toolzmate.
உரை மற்றும் தமிழ் கருவிகள்

தமிழ் Unicode மாற்றி

தமிழ் Unicode எழுத்துகளை ஆராய்ந்து, U+ குறியீட்டுப் புள்ளிகள், Unicode அடைப்புக்குறி வடிவங்கள் அல்லது UTF-8 hex ஆக சாதனத்திலேயே மாற்றுங்கள். பொருத்தமான எடுத்துக்காட்டுகளும் துல்லியமான பதிவிறக்கங்களும் கிடைக்கும்.

Unicode உரையைக் குறியீட்டுப் புள்ளிகளாக அல்லது பைட்டுகளாக மாற்றலாம்; அவற்றை மீண்டும் உரையாக்கலாம். Bamini, TAB, TAM உள்ளிட்ட பழைய எழுத்துருக் குறியாக்கங்களை இந்தக் கருவி ஆதரிக்காது.

எடுத்துக்காட்டு: த → U+0BA4. குறியீடுகளை இடைவெளி அல்லது வரிமுறிப்பால் பிரிக்கவும்.

அதிகபட்சம் 100,000 UTF-16 அலகுகள். உரை உங்கள் சாதனத்திலேயே இருக்கும். எதுவும் சேமிக்கப்படாது.

Unicode உரையை ஒட்டவும் அல்லது பொருத்தமான எடுத்துக்காட்டை முயலவும்; பின்னர் குறியாக்கவும்.

சாதனத்திலுள்ள TXT கோப்பை இறக்குமதி செய்

400 KB வரை உள்ள ஒரு UTF-8 TXT கோப்பைத் தேர்ந்தெடுக்கவும் அல்லது இழுத்துவிடவும். தொடக்க BOM, U+FEFF ஆகத் தக்கவைக்கப்படும்; திருத்தியில் CRLF மற்றும் CR, LF ஆகும்.

Unicode தமிழை ஆராய்ந்து மாற்றுவது

  1. Unicode தமிழ் அல்லது கலப்பு மொழி உரையை ஒட்டி குறியாக்கத்தைத் தேர்ந்தெடுக்கவும்; அல்லது ஆதரிக்கப்படும் குறியாக்க வடிவத்தை ஒட்டி உரையாக்கத்தைத் தேர்ந்தெடுக்கவும்.
  2. உள்ளீட்டில் பயன்படுத்திய அல்லது வெளியீட்டில் தேவையான வடிவத்தைத் தேர்ந்தெடுக்கவும்.
  3. மாற்றி முடிவைச் சரிபார்த்து, பதிவிறக்கவும் அல்லது நகலெடுக்கவும்.

தமிழ் என்ற சொல்லில் ஐந்து scalar மதிப்புகள் உள்ளன: U+0BA4 U+0BAE U+0BBF U+0BB4 U+0BCD. குறியீட்டுப் புள்ளிகள் சேமிக்கப்பட்ட குறிகளைக் குறிக்கும்; முழு எழுத்துக் குழுக்கள், எழுத்தின் காட்சி வடிவங்கள் அல்லது அசைகளைக் குறிப்பதில்லை. சார்பு உயிர்க்குறிகளும் புள்ளியும் அசல் தர்க்க வரிசையில் இருக்கும். ஒருங்கிணைந்த மற்றும் பிரிக்கப்பட்ட குறி வரிசைகள் வேறுபட்டவையாகவே இருக்கும். இயல்பாக்கம், ஒலிபெயர்ப்பு, எழுத்துப்பிழை திருத்தம் அல்லது பழைய எழுத்துரு மாற்றம் செய்யப்படாது. Unicode தமிழ் அட்டவணை.

ஆதரிக்கப்படும் வடிவங்கள்

U+ வடிவத்தில் பெரிய எழுத்து U+-க்கு அடுத்து நான்கு முதல் ஆறு hexadecimal இலக்குகள் இருக்க வேண்டும்; எடுத்துக்காட்டு U+0BA4. ஒவ்வொரு குறியீட்டிற்கும் இடையில் ASCII இடைவெளி தேவை. அடைப்புக்குறி வடிவத்தில் \u{BA4} போன்ற முழுமையான தொடர்கள் வேண்டும்; அவை இணைந்தோ ASCII இடைவெளி, தாவல் அல்லது CR/LF மூலம் பிரிந்தோ இருக்கலாம். UTF-8 hex வடிவத்தில் ஒவ்வொரு பைட்டிற்கும் இரண்டு hexadecimal இலக்குகள், பைட்டுகளுக்கு இடையில் ASCII இடைவெளி தேவை; த என்பது E0 AE A4. Hexadecimal இலக்குகளில் பெரிய/சிறிய எழுத்துகள் இரண்டும் ஏற்கப்படும். பிரிப்பான் இடைவெளி வடிவமைப்பிற்கானது; உண்மையான இடைவெளியை U+0020 அல்லது UTF-8 பைட் 20 போன்ற வெளிப்படையான குறியீடாகக் குறிப்பிடவும்.

