Mojibake (文字化け) là hiện tượng xảy ra khi mã hóa ký tự dùng để ghi dữ liệu văn bản khác với mã hóa dùng để đọc. Ví dụ, khi mở một tệp tiếng Nhật được lưu bằng UTF-8 dưới dạng Shift_JIS, chuỗi "こんにちは" sẽ biến thành "縺薙s縺ォ縺。縺ッ" - một dãy ký tự hoàn toàn vô nghĩa. Ngược lại, mở tệp Shift_JIS bằng UTF-8 sẽ hiển thị hàng loạt ký tự thay thế "�" hoặc các chữ Hán hoàn toàn khác.

Có ba kịch bản điển hình gây ra mojibake. Thứ nhất, mã hóa khi lưu tệp khác với mã hóa khi đọc. Thứ hai, cài đặt kết nối cơ sở dữ liệu không khớp với bộ ký tự của bảng. Thứ ba, charset được chỉ định trong header HTTP Content-Type khác với mã hóa thực tế của tệp HTML. Cả ba trường hợp đều có cùng bản chất: "thỏa thuận giữa bên ghi và bên đọc không khớp nhau."

Nhìn từ góc độ lịch sử, mojibake gắn liền sâu sắc với văn hóa máy tính Nhật Bản. Trong thập niên 1980-1990, ba bảng mã tiếng Nhật chính - JIS, Shift_JIS và EUC-JP - tồn tại song song, khiến mojibake xảy ra thường xuyên trong email và trang web. Đặc biệt với email, dù ISO-2022-JP được coi là chuẩn, mỗi ứng dụng email lại sử dụng mã hóa khác nhau, gây ra lỗi hiển thị ở phía người nhận. Đối với tiếng Việt, vấn đề tương tự từng xảy ra với các bảng mã TCVN 3, VNI và VISCII trước khi Unicode được phổ biến rộng rãi.

Hiện nay, UTF-8 đã trở thành chuẩn thực tế của web và tần suất mojibake đã giảm đáng kể. Theo khảo sát của W3Techs, hơn 98% website sử dụng UTF-8. Tuy nhiên, mojibake chưa hoàn toàn biến mất: kết nối với hệ thống cũ, trao đổi tệp CSV (Excel yêu cầu UTF-8 có BOM), di chuyển cơ sở dữ liệu cũ vẫn là những tình huống phổ biến.

Các biện pháp phòng tránh mojibake trong thực tế khá rõ ràng. Thống nhất tệp ở định dạng UTF-8 (không BOM). Sử dụng bộ ký tự utf8mb4 cho cơ sở dữ liệu. Chỉ định rõ Content-Type: text/html; charset=UTF-8 trong phản hồi HTTP. Xuất CSV dạng UTF-8 có BOM khi cần mở bằng Excel. Chỉ cần tuân thủ những nguyên tắc này, hầu hết mojibake trong môi trường phát triển hiện đại đều có thể tránh được.

Từ góc độ đếm ký tự, văn bản bị mojibake có sự chênh lệch lớn giữa số ký tự hiển thị và số byte thực tế. Ví dụ, khi văn bản tiếng Nhật UTF-8 bị hiểu nhầm là Latin-1, mỗi ký tự sẽ "phình" thành 3 ký tự, khiến kết quả đếm gấp gần 3 lần so với thực tế. Điều kiện tiên quyết để đếm ký tự chính xác là mã hóa của văn bản phải được nhận diện đúng.