added some more utf8 examples

diff --git a/testdocs/glass.txt b/testdocs/glass.txt
new file mode 100644 (file)
index 0000000..f500566
--- /dev/null
+++ b/testdocs/glass.txt
@@ -0,0 +1,155 @@
+Sanskrit:                                           काचं शक्नोम्यत्तुम् । नोपहिनस्ति माम् ॥
+Sanskrit (std):                                        kācaṃ śaknomyattum; nopahinasti mām.
+Classical Greek:                                       ὕαλον ϕαγεῖν δύναμαι· τοῦτο οὔ με βλάπτει.
+Greek (monotonic):                             Μπορώ να φάω σπασμένα γυαλιά χωρίς να πάθω τίποτα.
+Greek (polytonic):                             Μπορῶ νὰ φάω σπασμένα γυαλιὰ χωρὶς νὰ πάθω τίποτα.
+Latin:                                                 Vitrum edere possum; mihi non nocet.
+Old French:                                    Je puis mangier del voirre. Ne me nuit.
+French:                                                Je peux manger du verre, ça ne me fait pas mal.
+Provençal / Occitan:                          Pòdi manjar de veire, me nafrariá pas.
+Québécois:                                   J'peux manger d'la vitre, ça m'fa pas mal.
+Walloon:                                               Dji pou magnî do vêre, çoula m' freut nén må.
+Picard:                                                Ch'peux mingi du verre, cha m'foé mie n'ma.
+Kreyòl Ayisyen (Haitï):                      Mwen kap manje vè, li pa blese'm.
+Basque:                                                Kristala jan dezaket, ez dit minik ematen.
+Catalan / Català:                             Puc menjar vidre, que no em fa mal.
+Spanish:                                               Puedo comer vidrio, no me hace daño.
+Aragonés:                                             Puedo minchar beire, no me'n fa mal .
+Galician:                                              Eu podo xantar cristais e non cortarme.
+European Portuguese:                           Posso comer vidro, não me faz mal.
+Brazilian Portuguese (8):                      Posso comer vidro, não me machuca.
+Caboverdiano/Kabuverdianu:             M' podê cumê vidru, ca ta maguâ-m'.
+Papiamentu:                                    Ami por kome glas anto e no ta hasimi daño.
+Italian:                                               Posso mangiare il vetro e non mi fa male.
+Milanese:                                              Sôn bôn de magnà el véder, el me fa minga mal.
+Roman:                                         Me posso magna' er vetro, e nun me fa male.
+Napoletano:                                    M' pozz magna' o'vetr, e nun m' fa mal.
+Venetian:                                              Mi posso magnare el vetro, no'l me fa mae.
+Zeneise (Genovese):                            Pòsso mangiâ o veddro e o no me fà mâ.
+Sicilian:                                              Puotsu mangiari u vitru, nun mi fa mali.
+Romansch (Grischun):                   Jau sai mangiar vaider, senza che quai fa donn a mai.
+Romanian:                                              Pot să mănânc sticlă și ea nu mă rănește.
+Esperanto:                                             Mi povas manĝi vitron, ĝi ne damaĝas min.
+Cornish:                                               Mý a yl dybry gwéder hag éf ny wra ow ankenya.
+Welsh:                                         Dw i'n gallu bwyta gwydr, 'dyw e ddim yn gwneud dolur i mi.
+Manx Gaelic:                                   Foddym gee glonney agh cha jean eh gortaghey mee.
+Old Irish (Ogham):                             ᚛᚛ᚉᚑᚅᚔᚉᚉᚔᚋ ᚔᚈᚔ ᚍᚂᚐᚅᚑ ᚅᚔᚋᚌᚓᚅᚐ᚜
+Old Irish (Latin):                                     Con·iccim ithi nglano. Ním·géna.
+Irish:                                                 Is féidir liom gloinne a ithe. Ní dhéanann sí dochar ar bith dom.
+Ulster Gaelic:                                 Ithim-sa gloine agus ní miste damh é.
+Scottish Gaelic:                                       S urrainn dhomh gloinne ithe; cha ghoirtich i mi.
+Anglo-Saxon (Runes):                           ᛁᚳ᛫ᛗᚨᚷ᛫ᚷᛚᚨᛋ᛫ᛖᚩᛏᚪᚾ᛫ᚩᚾᛞ᛫ᚻᛁᛏ᛫ᚾᛖ᛫ᚻᛖᚪᚱᛗᛁᚪᚧ᛫ᛗᛖ᛬
+Anglo-Saxon (Latin):                           Ic mæg glæs eotan ond hit ne hearmiað me.
