Schriftsysteme für Unicode-Tests
Die Seite sammelt kurze Texte in unterschiedlichen Schriftsystemen, darunter Chinesisch, Hindi in Devanagari, Bengalisch, Armenisch, Khmer und Uigurisch in arabischer Schrift. Hinzu kommen halbbreite Katakana und Devanagari-Ziffern. Mit ihnen lässt sich prüfen, ob Schriftarten, Zeilenumbruch, Zeichenzählung und die Speicherung in UTF-8 mit nicht lateinischen Schriften zurechtkommen.
29 Varianten auf einer Seite, jede mit eigenem Kopier- oder Download-Knopf.
Chinesisch (vereinfacht)
你好，世界！这是一个测试。
Han-Zeichen, kein Leerzeichen zwischen Wörtern; je Zeichen 3 Bytes in UTF-8. UTF-16: 13, Codepoints: 13, UTF-8: 39 Bytes. Testzeichenfolge für eigene Systeme.
Chinesisch (traditionell)
你好，世界！這是一個測試。
Traditionelle Zeichen; unterscheidet sich teils in Glyphen von der vereinfachten Form. UTF-16: 13, Codepoints: 13, UTF-8: 39 Bytes. Testzeichenfolge für eigene Systeme.
Japanisch: Kanji, Hiragana, Katakana
日本語のテスト、カタカナも含みます。
Drei Schriftsysteme in einem Satz. UTF-16: 18, Codepoints: 18, UTF-8: 54 Bytes. Testzeichenfolge für eigene Systeme.
Halbbreites Katakana
ｶﾀｶﾅ ﾊﾞｲｸ
Halfwidth-Katakana (U+FF65 ff.); NFKC macht daraus normale Katakana. UTF-16: 9, Codepoints: 9, UTF-8: 25 Bytes. Testzeichenfolge für eigene Systeme.
Koreanisch (Hangul-Silben)
안녕하세요, 테스트입니다.
Vorkomponierte Hangul-Silben (NFC). UTF-16: 14, Codepoints: 14, UTF-8: 36 Bytes. Testzeichenfolge für eigene Systeme.
Hangul als einzelne Jamo (NFD)
한
Dieselbe Silbe 한 als drei Jamo-Codepoints statt eines Silbenzeichens. UTF-16: 3, Codepoints: 3, UTF-8: 9 Bytes. Testzeichenfolge für eigene Systeme.
Hindi (Devanagari)
नमस्ते दुनिया
Devanagari mit Konjunkten und Vokalzeichen; Graphemcluster ≠ Codepoints. UTF-16: 13, Codepoints: 13, UTF-8: 37 Bytes. Testzeichenfolge für eigene Systeme.
Thai ohne Leerzeichen
สวัสดีชาวโลก ทดสอบการตัดคำ
Thai trennt Wörter nicht mit Leerzeichen; Zeilenumbruch braucht Wörterbuch. UTF-16: 26, Codepoints: 26, UTF-8: 76 Bytes. Testzeichenfolge für eigene Systeme.
Tamil
வணக்கம் உலகம்
Tamilische Schrift mit zusammengesetzten Zeichen. UTF-16: 13, Codepoints: 13, UTF-8: 37 Bytes. Testzeichenfolge für eigene Systeme.
Bengalisch
হ্যালো বিশ্ব
Bengalische Schrift mit Konjunkten. UTF-16: 12, Codepoints: 12, UTF-8: 34 Bytes. Testzeichenfolge für eigene Systeme.
Russisch (Kyrillisch)
Съешь же ещё этих мягких французских булок, да выпей чаю
Bekannter russischer Pangramm-Satz. Testzeichenfolge für eigene Systeme.
Griechisch mit Schluss-Sigma
Ξεσκεπάζω την ψυχοφθόρα βδελυγμία · ΟΔΥΣΣΕΥΣ ὀδυσσεύς
Schluss-Sigma ς und Großschreibung Σ: Case-Mapping hängt von der Position im Wort ab. Testzeichenfolge für eigene Systeme.
Armenisch
Բարեւ աշխարհ
Armenische Schrift. UTF-16: 12, Codepoints: 12, UTF-8: 23 Bytes. Testzeichenfolge für eigene Systeme.
Georgisch
გამარჯობა მსოფლიო
Georgische Schrift (Mkhedruli). UTF-16: 17, Codepoints: 17, UTF-8: 49 Bytes. Testzeichenfolge für eigene Systeme.
