]> git.saurik.com Git - apple/icu.git/blobdiff - icuSources/test/testdata/break_rules/line_normal.txt
ICU-59117.0.1.tar.gz
[apple/icu.git] / icuSources / test / testdata / break_rules / line_normal.txt
index fc978fa2bd7c2569b6c401644cc4df6ecf581afc..ccf52ebeb0d04281d652f1abbb3bb95904a04d76 100644 (file)
@@ -1,4 +1,6 @@
 #
+# Copyright (C) 2016 and later: Unicode, Inc. and others.
+# License & terms of use: http://www.unicode.org/copyright.html
 # Copyright (c) 2016, International Business Machines Corporation and others. All Rights Reserved.
 #
 # file: line_normal.txt
 #       They are expected to change with review and the addition of support for rule tailoring.
 #
 #         Line Breaking Rules
-#         Implement default line breaking as defined by 
+#         Implement default line breaking as defined by
 #         Unicode Standard Annex #14 Revision 34 for Unicode 8.0
 #         http://www.unicode.org/reports/tr14/
-#         tailored as noted in 2nd paragraph below..
+#         tailored as noted in 2nd paragraph below.
 #
 #         TODO:  Rule LB 8 remains as it was in Unicode 5.2
 #         This is only because of a limitation of ICU break engine implementation,
 #         not because the older behavior is desirable.
 #
 #         This tailors the line break behavior to correspond to CSS
-#         line-break=normal (BCP47 -u-lb-normal) as defined for languages other than 
+#         line-break=normal (BCP47 -u-lb-normal) as defined for languages other than
 #         Chinese & Japanese.
 #         It sets characters of class CJ to behave like ID.
 
@@ -27,8 +29,8 @@
 type = line;
 locale = en@lb=normal;
 
-AI = [[:LineBreak =  Ambiguous:] - [\u2640\u2642]];
-AL = [[:LineBreak =  Alphabetic:]-[\u2695\u2696\u2764]];
+AI = [:LineBreak =  Ambiguous:];
+AL = [:LineBreak =  Alphabetic:];
 BA = [:LineBreak =  Break_After:];
 BB = [:LineBreak =  Break_Before:];
 BK = [:LineBreak =  Mandatory_Break:];
@@ -36,20 +38,18 @@ 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 = [\u261D\u26F9\u270A-\u270D\U0001F385\U0001F3C2-\U0001F3C4\U0001F3C7\U0001F3CA-\U0001F3CC\U0001F442-\U0001F443\U0001F446-\U0001F450\U0001F466-\U0001F478\U0001F47C\U0001F481-\U0001F483\U0001F485-\U0001F487\U0001F4AA\U0001F574-\U0001F575\U0001F57A\U0001F590\U0001F595-\U0001F596\U0001F645-\U0001F647\U0001F64B-\U0001F64F\U0001F6A3\U0001F6B4-\U0001F6B6\U0001F6C0\U0001F6CC\U0001F918-\U0001F91E\U0001F926\U0001F930\U0001F933-\U0001F939\U0001F93C-\U0001F93E];
-EM = [\U0001F3FB-\U0001F3FF];
-
+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:] CJ [\u2640\u2642\u2695\u2696\u2764]];
+ID = [[:LineBreak =  Ideographic:] CJ];  # CSS Normal tailoring: CJ resolves to ID
 IN = [:LineBreak =  Inseperable:];
 IS = [:LineBreak =  Infix_Numeric:];
 JL = [:LineBreak =  JL:];
@@ -71,16 +71,19 @@ SY = [:LineBreak =  Break_Symbols:];
 WJ = [:LineBreak =  Word_Joiner:];
 XX = [:LineBreak =  Unknown:];
 ZW = [:LineBreak =  ZWSpace:];
-ZJ = [\u200D];
+ZWJ = [:LineBreak =  ZWJ:];
 
-# TODO: adjustment to sets needed only until Unicode properties are updated for Emoji.
-ID   = [ID - EB];
-AL   = [AL - EM];
+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];
 
-dictionary = [:LineBreak = Complex_Context:];
+# LB1 - Resolve AI, CB, CJ, SA, SG, and XX into other line breaking classes
+AL = [AL AI SG XX ];
+dictionary = SA;
 
