Существует ли набор файлов "Lorem ipsums" для тестирования проблем с кодировкой символов?
для layouting у нас есть наш знаменитый текст "Lorem ipsum", чтобы проверить, как это выглядит.
то, что я ищу, - это набор файлов, содержащих текст, закодированный с несколькими различными кодировками, которые я могу использовать в своих тестах JUnit для тестирования некоторых методов, которые имеют дело с кодировкой символов при чтении текстовых файлов.
Образец:
имеющего ISO 8859-1 закодированный тест-файл и A Windows-1252 закодированный тестовый файл. Windows-1252, которая обязательно вызовет разногласия в регионе 8016 - 9F16. Другими словами, он должен содержать по крайней мере один символ этой области, чтобы отличить его от ISO 8859-1.
возможно, лучший набор тестовых файлов-это тот, где тестовый файл для каждой кодировки содержит все свои символы один раз. Но, может быть, я не знаю о sth - нам всем нравится этот кодирующий материал, верно? : -)
существует ли такой набор тестовых файлов для проблем кодирования символов?
4 ответов:
Как насчет того, чтобы попытаться использовать ICU файлы тестов? Я не знаю, являются ли они тем, что вам нужно для вашего теста, но они, похоже, имеют довольно полные файлы отображения из / в UTF по крайней мере:ссылка на РЕПО для тестовых файлов ICU
статья Википедии о диакритические знаки довольно полный, К сожалению, вы должны извлечь эти символы вручную. Также может существовать некоторая мнемоника для каждого языка. Например, в польском языке мы используем:
Zażółć gęślą jaźń
который содержит все 9 польских диакритических знаков в одном правильном предложении. Еще одна полезная подсказка для поиска везде:предложения, используя каждую букву алфавита, по крайней мере один раз:
по-испански, "El veloz murciélago hindú comía feliz cardillo y kiwi. Ла-отеля cigüeña tocaba Эль saxofón detrás-дель-Паленке-де-Баджо." (все 27 букв и диакритических знаков).
в России, "Съешь же ещё этих мягких французских булок," (все 33 буквы русского кириллического алфавита).
список панграммы содержит исчерпывающее резюме. Кто-нибудь хочет обернуть это в простой:
public interface NationalCharacters { String spanish(); String russian(); //... }библиотеки?
Я не знаю никаких полных текстовых документов, но если вы можете начать с простого обзора всех наборов символов, есть некоторые файлы, доступные в ftp.unicode.org сервер
вот WINDOWS-1252 например. Первый столбец-это шестнадцатеричное символьное значение, а второй-значение Юникода.
ftp://ftp.unicode.org/Public/MAPPINGS/VENDORS/MICSFT/WINDOWS/CP1250.TXT
Ну, я использовал онлайн-инструмент для создания моих наборов текстовых символов из Lorem Ipsum. Я верю, что это может помочь вам. У меня нет одного, который имеет все различные наборы символов на одной странице.
Comments