]> git.saurik.com Git - apple/icu.git/blobdiff - icuSources/data/brkitr/rules/line_fi.txt
ICU-59180.0.1.tar.gz
[apple/icu.git] / icuSources / data / brkitr / rules / line_fi.txt
index 759f291acf678778c703da836603d4ecdc312c63..a08e29cf4729db70486252aee713016de44fe2bd 100644 (file)
@@ -1,3 +1,5 @@
+# Copyright (C) 2016 and later: Unicode, Inc. and others.
+# License & terms of use: http://www.unicode.org/copyright.html
 # Copyright (c) 2002-2016  International Business Machines Corporation and
 # others. All Rights Reserved.
 #
@@ -5,12 +7,12 @@
 #
 #         Line Breaking Rules
 #         Implement default line breaking as defined by
-#         Unicode Standard Annex #14 Revision 35 for Unicode 8.0
+#         Unicode Standard Annex #14 Revision 37 for Unicode 9.0
 #         http://www.unicode.org/reports/tr14/
-#         tailored as noted in 2nd paragraph below..
+#         tailored as noted in 2nd paragraph below.
 #
-#         Includes the Emoji breaking proposals from Unicode L2/16-011R3.
-#         http://www.unicode.org/L2/L2016/16011r3-break-prop-emoji.pdf
+#         Includes extensions to the handling of emoji ZWJ sequences from
+#         https://goo.gl/cluFCn
 #
 #         TODO:  Rule LB 8 remains as it was in Unicode 5.2
 #         This is only because of a limitation of ICU break engine implementation,
@@ -19,6 +21,9 @@
 #         This tailors the line break behavior for Finnish, while otherwise behaving
 #         per UAX 14 which corresponds to CSS line-break=strict (BCP47 -u-lb-strict).
 #         It sets characters of class CJ to behave like NS.
+#
+#         This corresponds to CSS line-break=strict (BCP47 -u-lb-strict).
+#         It sets characters of class CJ to behave like NS.
 
 #
 #  Character Classes defined by TR 14.
 
 !!chain;
 
