レイアウトについては、有名な「Lorem ipsum」テキストを使用して、どのように表示されるかをテストします。
私が探しているのは、テキストファイルを読み取るときに文字エンコードを処理するいくつかのメソッドをテストするためにJUnitテストで使用できる、いくつかの異なるエンコードでエンコードされたテキストを含むファイルのセットです。
例：持つISO 8859-1エンコードされたテスト・ファイルおよびWindows-1252エンコードされたテストファイルを。Windowsの-1252は、領域80の違いトリガする必要があり16 9F - 16。つまり、ISO 8859-1と区別するために、この領域の文字が少なくとも1つ含まれている必要があります。
おそらく、テストファイルの最良のセットは、各エンコーディングのテストファイルにすべての文字が一度含まれているものです。しかし、多分私はsthに気づいていません-私たちは皆、このエンコーディングのものが好きですよね？:-)
文字エンコードの問題に関するそのようなテストファイルのセットはありますか？
回答:
ICUテストスイートファイルを使用してみませんか？それらがテストに必要なものであるかどうかはわかりませんが、少なくともUTFマッピングファイルから/への完全なものがあるようです。ICUテストファイルのリポジトリへのリンク
分音記号に関するウィキペディアの記事はかなり包括的ですが、残念ながら、これらの文字を手動で抽出する必要があります。また、言語ごとにいくつかのニーモニックが存在する場合があります。たとえば、ポーランド語では次のものを使用します。
Zażółćgęśląjaźń
これには、9つのポーランド語発音区別符号がすべて1つの正しい文に含まれています。もう1つの便利な検索ヒントは、パングラムです。アルファベットのすべての文字を少なくとも1回使用する文です。
スペイン語で、「Elvelozmurciélagohindúcomíafelizcardilloykiwi。Lacigüeñatocabaelsaxofóndetrásdelpalenquedepaja。」（27文字すべてと発音区別符号）。
ロシア語では、「Съешьжеещёэтихмягкихфранцузскихбулок、давыпейчаю」（33個のロシア語キリル文字すべて）。
パングラムのリストには、網羅的な要約が含まれています。誰もがこれを単純なもので包むことを気にします：
public interface NationalCharacters {
String spanish();
String russian();
//...
}
図書館？
完全なテキストドキュメントはわかりませんが、すべての文字セットの簡単な概要から始めることができれば、ftp.unicode.orgサーバーで利用できるファイルがいくつかあります。
たとえば、WINDOWS-1252です。最初の列は16進文字の値で、2番目の列はUnicode値です。
ftp://ftp.unicode.org/Public/MAPPINGS/VENDORS/MICSFT/WINDOWS/CP1250.TXT
さて、私はオンラインツールを使用して、LoremIpsumからテキスト文字セットを作成しました。私はそれがあなたを助けることができると信じています。1ページにすべての異なる文字セットがあるものはありません。