Caracteres estranhos em DBF: como achar a codificação certa

Um arquivo DBF não tem um marcador que diga “isto é UTF-8”. A página de código ou é indicada por um único byte do cabeçalho, ou não é indicada de jeito nenhum — e então precisa ser deduzida pelo conteúdo. É assim que “Coração” vira “Cora‡Æo” ou “CoraþÒo”.

Atualizado 2026-09-30 · formato DBF

De onde vem o problema

O DBF é um formato de um byte por caractere. Qual letra um byte representa depende da página de código. O “ç” é gravado como 0x87 nas páginas DOS cp850 e cp860, mas como 0xE7 no windows-1252. Leia com a tabela errada e você obtém outro caractere:

O programa que gravou o arquivo conhecia a sua própria tabela. O programa que lê precisa pegá-la do cabeçalho — ou adivinhar. Sistemas em Clipper e dBase para DOS no Brasil costumam usar cp850 (o padrão “Multilíngue” do DOS) ou cp860 (“Português”); sistemas Windows usam windows-1252, o “Latin1” do dia a dia.

O driver de idioma: o byte 29 do cabeçalho

O byte 29 do cabeçalho de um DBF (contando a partir de zero) guarda o Language Driver ID, um código que nomeia a página de código. Os valores mais comuns:

O byte também pode estar errado: um arquivo foi criado por um programa, ampliado por outro, e o cabeçalho manteve o valor original. É uma dica forte, não uma garantia.

Lendo os sintomas

O padrão do lixo mostra o que aconteceu:

• Caracteres de desenho de caixa no meio das palavras (╔ ║ ╗ ╚ ╣): o arquivo foi gravado em uma página de código do Windows e está sendo lido como DOS. A metade superior das tabelas DOS está cheia de caracteres de desenho, e as letras acentuadas caem ali.
• “‡”, “Æ”, “„” onde deveria haver ç, ã, ä: o contrário — dados DOS lidos como windows-1252 (“Cora‡Æo”).
• “þ”, “Ò”, “Ú” no lugar de ç, ã, é: dados windows-1252 lidos como cp850.
• “ç”, “ã”, “é”: dois bytes por letra — o texto é UTF-8 e está sendo lido como uma tabela de um byte. É raro no DBF, mas ferramentas modernas gravam assim.
• Caracteres de substituição (�): o decodificador encontrou bytes que não existem na tabela ou texto multibyte truncado.

O que fazer na prática

• Abra o arquivo e olhe os campos de texto. Se estão corretos, a codificação foi tirada do cabeçalho ou detectada pelo conteúdo.
• Se não estão, troque a codificação na barra de ferramentas e experimente as candidatas prováveis: cp850 e cp860 para arquivos de programas da era DOS, windows-1252 para os do Windows.
• Trocar não reabre o arquivo. Muda só a tabela de byte para caractere, e nada no arquivo é tocado, a não ser que você salve as edições.
• Se alguns campos aparecem certos e outros não, o arquivo provavelmente mistura dados de várias fontes. Isso só pode ser corrigido por quem o produziu.

Mais uma sutileza: os nomes dos campos também são texto e são decodificados com a mesma tabela. Se os títulos das colunas estão estragados mas os dados estão bons, os dois foram gravados em codificações diferentes.

Por que não converter simplesmente para UTF-8

A tentação é compreensível, mas o DBF não comporta isso: o tamanho do campo é dado em bytes, e as letras acentuadas ocupam dois bytes cada em UTF-8. Um campo C(20) comporta vinte letras latinas simples, mas menos letras acentuadas — o que passar do limite é cortado em silêncio.

Por isso, quando os dados são exportados de volta para DBF, a codificação é sempre de um byte, e o tamanho dos campos é recalculado a partir dos dados reais na codificação de destino. Para obter texto UTF-8 de um DBF, exporte para CSV, JSON ou XLSX.

Perguntas frequentes

Grátis para uso pessoal. Seu arquivo não é enviado a nenhum servidor. Versão para Windows — 3.5 MB, sem instalação: detalhes. Para organizações — licença.

Leia também