-!!lookAheadHardBreak;
-#
-#  !!lookAheadHardBreak    Described here because it is (as yet) undocumented elsewhere
-#                          and only used for the line break rules.
-#
-#           It is used in the implementation of rule LB 10
-#           which says to treat any combining mark that is not attached to a base
-#           character as if it were of class AL  (alphabetic).
-#
-#           The problem occurs in the reverse rules.
-#
-#           Consider a sequence like, with correct breaks as shown
-#               LF  ID  CM  AL  AL
-#                  ^       ^       ^
-#           Then consider the sequence without the initial ID (ideographic)
-#                 LF  CM  AL  AL
-#                    ^           ^
-#           Our CM, which in the first example was attached to the ideograph,
-#           is now unattached, becomes an alpha, and joins in with the other
-#           alphas.
-#
-#           When iterating forwards, these sequences do not present any problems
-#           When iterating backwards, we need to look ahead when encountering
-#           a CM to see whether it attaches to something further on or not.
-#           (Look-ahead in a reverse rule is looking towards the start)
-#
-#           If the CM is unattached, we need to force a break.
-#
-#           !!lookAheadHardBreak forces the run time state machine to
-#           stop immediately when a look ahead rule ( '/' operator) matches,
-#           and set the match position to that of the look-ahead operator,
-#           no matter what other rules may be in play at the time.
-#
-#           See rule LB 19 for an example.
-#
-
-# Temporary definitions of Emoji Base and Emoji Modifiers, until properties are available.
-
-$EB = [\u261D\u26F9\u270A-\u270D\U0001F385\U0001F3C3-\U0001F3C4\U0001F3CA-\U0001F3CB\U0001F442-\U0001F443\U0001F446-\U0001F450\U0001F466-\U0001F469\U0001F46E\U0001F470-\U0001F478\U0001F47C\U0001F481-\U0001F483\U0001F485-\U0001F487\U0001F4AA\U0001F575\U0001F590\U0001F595-\U0001F596\U0001F645-\U0001F647\U0001F64B-\U0001F64F\U0001F6A3\U0001F6B4-\U0001F6B6\U0001F6C0\U0001F918];
-$EM = [\U0001F3FB-\U0001F3FF];
-
-$AI = [[:LineBreak =  Ambiguous:] - [\u2640\u2642]];
-$AL = [[:LineBreak =  Alphabetic:] - [$EM\u2764]];
+$AI = [:LineBreak =  Ambiguous:];
+$AL = [:LineBreak =  Alphabetic:];
 $BA = [:LineBreak =  Break_After:];
-$HH = [\u2010];
+$HH = [\u2010];     # \u2010 is HYPHEN, default line break is BA.
 $BB = [:LineBreak =  Break_Before:];
 $BK = [:LineBreak =  Mandatory_Break:];
 $B2 = [:LineBreak =  Break_Both:];
 $CB = [:LineBreak =  Contingent_Break:];
 $CJ = [:LineBreak =  Conditional_Japanese_Starter:];
 $CL = [:LineBreak =  Close_Punctuation:];
-$CM = [[:LineBreak =  Combining_Mark:] \u200d];
+# $CM = [:LineBreak =  Combining_Mark:];
 $CP = [:LineBreak =  Close_Parenthesis:];
 $CR = [:LineBreak =  Carriage_Return:];
+$EB = [[:LineBreak =  EB:] \U0001F46A-\U0001F46D\U0001F46F\U0001F91D\U0001F93C];
+$EM = [:LineBreak =  EM:];
 $EX = [:LineBreak =  Exclamation:];
 $GL = [:LineBreak =  Glue:];
 $HL = [:LineBreak =  Hebrew_Letter:];
 $HY = [:LineBreak =  Hyphen:];
 $H2 = [:LineBreak =  H2:];
 $H3 = [:LineBreak =  H3:];
-$ID = [[:LineBreak =  Ideographic:][\u2640\u2642\u2764] - $EB];
+$ID = [:LineBreak =  Ideographic:];
 $IN = [:LineBreak =  Inseperable:];
 $IS = [:LineBreak =  Infix_Numeric:];
 $JL = [:LineBreak =  JL:];