Äthiopisch (Ge'ez)
ሰላም ልዑል
Silbenschrift im Block Ethiopic. UTF-16: 7, Codepoints: 7, UTF-8: 19 Bytes. Testzeichenfolge für eigene Systeme.
Khmer
សួស្តីពិភពលោក
Khmer-Schrift, ebenfalls ohne Leerzeichen zwischen Wörtern. UTF-16: 13, Codepoints: 13, UTF-8: 39 Bytes. Testzeichenfolge für eigene Systeme.
Arabisch (Rechts-nach-links)
مرحبا بالعالم
Arabische Schrift, wird von rechts nach links gesetzt; Buchstaben ändern ihre Form je nach Position. UTF-16: 13, Codepoints: 13, UTF-8: 25 Bytes. Testzeichenfolge für eigene Systeme.
Hebräisch (Rechts-nach-links)
שלום עולם
Hebräische Schrift, rechts nach links. UTF-16: 9, Codepoints: 9, UTF-8: 17 Bytes. Testzeichenfolge für eigene Systeme.
Uigurisch (arabische Schrift)
ئۇيغۇرچە
Uigurisch in arabischer Schrift, rechts nach links; enthält Zeichen mit Ergänzungen wie ئ und ۇ. UTF-16: 8, Codepoints: 8, UTF-8: 16 Bytes. Testzeichenfolge für eigene Systeme.
Persisch mit Zero Width Non-Joiner
میخواهم
Das Präfix „mi“ wird mit ZWNJ (U+200C) vom Verb getrennt, ohne Leerraum. UTF-16: 8, Codepoints: 8, UTF-8: 17 Bytes. Testzeichenfolge für eigene Systeme.
Arabisch-indische Ziffern ٠١٢٣٤٥٦٧٨٩
٠١٢٣٤٥٦٧٨٩
Ziffern U+0660 bis U+0669; \d in Unicode-fähigen Regex-Dialekten kann sie treffen, parseInt nicht. UTF-16: 10, Codepoints: 10, UTF-8: 20 Bytes. Testzeichenfolge für eigene Systeme.
Devanagari-Ziffern ०१२३४५६७८९
०१२३४५६७८९
Ziffern U+0966 bis U+096F; sehen nicht aus wie 0–9, sind aber Dezimalziffern (Nd). UTF-16: 10, Codepoints: 10, UTF-8: 30 Bytes. Testzeichenfolge für eigene Systeme.
Deutscher Satz mit arabischem Wort in der Mitte
Das Wort مرحبا bedeutet Hallo und wird 2024 verwendet.
Gemischte Schreibrichtung; Ziffern und Satzzeichen am Rand werden oft falsch einsortiert. Testzeichenfolge für eigene Systeme.
Braille-Zeichen
⠃⠗⠁⠊⠊⠇⠇⠑
Braille-Muster im Block U+2800; dient oft als „leer wirkender“ Text, wenn U+2800 steht. UTF-16: 8, Codepoints: 8, UTF-8: 24 Bytes. Testzeichenfolge für eigene Systeme.
Runen
ᚠᚢᚦᚨᚱᚲ
Älteres Futhark (Block Runic). UTF-16: 6, Codepoints: 6, UTF-8: 18 Bytes. Testzeichenfolge für eigene Systeme.
Ägyptische Hieroglyphen (Ebene 1)
𓀀𓀁𓀂
Zeichen oberhalb U+FFFF; viele Schriften haben keine Glyphe, es erscheinen Kästchen. UTF-16: 6, Codepoints: 3, UTF-8: 12 Bytes. Testzeichenfolge für eigene Systeme.
Seltenes Han-Zeichen 𠮷 (U+20BB7, Erweiterung B)
𠮷
Variante von 吉; vier Bytes in UTF-8, zwei UTF-16-Einheiten. Bekannter Fall bei JIS-Namen. UTF-16: 2, Codepoints: 1, UTF-8: 4 Bytes. Testzeichenfolge für eigene Systeme.
Hangul Filler (U+3164) sieht leer aus
ㅤ
Ein Zeichen, das wie ein Leerzeichen wirkt, aber kein Leerraum ist; umgeht Pflichtfeld-Prüfungen mit trim(). UTF-16: 1, Codepoints: 1, UTF-8: 3 Bytes. Testzeichenfolge für eigene Systeme.
Braille-Leerzeichen (U+2800) als „leerer“ Text
⠀
Sieht leer aus (alle Punkte frei), zählt aber nicht als Leerraum. UTF-16: 1, Codepoints: 1, UTF-8: 3 Bytes. Testzeichenfolge für eigene Systeme.