-# Redfine AL. LB1.  TODO: refine according to latest UAX.
-AL = [ AL AI SA SG XX ];
+# 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.
+CM = [CM ZWJ];
 
 LB4:        BK ÷;
 LB5:        CR LF;
@@ -108,9 +111,9 @@ LB7.2:      [ZW SP] [SP ZW];
 #    UAX 14: ZW SP* ÷;
 LB8:        ZW ÷;
 
-# LB8a, from Emoji proposal L2/16-011R3
-#      ZWJ x ID
-LB8a:       ZJ (ID | EB | EM);
+# LB8a
+#      ZWJ x (ID | Extended_Pict | EmojiNRK)
+LB8a:       ZWJ (ID | Extended_Pict | EmojiNRK);
 
 
 # LB9:  X CM -> X
@@ -145,11 +148,11 @@ LB19:        . CM* QU;
 LB19.1:      QU CM* [^CM];
 
 # LB 20   Break before and after CB.
-#         Interaction with LB8a:  ZJ x ID is tricky because CM includes ZJ.
-#                                 ZJ acts like a CM to the left, combining with CB.
-#                                 ZJ acts independently to the right, no break from ID by LB8a.
+#         Interaction with LB8a:  ZWJ x ID is tricky because CM includes ZWJ.
+#                                 ZWJ acts like a CM to the left, combining with CB.
+#                                 ZWJ acts independently to the right, no break from ID by LB8a.
 LB20:        . CM* ÷ CB;
-LB20.1a:     CB CM* ZJ (ID | EB | EM);
+LB20.1a:     CB CM* ZWJ (ID | Extended_Pict | EmojiNRK);
 LB20.1b:      CB CM* ÷;
 
 # Note: Rule 21a must come before 21 to prevent 21.1 from matching HL BA, then
@@ -167,14 +170,14 @@ LB22.3:       (ID | EB | EM) CM* IN;
 LB22.4:       IN CM* IN;
 LB22.5:       NU CM* IN;
 
-LB23.1:      (ID | EB | EM) CM* PO;
-LB23.2:      (AL | HL | CM) CM* NU;
-LB23.3:      NU CM* (AL | HL);
+LB23.1:      (AL | HL | CM) CM* NU;
+LB23.2:      NU CM* (AL | HL);
+
+LB23a.1:     PR CM* (ID | EB | EM);
+LB23a.2:     (ID | EB | EM) CM* PO;
 
-LB24.1:      PR CM* (ID | EB | EM);
-LB24.2:      PR CM* (AL | HL);
-LB24.3:      PO CM* (AL | HL);
-LB24.4:      (AL | HL | CM) CM* (PR | PO);
+LB24.2:      (PR | PO) CM* (AL | HL);
+LB24.3:      (AL | HL | CM) CM* (PR | PO);
 
 # Numbers. Equivalent to Tailoring example 8 from UAx 14.
 LB25:        ((PR | PO)CM*)? ((OP | HY)CM*)? NU (CM*(NU | SY | IS))* (CM*(CL | CP))? (CM*(PR | PO))?;
@@ -199,7 +202,7 @@ LB30.2:      CP CM* (AL | HL | NU);
 
 # LB31  keep pairs of RI together.
 LB30a.1:     RI CM* RI CM* [BK CR LF NL SP ZW WJ GL CL CP EX IS SY QU BA HY NS];
-LB30a.2:     RI CM* RI CM* ZJ (ID | EB | EM);
+LB30a.2:     RI CM* RI CM* ZWJ (ID | Extended_Pict | EmojiNRK);
 LB30a.3:     RI CM* RI CM* ÷;
 
 # LB30b Do not break between Emoji Base and Emoji Modifier
@@ -207,5 +210,5 @@ LB30b:       EB CM* EM;
 
 # LB31 Break Everywhere Else.
 #      Include combining marks
-LB31.1:        . CM* ZJ (ID | EB | EM);
+LB31.1:        . CM* ZWJ (ID | Extended_Pict | EmojiNRK);
 LB31.2:        . CM* ÷;