@@ -94,6 +60,7 @@ $JV = [:LineBreak =  JV:];
 $JT = [:LineBreak =  JT:];
 $LF = [:LineBreak =  Line_Feed:];
 $NL = [:LineBreak =  Next_Line:];
+# NS includes CJ for CSS strict line breaking.
 $NS = [[:LineBreak =  Nonstarter:] $CJ];
 $NU = [:LineBreak =  Numeric:];
 $OP = [:LineBreak =  Open_Punctuation:];
@@ -108,93 +75,37 @@ $SY = [:LineBreak =  Break_Symbols:];
 $WJ = [:LineBreak =  Word_Joiner:];
 $XX = [:LineBreak =  Unknown:];
 $ZW = [:LineBreak =  ZWSpace:];
-$ZWJ = [\u200d];
+$ZWJ = [:LineBreak = ZWJ:];
+
+$EmojiNRK = [[\p{Emoji}] - [$RI \u002a\u00230-9©®™〰〽]];
+# Data for Extended Pictographic scraped from CLDR common/properties/ExtendedPictographic.txt, r13267
+$Extended_Pict = [\U0001F774-\U0001F77F\U00002700-\U00002701\U00002703-\U00002704\U0000270E\U00002710-\U00002711\U00002765-\U00002767\U0001F030-\U0001F093\U0001F094-\U0001F09F\U0001F10D-\U0001F10F\U0001F12F\U0001F16C-\U0001F16F\U0001F1AD-\U0001F1E5\U0001F260-\U0001F265\U0001F203-\U0001F20F\U0001F23C-\U0001F23F\U0001F249-\U0001F24F\U0001F252-\U0001F25F\U0001F266-\U0001F2FF\U0001F7D5-\U0001F7FF\U0001F000-\U0001F003\U0001F005-\U0001F02B\U0001F02C-\U0001F02F\U0001F322-\U0001F323\U0001F394-\U0001F395\U0001F398\U0001F39C-\U0001F39D\U0001F3F1-\U0001F3F2\U0001F3F6\U0001F4FE\U0001F53E-\U0001F548\U0001F54F\U0001F568-\U0001F56E\U0001F571-\U0001F572\U0001F57B-\U0001F586\U0001F588-\U0001F589\U0001F58E-\U0001F58F\U0001F591-\U0001F594\U0001F597-\U0001F5A3\U0001F5A6-\U0001F5A7\U0001F5A9-\U0001F5B0\U0001F5B3-\U0001F5BB\U0001F5BD-\U0001F5C1\U0001F5C5-\U0001F5D0\U0001F5D4-\U0001F5DB\U0001F5DF-\U0001F5E0\U0001F5E2\U0001F5E4-\U0001F5E7\U0001F5E9-\U0001F5EE\U0001F5F0-\U0001F5F2\U0001F5F4-\U0001F5F9\U00002605\U00002607-\U0000260D\U0000260F-\U00002610\U00002612\U00002616-\U00002617\U00002619-\U0000261C\U0000261E-\U0000261F\U00002621\U00002624-\U00002625\U00002627-\U00002629\U0000262B-\U0000262D\U00002630-\U00002637\U0000263B-\U00002647\U00002654-\U0000265F\U00002661-\U00002662\U00002664\U00002667\U00002669-\U0000267A\U0000267C-\U0000267E\U00002680-\U00002691\U00002695\U00002698\U0000269A\U0000269D-\U0000269F\U000026A2-\U000026A9\U000026AC-\U000026AF\U000026B2-\U000026BC\U000026BF-\U000026C3\U000026C6-\U000026C7\U000026C9-\U000026CD\U000026D0\U000026D2\U000026D5-\U000026E8\U000026EB-\U000026EF\U000026F6\U000026FB-\U000026FC\U000026FE-\U000026FF\U00002388\U0001FA00-\U0001FFFD\U0001F0A0-\U0001F0AE\U0001F0B1-\U0001F0BF\U0001F0C1-\U0001F0CF\U0001F0D1-\U0001F0F5\U0001F0AF-\U0001F0B0\U0001F0C0\U0001F0D0\U0001F0F6-\U0001F0FF\U0001F80C-\U0001F80F\U0001F848-\U0001F84F\U0001F85A-\U0001F85F\U0001F888-\U0001F88F\U0001F8AE-\U0001F8FF\U0001F900-\U0001F90B\U0001F91F\U0001F928-\U0001F92F\U0001F931-\U0001F932\U0001F94C\U0001F95F-\U0001F96B\U0001F992-\U0001F997\U0001F9D0-\U0001F9E6\U0001F90C-\U0001F90F\U0001F93F\U0001F94D-\U0001F94F\U0001F96C-\U0001F97F\U0001F998-\U0001F9BF\U0001F9C1-\U0001F9CF\U0001F9E7-\U0001F9FF\U0001F6C6-\U0001F6CA\U0001F6D3-\U0001F6D4\U0001F6E6-\U0001F6E8\U0001F6EA\U0001F6F1-\U0001F6F2\U0001F6F7-\U0001F6F8\U0001F6D5-\U0001F6DF\U0001F6ED-\U0001F6EF\U0001F6F9-\U0001F6FF];
+
+# By LB9, a ZWJ also behaves as a CM. Including it in the definition of CM avoids having to explicitly
+#         list it in the numerous rules that use CM.
+# By LB1, SA characters with general categor of Mn or Mc also resolve to CM.
+
+$CM = [[:LineBreak = Combining_Mark:] $ZWJ [$SA & [[:Mn:][:Mc:]]]];
 