+Middle English:                                        Ich canne glas eten and hit hirtiþ me nouȝt.
+English:                                               I can eat glass and it doesn't hurt me.
+English (IPA):                                 [aɪ kæn iːt glɑːs ænd ɪt dɐz nɒt hɜːt miː] (Received Pronunciation)
+English (Braille):                                     ⠊⠀⠉⠁⠝⠀⠑⠁⠞⠀⠛⠇⠁⠎⠎⠀⠁⠝⠙⠀⠊⠞⠀⠙⠕⠑⠎⠝⠞⠀⠓⠥⠗⠞⠀⠍⠑
+Jamaican:                                              Mi kian niam glas han i neba hot mi.
+Lalland Scots / Doric:                         Ah can eat gless, it disnae hurt us.
+Gothic (4):                                            𐌼𐌰𐌲 𐌲𐌻𐌴𐍃 𐌹̈𐍄𐌰𐌽, 𐌽𐌹 𐌼𐌹𐍃 𐍅𐌿 𐌽𐌳𐌰𐌽 𐌱𐍂𐌹𐌲𐌲𐌹𐌸.
+Old Norse (Runes):                             ᛖᚴ ᚷᛖᛏ ᛖᛏᛁ ᚧ ᚷᛚᛖᚱ ᛘᚾ ᚦᛖᛋᛋ ᚨᚧ ᚡᛖ ᚱᚧᚨ ᛋᚨᚱ
+Old Norse (Latin):                             Ek get etið gler án þess að verða sár.
+Norsk / Norwegian (Nynorsk):           Eg kan eta glas utan å skada meg.
+Norsk / Norwegian (Bokmål):           Jeg kan spise glass uten å skade meg.
+Føroyskt / Faroese:                           Eg kann eta glas, skaðaleysur.
+Íslenska / Icelandic:                         Ég get etið gler án þess að meiða mig.
+Svenska / Swedish:                             Jag kan äta glas utan att skada mig.
+Dansk / Danish:                                        Jeg kan spise glas, det gør ikke ondt på mig.
+Sønderjysk:                                   Æ ka æe glass uhen at det go mæ naue.
+Frysk / Frisian:                                       Ik kin glês ite, it docht me net sear.
+Nederlands / Dutch:                            Ik kan glas eten, het doet mij geen kwaad.
+Kirchröadsj/Bôchesserplat:                   Iech ken glaas èèse, mer 't deet miech jing pieng.
+Afrikaans:                                             Ek kan glas eet, maar dit doen my nie skade nie.
+Lëtzebuergescht / Luxemburgish:               Ech kan Glas iessen, daat deet mir nët wei.
+Deutsch / German:                              Ich kann Glas essen, ohne mir zu schaden.
+Ruhrdeutsch:                                   Ich kann Glas verkasematuckeln, ohne dattet mich wat jucken tut.
+Langenfelder Platt:                            Isch kann Jlaas kimmeln, uuhne datt mich datt weh dääd.
+Lausitzer Mundart ("Lusatian"):                Ich koann Gloos assn und doas dudd merr ni wii.
+Odenwälderisch:                                       Iech konn glaasch voschbachteln ohne dass es mir ebbs daun doun dud.
+Sächsisch / Saxon:                            'sch kann Glos essn, ohne dass'sch mer wehtue.
+Pfälzisch:                                            Isch konn Glass fresse ohne dasses mer ebbes ausmache dud.
+Schwäbisch / Swabian:                 I kå Glas frässa, ond des macht mr nix!
+Deutsch (Voralberg):                           I ka glas eassa, ohne dass mar weh tuat.
+Bayrisch / Bavarian:                           I koh Glos esa, und es duard ma ned wei.
+Allemannisch:                                  I kaun Gloos essen, es tuat ma ned weh.
+Schwyzerdütsch (Zürich):                     Ich chan Glaas ässe, das schadt mir nöd.
+Schwyzerdütsch (Luzern):                      Ech cha Glâs ässe, das schadt mer ned.
+Hungarian:                                             Meg tudom enni az üveget, nem lesz tőle bajom.
+Suomi / Finnish:                                       Voin syödä lasia, se ei vahingoita minua.
