Corrección de Caracteres UTF-8 Mal Codificados

Corrección de Caracteres UTF-8 Mal Codificados

Problema

Algunos posts contienen caracteres UTF-8 mal codificados que aparecen como secuencias extrañas:

  • â€" → debería ser - (guión)
  • “ → debería ser " (comillas izquierda)
  • †→ debería ser " (comillas derecha)
  • • → debería ser • (bullet point)
  • … → debería ser ... (puntos suspensivos)
  • Antigüedad → debería ser Antigüedad

Archivos Corregidos

Ya se han corregido los siguientes archivos:

  • ✅ 2024-05-08-poc-etl-low-cost-fabric-costes.md (título con guión)
  • ✅ 2018-10-23-conectarse-origenes-datos-power-bi-desktop-excel-2016.md
  • ✅ 2018-11-06-transformar-datos-power-query.md
  • ✅ 2018-11-19-combinar-consultas-coincidencias-aproximadas.md
  • ✅ 2020-07-27-dax-treatas.md

Archivos Pendientes

Quedan aproximadamente 16 archivos con caracteres problemáticos. La mayoría son casos menores (comillas, puntos suspensivos) que no afectan la legibilidad principal del contenido.

Cómo Corregir Nuevos Casos

Opción 1: Manualmente con Replace String

Para cada archivo:

  1. Identificar el texto con caracteres problemáticos
  2. Usar el editor para reemplazarlo con el carácter correcto

Opción 2: Script Automático (en desarrollo)

El script corregir-encoding.ps1 está disponible pero necesita ajustes para funcionar correctamente con todos los casos.

Prevención

Para evitar estos problemas en el futuro:

  1. Asegurar UTF-8 sin BOM: Todos los archivos .md deben guardarse en UTF-8 sin BOM
  2. Usar editor con encoding correcto: VS Code, por ejemplo, con: 
    "files.encoding": "utf8",
"files.autoGuessEncoding": false
  3. Verificar antes de commit: Buscar estos patrones antes de hacer push: 
    Get-Content archivo.md | Select-String "â€"

Comando para Encontrar Archivos Afectados

cd _posts
Get-ChildItem -Filter "*.md" | Select-String -Pattern "â€" -SimpleMatch | Group-Object Filename | Select-Object Name, Count | Sort-Object Count -Descending

Estado Actual

  • Corregidos: 5 archivos principales
  • Pendientes: ~16 archivos con casos menores
  • Prioridad: Alta para títulos y guiones, baja para comillas y puntos suspensivos internos

Los casos más importantes (títulos de posts y guiones en nombres) ya están corregidos. Los casos restantes son principalmente comillas decorativas y puntos suspensivos que no afectan la comprensión del contenido.