 #   Dictionary character set, for triggering language-based break engines. Currently
-#   limited to LineBreak=Complex_Context. Note that this set only works in Unicode
-#   5.0 or later as the definition of Complex_Context was corrected to include all
-#   characters requiring dictionary break.
+#   limited to LineBreak=Complex_Context (SA).
 
-$dictionary = [:LineBreak = Complex_Context:];
+$dictionary = [$SA];
 
 #
 #  Rule LB1.  By default, treat AI  (characters with ambiguous east Asian width),
-#                               SA  (South East Asian: Thai, Lao, Khmer)
+#                               SA  (Dictionary chars, excluding Mn and Mc)
 #                               SG  (Unpaired Surrogates)
 #                               XX  (Unknown, unassigned)
 #                         as $AL  (Alphabetic)
 #
-$ALPlus = [$AL $AI $SA $SG $XX];
-
-#
-#  Combining Marks.   X $CM*  behaves as if it were X.  Rule LB6.
-#
-$ALcm = $ALPlus $CM*;
-$BAcm = $BA $CM*;
-$HHcm = $HH $CM*;
-$BBcm = $BB $CM*;
-$B2cm = $B2 $CM*;
-$CLcm = $CL $CM*;
-$CPcm = $CP $CM*;
-$EXcm = $EX $CM*;
-$GLcm = $GL $CM*;
-$HLcm = $HL $CM*;
-$HYcm = $HY $CM*;
-$H2cm = $H2 $CM*;
-$H3cm = $H3 $CM*;
-$INcm = $IN $CM*;
-$IScm = $IS $CM*;
-$JLcm = $JL $CM*;
-$JVcm = $JV $CM*;
-$JTcm = $JT $CM*;
-$NScm = $NS $CM*;
-$NUcm = $NU $CM*;
-$OPcm = $OP $CM*;
-$POcm = $PO $CM*;
-$PRcm = $PR $CM*;
-$QUcm = $QU $CM*;
-$RIcm = $RI $CM*;
-$SYcm = $SY $CM*;
-$WJcm = $WJ $CM*;
+$ALPlus = [$AL $AI $SG $XX [$SA-[[:Mn:][:Mc:]]]];
+
 
 ## -------------------------------------------------
 
 !!forward;
 
-#
-#  Each class of character can stand by itself as an unbroken token, with trailing combining stuff
-#
-$ALPlus $CM+;
-$BA $CM+;
-$HH $CM+;
-$BB $CM+;
-$B2 $CM+;
-$CL $CM+;
-$CP $CM+;
-$EB $CM+;
-$EM $CM+;
-$EX $CM+;
-$GL $CM+;
-$HL $CM+;
-$HY $CM+;
-$H2 $CM+;
-$H3 $CM+;
-$ID $CM+;
-$IN $CM+;
-$IS $CM+;
-$JL $CM+;
-$JV $CM+;
-$JT $CM+;
-$NS $CM+;
-$NU $CM+;
-$OP $CM+;
-$PO $CM+;
-$PR $CM+;
-$QU $CM+;
-$RI $CM+;
-$SY $CM+;
-$WJ $CM+;
-
 #
 # CAN_CM  is the set of characters that may combine with CM combining chars.
 #         Note that Linebreak UAX 14's concept of a combining char and the rules
@@ -209,12 +120,8 @@ $CANT_CM = [ $SP $BK $CR $LF $NL $ZW $CM];       # Bases that can't take CMs
 #
 # AL_FOLLOW  set of chars that can unconditionally follow an AL
 #            Needed in rules where stand-alone $CM s are treated as AL.
-#            Chaining is disabled with CM because it causes other failures,
-#            so for this one case we need to manually list out longer sequences.
 #
-$AL_FOLLOW_NOCM = [$BK $CR $LF $NL $ZW $SP];
-$AL_FOLLOW_CM   = [$CL $CP $EX $HL $IS $SY $WJ $GL $OP $QU $BA $HH $HY $NS $IN $NU $ALPlus];
-$AL_FOLLOW      = [$AL_FOLLOW_NOCM $AL_FOLLOW_CM];
+$AL_FOLLOW      = [$BK $CR $LF $NL $ZW $SP $CL $CP $EX $HL $IS $SY $WJ $GL $OP $QU $BA $HH $HY $NS $IN $NU $PR $PO $ALPlus];
 
 
 #
@@ -246,9 +153,9 @@ $CAN_CM $CM*  [$SP $ZW];
 $LB8Breaks    = [$LB4Breaks $ZW];
 $LB8NonBreaks = [[$LB4NonBreaks] - [$ZW]];
 
-# LB 8a        ZWJ x ID    Emoji proposal.
+# LB 8a        ZWJ x (ID | Extended_Pict | EmojiNRK)   Emoji ZWJ sequences.
 #
-$ZWJ ($ID | $EB | $EM);
+$ZWJ ($ID | $Extended_Pict | $EmojiNRK);
 