உரையாக்கம் U+0000 முதல் U+10FFFF வரை உள்ள Unicode scalar மதிப்புகளை, surrogate மதிப்புகளைத் தவிர்த்து ஏற்று, அவற்றின் வரிசையைத் தக்கவைக்கும். செல்லுபடியான scalar மதிப்பிற்கு Unicode எழுத்து ஒதுக்கப்பட்டிருக்க வேண்டிய அவசியமில்லை; ஒதுக்கீட்டை இந்தக் கருவி சரிபார்க்காது. அடைப்புக்குறி வடிவங்கள் தரவாகப் பகுக்கப்படும்; JavaScript ஆக இயக்கப்படாது. பெயரிட்ட அல்லது எண் HTML references, JSON backslash escapes, சதவீதக் குறியாக்கம், சாதாரண பழைய எழுத்துரு பைட்டுகள் மற்றும் உரை/குறியாக்கம் கலந்த உள்ளீடு இந்த வடிவங்களில் அடங்காது.

UTF-8 உரையாக்கம் கண்டிப்பானது: முழுமையற்ற, தேவைக்கு அதிகமான பைட்டுகள் கொண்ட, surrogate அல்லது வரம்புக்கு வெளியேயான பைட் தொடர்கள் மாற்றீட்டு எழுத்துகளைச் சேர்க்காமல் நிராகரிக்கப்படும். தொடக்க UTF-8 BOM நீக்கப்படாமல் U+FEFF ஆகத் தக்கவைக்கப்படும். பழைய குறியாக்கத்தை மாற்று முயற்சியாகப் பயன்படுத்தாது. UTF-8 உரையாக்கக் குறிப்பு.

வரம்புகளும் தனியுரிமையும்

எந்தத் திசையிலும் எண்ணிக்கைகள் அடிப்படையான Unicode உரையைக் குறிக்கும். தமிழ் பகுதி எண்ணிக்கை, U+0B80–U+0BFF வரம்பிலுள்ள scalar மதிப்புகளை எண்ணும்; அந்த வரம்பிலுள்ள ஒதுக்கப்படாத மதிப்புகளும் இதில் அடங்கும். இது தமிழ் மொழியைக் கண்டறியும் முறையோ முழு எழுத்து எண்ணிக்கையோ அல்ல; Tamil Supplement இதில் சேராது. எல்லா எழுத்துமுறைகளும் கலப்பு உரையும் ஆதரிக்கப்படும். கிடைக்கும் எழுத்துருக்களைப் பொறுத்து முடிவின் தோற்றம் மாறும்.

இரு திசைகளிலும் உள்ளீட்டு வரம்பு 100,000 UTF-16 அலகுகள்; குறியாக்க வடிவத்திலுள்ள குறிகளும் இதில் எண்ணப்படும். குறியாக்கிய முடிவு அந்த உள்ளீட்டு வரம்பை மீறலாம்; மீண்டும் உரையாக்க சிறிய பகுதிகளைப் பயன்படுத்தவும். செயலாக்கம் சாதனத்திலுள்ள worker-இல் நடக்கும்; பத்து விநாடி நேர வரம்பு, ரத்து செய்தல், பழைய முடிவு வராமல் தடுத்தல் மற்றும் செல்லுபடியான Unicode பதிவிறக்கச் சரிபார்ப்பு உண்டு. பதிவேற்றம், வரைவு சேமிப்பு, வெளிப்புற API அல்லது இயங்கக்கூடிய HTML இல்லை. அசல் TXT தற்போதைய உரைப்பெட்டி மதிப்பைத் தக்கவைக்கும்; உலாவி உரைப்பெட்டியின் CR/CRLF-ஐ LF ஆக இயல்பாக்குவதால் ஒட்டிய வரிமுடிவுகள் மாறியிருக்கலாம். கிளிப்போர்டு நகலெடுப்பு விருப்பமானது; தடுக்கப்பட்டால் பதிவிறக்கம் அல்லது தேர்வைப் பயன்படுத்தவும்.

அழிக்கும்போது திசையும் வடிவமும் தக்கவைக்கப்படும். எடுத்துக்காட்டுகள் இரு அமைப்புகளுக்கும் பொருந்தும். இறக்குமதி, எடுத்துக்காட்டு, பெரிய உரை ஒட்டுதல், அழித்தல் மற்றும் மீண்டும் மாற்றுதல் ஆகியவற்றுக்கு திசை/வடிவம் உட்பட ஒரு படி மீட்டெடுப்பு உண்டு; தட்டச்சு அல்லது அமைப்பு மாற்றம் அதை நீக்கும். TXT இறக்குமதிக்கு பத்து விநாடி நேர வரம்பும் தனியான ரத்து கட்டுப்பாடும் உண்டு. இடைநிறுத்தப்பட்ட வாசிப்பு உரையையும் முடிவையும் தக்கவைக்கும்; கோப்பை மீண்டும் தேர்ந்தெடுக்கவும் அல்லது உரையை ஒட்டவும். தாமதமான வாசிப்பு புதிய வேலையை மாற்றாது. TXT இறக்குமதி தொடக்க BOM-ஐத் தக்கவைத்து, திருத்திக்காக CRLF/CR-ஐ LF ஆக மாற்றும். குறியாக்கிய carriage return-கள் உரையாக்கத்திலும் பதிவிறக்கத்திலும் தக்கவைக்கப்படும்; உரைப்பெட்டி அவற்றை மாற்றிவிடும் என்பதால் அந்த முடிவிற்கு மீண்டும் மாற்று செயல் கிடைக்காது. எழுத்து ஆய்வு ஒவ்வொரு பக்கத்திலும் 20 scalar மதிப்புகளைக் காட்டும்; இணையும் குறிகள் சொற்களாக வடிவமைக்கப்படாமல் தனித்தனியாக ஆய்விற்குக் காட்டப்படும்.