+Sami (Northern):                               Sáhtán borrat lása, dat ii leat bávččas.
+Erzian:                                                Мон ярсан суликадо, ды зыян эйстэнзэ а ули.
+Northern Karelian:                             Mie voin syvvä lasie ta minla ei ole kipie.
+Southern Karelian:                             Minä voin syvvä st'oklua dai minule ei ole kibie.
+Estonian:                                              Ma võin klaasi süüa, see ei tee mulle midagi.
+Latvian:                                               Es varu ēst stiklu, tas man nekaitē.
+Lithuanian:                                            Aš galiu valgyti stiklą ir jis manęs nežeidžia
+Czech:                                         Mohu jíst sklo, neublíží mi.
+Slovak:                                                Môžem jesť sklo. Nezraní ma.
+Polska / Polish:                                       Mogę jeść szkło i mi nie szkodzi.
+Slovenian:                                             Lahko jem steklo, ne da bi mi škodovalo.
+Bosnian, Croatian, Montenegrin and Serbian (Latin):    Ja mogu jesti staklo, i to mi ne šteti.
+Bosnian, Montenegrin and Serbian (Cyrillic):                   Ја могу јести стакло, и то ми не штети.
+Macedonian:                                    Можам да јадам стакло, а не ме штета.
+Russian:                                               Я могу есть стекло, оно мне не вредит.
+Belarusian (Cyrillic):                         Я магу есці шкло, яно мне не шкодзіць.
+Belarusian (Lacinka):                          Ja mahu jeści škło, jano mne ne škodzić.
+Ukrainian:                                             Я можу їсти скло, і воно мені не зашкодить.
+Bulgarian:                                             Мога да ям стъкло, то не ми вреди.
+Georgian:                                              მინას ვჭამ და არა მტკივა.
+Armenian:                                              Կրնամ ապակի ուտել և ինծի անհանգիստ չըներ։
+Albanian:                                              Unë mund të ha qelq dhe nuk më gjen gjë.
+Turkish:                                               Cam yiyebilirim, bana zararı dokunmaz.
+Turkish (Ottoman):                             جام ييه بلورم بڭا ضررى طوقونمز
+Tatar:                                         Алам да бар, пыяла, әмма бу ранит мине.
+Uzbek / O’zbekcha:(Roman):           Men shisha yeyishim mumkin, ammo u menga zarar keltirmaydi.
+Uzbek / Ўзбекча (Cyrillic):                     Мен шиша ейишим мумкин, аммо у менга зарар келтирмайди.
+Bangla / Bengali:                              আমি কাঁচ খেতে পারি, তাতে আমার কোনো ক্ষতি হয় না।
+Marathi:                                               मी काच खाऊ शकतो, मला ते दुखत नाही.
+Kannada:                                               ನನಗೆ ಹಾನಿ ಆಗದೆ, ನಾನು ಗಜನ್ನು ತಿನಬಹುದು
+Hindi:                                         मैं काँच खा सकता हूँ और मुझे उससे कोई चोट नहीं पहुंचती.
+Malayalam:                                     എനിക്ക് ഗ്ലാസ് തിന്നാം. അതെന്നെ വേദനിപ്പിക്കില്ല.
+Tamil:                                         நான் கண்ணாடி சாப்பிடுவேன், அதனால் எனக்கு ஒரு கேடும் வராது.
+Telugu:                                                నేను గాజు తినగలను మరియు అలా చేసినా నాకు ఏమి ఇబ్బంది లేదు
+Sinhalese:                                             මට වීදුරු කෑමට හැකියි. එයින් මට කිසි හානියක් සිදු නොවේ.
+Urdu(3):                                               میں کانچ کھا سکتا ہوں اور مجھے تکلیف نہیں ہوتی ۔
+Pashto(3):                                             زه شيشه خوړلې شم، هغه ما نه خوږوي
+Farsi / Persian(3):                            .من می توانم بدونِ احساس درد شيشه بخورم
+Arabic(3):                                             أنا قادر على أكل الزجاج و هذا لا يؤلمني.
+Maltese:                                               Nista' niekol il-ħġieġ u ma jagħmilli xejn.
+Hebrew(3):                                     אני יכול לאכול זכוכית וזה לא מזיק לי.
+Yiddish(3):                                            איך קען עסן גלאָז און עס טוט מיר נישט װײ.