 # LB 9     Combining marks.      X   $CM needs to behave like X, where X is not $SP, $BK $CR $LF $NL
 #                                $CM not covered by the above needs to behave like $AL
@@ -260,26 +167,24 @@ $CAN_CM $CM+;                   #  Stick together any combining sequences that d
 #
 # LB 11  Do not break before or after WORD JOINER & related characters.
 #
-$CAN_CM $CM*  $WJcm;
-$LB8NonBreaks $WJcm;
-^$CM+         $WJcm;
+$CAN_CM $CM*  $WJ;
+$LB8NonBreaks $WJ;
+^$CM+         $WJ;
 
-$WJcm $CANT_CM;
-$WJcm $CAN_CM $CM*;
+$WJ $CM* .;
 
 #
 # LB 12  Do not break after NBSP and related characters.
 #         GL  x
 #
-$GLcm $CAN_CM $CM*;
-$GLcm $CANT_CM;
+$GL $CM* .;
 
 #
 # LB 12a  Do not break before NBSP and related characters ...
 #            [^SP BA HY] x GL
 #
-[[$LB8NonBreaks] - [$SP $BA $HH $HY]] $CM* $GLcm;
-^$CM+ $GLcm;
+[[$LB8NonBreaks] - [$SP $BA $HH $HY]] $CM* $GL;
+^$CM+ $GL;
 
 
 
@@ -310,19 +215,19 @@ $CAN_CM $CM*  $SY;
 #
 # LB 14  Do not break after OP, even after spaces
 #
-$OPcm $SP* $CAN_CM $CM*;
-$OPcm $SP* $CANT_CM;
+$OP $CM* $SP* .;
 
-$OPcm $SP+ $CM+ $AL_FOLLOW?;    # by rule 10, stand-alone CM behaves as AL
+$OP $CM* $SP+ $CM+ $AL_FOLLOW?;    # by rule 10, stand-alone CM behaves as AL
+                                   # by rule 8, CM following a SP is stand-alone.
 
 # LB 15
-$QUcm $SP* $OPcm;
+$QU $CM* $SP* $OP;
 
 # LB 16
-($CLcm | $CPcm) $SP* $NScm;
+($CL | $CP) $CM* $SP* $NS;
 
 # LB 17
-$B2cm $SP* $B2cm;
+$B2 $CM* $SP* $B2;
 
 #
 # LB 18  Break after spaces.
@@ -333,11 +238,11 @@ $LB18Breaks    = [$LB8Breaks $SP];
 
 # LB 19
 #         x QU
-$LB18NonBreaks $CM* $QUcm;
-^$CM+               $QUcm;
+$LB18NonBreaks $CM* $QU;
+^$CM+               $QU;
 
 #         QU  x
-$QUcm .?;
+$QU $CM* .;
 
 
 # LB 20
@@ -350,87 +255,90 @@ $LB20NonBreaks = [$LB18NonBreaks - $CB];
 # LB 21        x   (BA | HY | NS)
 #           BB x
 #
-$LB20NonBreaks $CM* ($BAcm | $HHcm | $HYcm | $NScm) / $AL; 
-$LB20NonBreaks $CM* ($BAcm | $HHcm | $HYcm | $NScm); 
+$LB20NonBreaks $CM* ($BA | $HH | $HY | $NS) $CM* / $AL;
+$LB20NonBreaks $CM* ($BA | $HH | $HY | $NS);
 ($HY | $HH) $AL;
-^$CM+ ($BAcm | $HYcm | $HHcm | $NScm);
+^$CM+ ($BA | $HY | $HH | $NS);
 
-$BBcm [^$CB];                                  #  $BB  x
-$BBcm $LB20NonBreaks $CM*;
+$BB $CM* [^$CB];                                  #  $BB  x
+$BB $CM* $LB20NonBreaks;
 
 # LB 21a Don't break after Hebrew + Hyphen
 #   HL (HY | BA) x
-#  
-$HLcm ($HYcm | $BAcm | $HHcm) [^$CB]?;
+#
+$HL $CM* ($HY | $BA | $HH) $CM* [^$CB]?;
 
