inválida. A letra original não aparece mais. Veja a mesma palavra nos dois casos:
Texto certo: açúcar
UTF-8 lido como 1252: açúcar
1252 lido como UTF-8: a��car
Se você salvar o arquivo enquanto os símbolos estão na tela, o caractere original pode se perder de vez. Corrija a leitura antes de gravar qualquer coisa.
UTF-8 e Windows-1252
UTF-8 é a codificação do Unicode que usa de um a quatro bytes por caractere. Ele preserva o ASCII: letras sem acento ocupam um único byte e ficam iguais em UTF-8 e em Windows-1252. Por isso um arquivo sem acentos não mostra problema nenhum, e o erro só aparece quando entra um é, um ç ou um ã.
O Encoding Standard do WHATWG diz que novos formatos devem usar só UTF-8. O W3C recomenda a mesma coisa, porque uma única codificação consegue tratar quase qualquer caractere. E a ajuda do YouTube pede que arquivos .srt estejam em UTF-8 simples.
Windows-1252 é uma codificação mais antiga, em que cada letra ocupa um byte, como no ISO 8859-1. O WHATWG informa que rótulos como latin1 e iso-8859-1 apontam para ela, então um arquivo declarado como latin1 é lido como Windows-1252 na web. A Wikipédia lembra que o programa SubRip grava por padrão em Windows-1252, embora ofereça UTF-8 e UTF-16. Isso ajuda a explicar por que um .srt mais antigo pode estar nessa codificação.
Ainda segundo a Wikipédia, não existe padrão oficial de codificação para arquivos .srt. Os programas precisam detectar a codificação por conta própria. Por isso a escolha mais segura é gravar sempre em UTF-8.
Como descobrir a codificação do arquivo
O próprio sintoma é a pista principal:
- Letras como “Ô seguidas de símbolo, como em “você”: o arquivo provavelmente está em UTF-8, e quem leu usou Windows-1252.
- Losangos com interrogação no lugar da letra: o arquivo provavelmente não está em UTF-8, e quem leu usou UTF-8.
- Três caracteres estranhos no começo do arquivo, “”: é a marca BOM de UTF-8 lida como Windows-1252 (veja a seção sobre BOM mais abaixo).
Para confirmar, abra o arquivo no editor de legendas do irokod.com. Ele lê em UTF-8. Se o texto sair certo, o arquivo está em UTF-8. Se aparecerem losangos, o editor avisa, e você pode trocar a codificação. Editores de texto comuns costumam oferecer uma escolha de codificação ao abrir ou ao salvar; procure por “Codificação” ou “Encoding”.
Atenção a um terceiro caso. Se o próprio arquivo já traz “ç” gravado como texto, alguém salvou o texto quebrado. Reabrir em outra codificação não resolve nesse caso.
Como corrigir
O roteiro no editor do irokod.com é este:
- Guarde uma cópia do arquivo original.
- Abra a legenda no editor. Ele a lê em UTF-8.
- Se os acentos saírem certos, o arquivo está em UTF-8 e o problema está no player ou na página que o exibe. Verifique lá a configuração de codificação.
- Se aparecerem losangos, escolha Windows-1252 no seletor de codificação do arquivo. Faça isso antes de editar, porque a troca recarrega o arquivo.
- Confira palavras com é, ç, ã e õ na lista de falas.
- Exporte em SRT ou VTT. O arquivo exportado sai em UTF-8, que é o que o YouTube pede.
- Teste no player onde a legenda será usada.
Para o caso do texto já quebrado dentro do arquivo, use o localizar e substituir do editor. Troque cada par, como “ç” por “ç” e “é” por “é”. É trabalhoso, e por isso vale refazer a partir do original, se ele existir. O guia de revisão antes de publicar prevê uma passada só para o arquivo, com a conferência da codificação.
O que é BOM
BOM é a sigla de byte order mark. Segundo o FAQ do Unicode, é o caractere U+FEFF colocado no começo de um arquivo de texto. Ele pode indicar a ordem dos bytes e a forma de codificação. Em UTF-8, os bytes do BOM são EF BB BF.
Em UTF-8, o BOM não é exigido. Aqui ele funciona só como assinatura de codificação, porque a ordem de bytes do processador não importa para UTF-8. A página do Unicode avisa que alguns receptores de dados em UTF-8 não esperam o BOM e que ele pode atrapalhar sistemas que esperam caracteres ASCII no início do arquivo.