+Twi:                                                   Metumi awe tumpan, ɜnyɜ me hwee.
+Hausa (Latin):                                 Inā iya taunar gilāshi kuma in gamā lāfiyā.
+Hausa (Ajami) (2):                             إِنا إِىَ تَونَر غِلَاشِ كُمَ إِن غَمَا لَافِىَا
+Yoruba(4):                                             Mo lè je̩ dígí, kò ní pa mí lára.
+Lingala:                                               Nakokí kolíya biténi bya milungi, ekosála ngáí mabé tɛ́.
+(Ki)Swahili:                                   Naweza kula bilauri na sikunyui.
+Malay:                                         Saya boleh makan kaca dan ia tidak mencederakan saya.
+Tagalog:                                               Kaya kong kumain nang bubog at hindi ako masaktan.
+Chamorro:                                              Siña yo' chumocho krestat, ti ha na'lalamen yo'.
+Fijian:                                                Au rawa ni kana iloilo, ia au sega ni vakacacani kina.
+Javanese:                                              Aku isa mangan beling tanpa lara.
+Burmese (Unicode 4.0):                 က္ယ္ဝန္‌တော္‌၊က္ယ္ဝန္‌မ မ္ယက္‌စားနုိင္‌သည္‌။ ၎က္ရောင္‌့ ထိခုိက္‌မ္ဟု မရ္ဟိပာ။ (9)
+Burmese (Unicode 5.0):                 ကျွန်တော် ကျွန်မ မှန်စားနိုင်တယ်။ ၎င်းကြောင့် ထိခိုက်မှုမရှိပါ။ (9)
+Vietnamese (quốc ngữ):                     Tôi có thể ăn thủy tinh mà không hại gì.
+Vietnamese (nôm) (4):                 些 𣎏 世 咹 水 晶 𦓡 空 𣎏 害 咦
+Khmer:                                         ខ្ញុំអាចញុំកញ្ចក់បាន ដោយគ្មានបញ្ហារ
+Lao:                                                   ຂອ້ຍກິນແກ້ວໄດ້ໂດຍທີ່ມັນບໍ່ໄດ້ເຮັດໃຫ້ຂອ້ຍເຈັບ.
+Thai:                                                  ฉันกินกระจกได้ แต่มันไม่ทำให้ฉันเจ็บ
+Mongolian (Cyrillic):                          Би шил идэй чадна, надад хортой биш
+Mongolian (Classic) (5):                       ᠪᠢ ᠰᠢᠯᠢ ᠢᠳᠡᠶᠦ ᠴᠢᠳᠠᠨᠠ ᠂ ᠨᠠᠳᠤᠷ ᠬᠣᠤᠷᠠᠳᠠᠢ ᠪᠢᠰᠢ
+Nepali:                                                म काँच खान सक्छू र मलाई केहि नी हुन्‍न् ।
+Tibetan:                                               ཤེལ་སྒོ་ཟ་ནས་ང་ན་གི་མ་རེད།
+Chinese:                                               我能吞下玻璃而不伤身体。
+Chinese (Traditional):                         我能吞下玻璃而不傷身體。
+Taiwanese(6):                                  Góa ē-tàng chia̍h po-lê, mā bē tio̍h-siong.
+Japanese:                                              私はガラスを食べられます。それは私を傷つけません。
+Korean:                                                나는 유리를 먹을 수 있어요. 그래도 아프지 않아요
+Bislama:                                               Mi save kakae glas, hemi no save katem mi.
+Hawaiian:                                              Hiki iaʻu ke ʻai i ke aniani; ʻaʻole nō lā au e ʻeha.
+Marquesan:                                     E koʻana e kai i te karahi, mea ʻā, ʻaʻe hauhau.
+Inuktitut (10):                                        ᐊᓕᒍᖅ ᓂᕆᔭᕌᖓᒃᑯ ᓱᕋᙱᑦᑐᓐᓇᖅᑐᖓ
+Chinook Jargon:                                        Naika məkmək kakshət labutay, pi weyk ukuk munk-sik nay.
+Navajo:                                                Tsésǫʼ yishą́ągo bííníshghah dóó doo shił neezgai da.
+Lojban:                                                mi kakne le nu citka le blaci .iku'i le se go'i na xrani mi
+Nórdicg:                                              Ljœr ye caudran créneþ ý jor cẃran.