 # LB 21b (forward) Don't break between SY and HL
 # (break between HL and SY already disallowed by LB 13 above)
-$SYcm $HLcm;
+$SY $CM* $HL;
 
 # LB 22
-($ALcm | $HLcm) $INcm;
-^$CM+    $INcm;     #  by rule 10, any otherwise unattached CM behaves as AL
-$EXcm    $INcm;
-($ID | $EB | $EM) $CM*  $INcm;
-$INcm    $INcm;
-$NUcm    $INcm;
+($ALPlus | $HL) $CM* $IN;
+^$CM+    $IN;     #  by rule 10, any otherwise unattached CM behaves as AL
+$EX $CM*    $IN;
+($ID | $EB | $EM) $CM*  $IN;
+$IN $CM*    $IN;
+$NU $CM*    $IN;
 
 
 # $LB 23
-($ID | $EB | $EM) $CM*  $POcm;
-$ALcm  $NUcm;       # includes $LB19
-$HLcm  $NUcm;
-^$CM+  $NUcm;       # Rule 10, any otherwise unattached CM behaves as AL
-$NUcm  $ALcm;
-$NUcm  $HLcm;
+#
+($ALPlus | $HL) $CM* $NU;
+^$CM+  $NU;       # Rule 10, any otherwise unattached CM behaves as AL
+$NU $CM* ($ALPlus | $HL);
+
+# LB 23a
+#
+$PR $CM* ($ID | $EB | $EM);
+($ID | $EB | $EM) $CM*  $PO;
+
 
 #
 # LB 24
 #
-$PRcm ($ID | $EB | $EM);
-$PRcm ($ALcm | $HLcm);
-$POcm ($ALcm | $HLcm);
-($ALcm | $HLcm) ($PRcm | $POcm);
-^$CM+ ($PRcm | $POcm);       # Rule 10, any otherwise unattached CM behaves as AL
+($PR | $PO) $CM* ($ALPlus | $HL);
+($ALPlus | $HL) $CM* ($PR | $PO);
+^$CM+ ($PR | $PO);       # Rule 10, any otherwise unattached CM behaves as AL
 
 #
 # LB 25   Numbers.
 #
-($PRcm | $POcm)? ($OPcm | $HYcm)? $NUcm ($NUcm | $SYcm | $IScm)* ($CLcm | $CPcm)? ($PRcm | $POcm)?;
+(($PR | $PO) $CM*)? (($OP | $HY) $CM*)? $NU ($CM* ($NU | $SY | $IS))*
+    ($CM* ($CL | $CP))? ($CM* ($PR | $PO))?;
 
 # LB 26  Do not break a Korean syllable
 #
-$JLcm ($JLcm | $JVcm | $H2cm | $H3cm);
-($JVcm | $H2cm) ($JVcm | $JTcm);
-($JTcm | $H3cm) $JTcm;
+$JL $CM* ($JL | $JV | $H2 | $H3);
+($JV | $H2) $CM* ($JV | $JT);
+($JT | $H3) $CM* $JT;
 
 # LB 27  Treat korean Syllable Block the same as ID  (don't break it)
-($JLcm | $JVcm | $JTcm | $H2cm | $H3cm) $INcm;
-($JLcm | $JVcm | $JTcm | $H2cm | $H3cm) $POcm;
-$PRcm ($JLcm | $JVcm | $JTcm | $H2cm | $H3cm);
+($JL | $JV | $JT | $H2 | $H3) $CM* $IN;
+($JL | $JV | $JT | $H2 | $H3) $CM* $PO;
+$PR $CM* ($JL | $JV | $JT | $H2 | $H3);
 
 
 # LB 28   Do not break between alphabetics
 #
-($ALcm | $HLcm) ($ALcm | $HLcm);
-^$CM+ ($ALcm | $HLcm);      # The $CM+ is from rule 10, an unattached CM is treated as AL
+($ALPlus | $HL) $CM* ($ALPlus | $HL);
+^$CM+ ($ALPlus | $HL);      # The $CM+ is from rule 10, an unattached CM is treated as AL
 
