Có tập hợp các tệp “Lorem ipsums” để kiểm tra các vấn đề mã hóa ký tự không?

Để bố trí, chúng tôi có văn bản "Lorem ipsum" nổi tiếng để kiểm tra xem nó trông như thế nào.

Những gì tôi đang tìm kiếm là một tập hợp các tệp chứa Văn bản được mã hóa bằng một số mã hóa khác nhau mà tôi có thể sử dụng trong các bài kiểm tra JUnit của mình để kiểm tra một số phương pháp xử lý mã hóa ký tự khi đọc tệp văn bản.

Có ISO 8859-1tệp Windows-1252thử nghiệm được mã hóa và tệp thử nghiệm được mã hóa. Windows-1252 phải kích hoạt sự khác biệt trong vùng 80 ₁₆ - 9F ₁₆ . Nói cách khác, nó phải chứa ít nhất một ký tự của vùng này để phân biệt với ISO 8859-1.

Có thể bộ tệp thử nghiệm tốt nhất là nơi tệp thử nghiệm cho mỗi bảng mã chứa tất cả các ký tự của nó một lần. Nhưng có lẽ tôi không biết về sth - tất cả chúng ta đều thích công cụ mã hóa này, phải không? :-)

Có một tập hợp các tệp thử nghiệm cho các vấn đề mã hóa ký tự ngoài đó không?

Làm thế nào về việc cố gắng sử dụng các tệp bộ kiểm tra ICU ? Tôi không biết liệu chúng có phải là thứ bạn cần cho bài kiểm tra của mình hay không, nhưng ít nhất chúng dường như có các tệp ánh xạ từ / đến UTF khá hoàn chỉnh: Liên kết đến kho lưu trữ các tệp kiểm tra ICU

Bài viết Wikipedia về dấu phụ khá toàn diện, tiếc là bạn phải trích xuất các ký tự này theo cách thủ công. Ngoài ra, có thể tồn tại một số phương pháp ghi nhớ cho mỗi ngôn ngữ. Ví dụ bằng tiếng Ba Lan, chúng tôi sử dụng:

Zażółć gęślą jaźń

trong đó có tất cả 9 dấu phụ tiếng Ba Lan trong một câu đúng. Một gợi ý tìm kiếm hữu ích khác là pangrams : các câu sử dụng mọi chữ cái trong bảng chữ cái ít nhất một lần :

• bằng tiếng Tây Ban Nha, " El veloz murciélago hindú comía feliz cardillo y kiwi. La cigüeña tocaba el saxofón detrás del palenque de paja. " (tất cả 27 chữ cái và dấu phụ).

• bằng tiếng Nga, " Съешь же ещё этих мягких французских булок, да выпей чаю " (tất cả 33 chữ cái trong bảng chữ cái Kirin Nga).

Danh sách các pangram chứa một bản tóm tắt đầy đủ. Bất cứ ai cũng quan tâm đến điều này một cách đơn giản:

public interface NationalCharacters {
  String spanish();
  String russian();
  //...
}

thư viện?

Tôi không biết về bất kỳ tài liệu văn bản hoàn chỉnh nào, nhưng nếu bạn có thể bắt đầu với tổng quan đơn giản về tất cả các bộ ký tự, có một số tệp có sẵn tại máy chủ ftp.unicode.org

Đây là WINDOWS-1252 chẳng hạn. Cột đầu tiên là giá trị ký tự thập lục phân và cột thứ hai là giá trị unicode.

ftp://ftp.unicode.org/Public/MAPPINGS/VENDORS/MICSFT/WINDOWS/CP1250.TXT

Chà, tôi đã sử dụng một công cụ trực tuyến để tạo bộ ký tự văn bản của mình từ Lorem Ipsum. Tôi tin rằng nó có thể giúp bạn. Tôi không có cái nào có tất cả các bảng mã khác nhau trong một trang.

http://generator.lorem-ipsum.info /