O WHATWG descreve um decodificador de UTF-8 que remove o BOM e outra variante que o mantém. Ou seja, depende do programa. Se um programa não o trata, ele aparece como “” na primeira linha.
A Wikipédia diz que o BOM ajuda os programas a detectar a codificação de um .srt. Em caso de dúvida, teste o arquivo com e sem BOM no destino. Para saber como o WebVTT lida com ele, veja o cabeçalho do arquivo VTT.
Erros comuns
- Salvar o arquivo enquanto os símbolos estão na tela. A causa é achar que salvar conserta. Salvar grava o erro. Reabra com a codificação certa primeiro.
- Apagar os losangos à mão. A letra original não está mais ali, e você teria que adivinhar cada uma. Reabra em Windows-1252 e recupere o texto.
- Trocar o rótulo de codificação sem converter os bytes. O W3C explica que declarar outra codificação não muda os bytes do arquivo. Ele também precisa ser salvo nela.
- Testar só com um trecho sem acentos. Como o ASCII é igual em todas as codificações, o erro passa despercebido. Inclua uma fala com acentos no teste.
- Ignorar o “” no começo do arquivo. É o BOM lido do jeito errado. Se o seu editor de texto oferece a opção, grave em UTF-8 sem BOM e teste de novo.
- Enviar a legenda sem conferir o requisito da plataforma. O YouTube pede UTF-8 simples para .srt. Se o seu arquivo veio de um programa antigo, converta antes. Se mesmo assim o arquivo não abrir, leia quando o arquivo de legenda não abre.
Perguntas frequentes
Qual codificação devo usar nas minhas legendas?
UTF-8. O WHATWG e o W3C recomendam essa codificação para formatos novos e conteúdo em geral, e o YouTube pede UTF-8 simples para .srt. Ela consegue representar quase qualquer caractere, inclusive os acentos usados em legendas de vários idiomas.
O que significa o caractere do losango com interrogação?
É o U+FFFD, o caractere de substituição. O decodificador o coloca no lugar de bytes que não formam um caractere válido em UTF-8. Em geral, indica que o arquivo foi lido em UTF-8 sem estar nessa codificação.
O BOM é obrigatório em UTF-8?
Não. O FAQ do Unicode diz que ele não é exigido. Se o programa que vai ler o arquivo não o espera, ele pode causar problema, então vale testar com e sem.
Windows-1252 e ISO 8859-1 são a mesma coisa?
Na web, são tratadas como a mesma. O WHATWG diz que os rótulos latin1 e iso-8859-1 apontam para Windows-1252. Na prática, para abrir uma legenda, você escolhe Windows-1252 no editor.
Fontes
- W3C Internationalization (i18n). Character encodings for beginners. Consultado em 19 de novembro de 2026.
- WHATWG. Encoding Standard. Consultado em 19 de novembro de 2026.
- Unicode Consortium. FAQ - UTF-8, UTF-16, UTF-32 & BOM. Consultado em 19 de novembro de 2026.
- Google (Ajuda do YouTube). Supported subtitle and closed caption files - YouTube Help. Consultado em 19 de novembro de 2026.
- Wikipedia. SubRip. Fonte não oficial: descreve o uso comum do formato. Consultado em 19 de novembro de 2026.
Continue lendo
- Arquivo de legenda que não abre: erros mais comuns A legenda não aparece ou o arquivo não abre? Siga um roteiro do sintoma à causa: extensão, linhas em branco, tempos, cabeçalho do VTT e codificação.
- O que é um arquivo SRT e como ele funciona Saiba o que é um arquivo SRT, de que partes ele é feito, onde costuma ser aceito e o que ele não faz, com um exemplo original para copiar e testar.
- O que é um arquivo VTT (WebVTT) e quando usar Veja o que é um arquivo VTT (WebVTT): o cabeçalho, os blocos de legenda, as notas, o estilo e a posição, e quando ele é a melhor escolha.
- Como converter SRT em VTT e VTT em SRT Passo a passo para converter SRT em VTT e VTT em SRT sem estragar a legenda: o que trocar, o que se perde e como fazer isso no editor do irokod.com.
- Checklist para revisar legendas antes de publicar Roteiro de revisão em quatro passadas e um teste no player, com checklist completa: texto e nomes, tempos, linhas e leitura, arquivo e exibição.