 # LB 29
-$IScm ($ALcm | $HLcm);
+$IS $CM* ($ALPlus | $HL);
 
 # LB 30
-($ALcm | $HLcm | $NUcm) $OPcm;
-^$CM+ $OPcm;         # The $CM+ is from rule 10, an unattached CM is treated as AL.
-$CPcm ($ALcm | $HLcm | $NUcm);
+($ALPlus | $HL | $NU) $CM* $OP;
+^$CM+ $OP;         # The $CM+ is from rule 10, an unattached CM is treated as AL.
+$CP $CM* ($ALPlus | $HL | $NU);
 
 # LB 30a  Do not break between regional indicators. Break after pairs of them.
 #         Tricky interaction with LB8a: ZWJ x ID
-$RIcm $RI                / [[^$BK $CR $LF $NL $SP $ZW $WJ $CL $CP $EX $IS $SY $GL $QU $BA $HY $NS $CM] {eof}];
-$RIcm $RI $CM*  $ZWJ     / [[^$BK $CR $LF $NL $SP $ZW $WJ $CL $CP $EX $IS $SY $GL $QU $BA $HY $NS $CM $ID $EB $EM] {eof}];
-$RIcm $RI $CM* [$CM-$ZWJ] / [[^$BK $CR $LF $NL $SP $ZW $WJ $CL $CP $EX $IS $SY $GL $QU $BA $HY $NS $CM] {eof}];
+$RI $CM* $RI                / [[^$BK $CR $LF $NL $SP $ZW $WJ $CL $CP $EX $IS $SY $GL $QU $BA $HY $NS $CM] {eof}];
+$RI $CM* $RI $CM*  $ZWJ     / [[^$BK $CR $LF $NL $SP $ZW $WJ $CL $CP $EX $IS $SY $GL $QU $BA $HY $NS $CM $ID $Extended_Pict $EmojiNRK] {eof}];
+$RI $CM* $RI $CM* [$CM-$ZWJ] / [[^$BK $CR $LF $NL $SP $ZW $WJ $CL $CP $EX $IS $SY $GL $QU $BA $HY $NS $CM] {eof}];
 
-$RIcm $RIcm [$BK $CR $LF $NL $SP $ZW $WJ $CL $CP $EX $IS $SY $GL $QU $BA $HY $NS {eof}];
-$RIcm $RIcm $ZWJ ($ID | $EB | $EM);
+$RI $CM* $RI $CM* [$BK $CR $LF $NL $SP $ZW $WJ $CL $CP $EX $IS $SY $GL $QU $BA $HY $NS {eof}];
+$RI $CM* $RI $CM* $ZWJ ($ID | $Extended_Pict | $EmojiNRK);
 
 # LB 30b Do not break between an Emoji Base and an Emoji Modifier
 $EB $CM* $EM;
@@ -442,38 +350,10 @@ $EB $CM* $EM;
 
 !!reverse;
 
-^$CM+ $ALPlus;
-^$CM+ $BA;
-^$CM+ $HH;
-^$CM+ $BB;
-^$CM+ $B2;
-^$CM+ $CL;
-^$CM+ $CP;
-^$CM+ $EB;
-^$CM+ $EM;
-^$CM+ $EX;
-^$CM+ $GL;
-^$CM+ $HL;
-^$CM+ $HY;
-^$CM+ $H2;
-^$CM+ $H3;
-^$CM+ $ID;
-^$CM+ $IN;
-^$CM+ $IS;
-^$CM+ $JL;
-^$CM+ $JV;
-^$CM+ $JT;
-^$CM+ $NS;
-^$CM+ $NU;
-^$CM+ $OP;
-^$CM+ $PO;
-^$CM+ $PR;
-^$CM+ $QU;
-^$CM+ $RI;
-^$CM+ $SY;
-^$CM+ $WJ;
-^$CM+;
+#  LB 9 Combining Marks.
+#  Stick together any combining sequences that don't match other rules.
 
+^$CM+ $CAN_CM?;
 
 #
 #  Sequences of the form  (shown forwards)
@@ -492,17 +372,6 @@ $AL_FOLLOW $CM+ / (
                                                #                a rule compiler bug which complains about
                                                #                empty sets otherwise.
 
-#
-#  Sequences of the form  (shown forwards)
-#      [CANT_CM]  <break> [CM]  <break>  [PR]
-#  The CM needs to behave as an AL
-#  This rule is concerned about getting the second of the two <breaks> in place.
-#
-
-# Apple early addition, remove this, superseded by LB24
-# [$PR   ] / $CM+ [$BK $CR $LF $NL $ZW $SP {eof}];
-
-
 
 # LB 4, 5, 6
 
@@ -521,10 +390,9 @@ $LF $CR;
 #           Requires an engine enhancement.
 #   / $SP* $ZW
 
-# LB 8a        ZWJ x ID    Unicode Emoji proposal L2/16-011R3
-#                          The ZWJ will look like a CM to whatever precedes it.
+# LB 8a        ZWJ x (ID | Extended_Pict | EmojiNRK)
 #
-($ID | $EB | $EM) $ZWJ $CM* $CAN_CM?;
+($ID | $Extended_Pict | $EmojiNRK) $ZWJ $CM* $CAN_CM?;
 
 
 # LB 9,10  Combining marks.
@@ -567,21 +435,11 @@ $EX [$LB8NonBreaks-$CM];
 $IS [$LB8NonBreaks-$CM];
 $SY [$LB8NonBreaks-$CM];
 
-# Rule 13 & 14 taken together for an edge case.
-#   Match this, shown forward
-#     OP SP+  ($CM+ behaving as $AL) (CL | CP | EX | IS | IY)
-#   This really wants to chain at the $CM+ (which is acting as an $AL)
-#   except for $CM chaining being disabled.
-[$CL $CP $EX $IS $SY] $CM+ $SP+ $CM* $OP;
 
 # LB 14    OP SP* x
 #
-$CAN_CM    $SP* $CM* $OP;
-     $CANT_CM   $SP* $CM* $OP;
-$AL_FOLLOW? $CM+  $SP $SP* $CM* $OP;     #  by LB 10, behaves like $AL_FOLLOW? $AL $SP* $CM* $OP
-
-     $AL_FOLLOW_NOCM $CM+ $SP+ $CM* $OP;
-$AL_FOLLOW_CM   $CM+ $SP+ $CM* $OP;
+.   $SP* $CM* $OP;
+$AL_FOLLOW? $CM+ $SP+ $CM* $OP;     #  by LB 10, behaves like $AL_FOLLOW? $AL $SP+ $CM* $OP
 
 
 # LB 15
@@ -618,7 +476,7 @@ $AL ($HY | $HH) / $SP;
 # LB 21
 ($BA | $HH | $HY | $NS) $CM* [$LB20NonBreaks-$CM];     #  . x (BA | HY | NS)
 
-[$LB20NonBreaks-$CM] $CM* $BB;                        #  BB x .
+[$LB20NonBreaks-$CM] $CM* $BB;                   #  BB x .
 [^$CB] $CM* $BB;                                      #
 
 # LB21a
@@ -635,16 +493,17 @@ $IN $CM* $IN;
 $IN $CM* $NU;
 
 # LB 23
-$PO $CM* ($ID | $EB | $EM);
 $NU $CM* ($ALPlus | $HL);
 ($ALPlus | $HL) $CM* $NU;
 
-# LB 24
+# LB23a
 ($ID | $EB | $EM) $CM* $PR;
-($ALPlus | $HL) $CM* $PR;
-($ALPlus | $HL) $CM* $PO;
-$CM* ($PR | $PO) $CM* ($ALPlus | $HL);
-$CM* ($PR | $PO) $CM+ / [$BK $CR $LF $NL $ZW $SP {eof}];
+$PO $CM* ($ID | $EB | $EM);
+
+# LB 24
+($ALPlus | $HL) $CM* ($PR | $PO);
+($PR | $PO) $CM* ($ALPlus | $HL);
+
 
 # LB 25
 ($CM* ($PR | $PO))? ($CM* ($CL | $CP))? ($CM* ($NU | $IS | $SY))* $CM* $NU ($CM* ($OP | $HY))? ($CM* ($PR | $PO))?;