source/test/testdata/rbbitst.txt

   1 # Copyright (C) 2016 and later: Unicode, Inc. and others.
   2 # License & terms of use: http://www.unicode.org/copyright.html
   3 # Copyright (c) 2001-2016 International Business Machines
   4 # Corporation and others. All Rights Reserved.
   5 #
   6 # RBBI Test Data
   7 #
   8 #   File:  rbbitst.txt
   9 #
  10 #     The format of this file looks vaguely like some kind of xml-ish markup,
  11 #     but it is NOT.  The syntax is this..
  12 #
  13 #   <word>    any following data is for word break testing
  14 #   <sent>    any following data is for sentence break testing
  15 #   <line>    any following data is for line break testing
  16 #   <char>    any following data is for char break testing
  17 #   <locale local_name>  Switch to the named locale at the next occurence of <word>, <sent>, etc.
  18 #   <data> ... </data>   test data.  May span multiple lines.
  19 #      <>        Break position, status == 0
  20 #      •         Break position, status == 0   (Bullet, \u2022)
  21 #      <nnn>     Break position, status == nnn
  22 #      \         Escape.  Normal ICU unescape applied.
  23 #      \ at end of line  ->  Line Continuation.  Remove both the backslash and the new line
  24 #
  25 # In ICU4C, this test data is run by intltest, rbbi/RBBITest/TestExtended.
  26 # In ICU4J, this test data is run by com.ibm.icu.dev.test.rbbi.RBBITestExtended
  27 #
  28 # There are two copies of this file in the source repository,
  29 #   [ICU4C]   source/test/testdata/rbbitst.txt
  30 #   [ICU4J]   main/tests/core/src/com/ibm/icu/dev/test/rbbi/rbbitst.txt
  31 #
  32 # ICU4C's copy is the master.  If any changes are made to ICU4J's copy, make sure they
  33 #  are merged back into ICU4C's copy of the file, lest they get overwritten later.
  34 # TODO:  figure out how to have a single copy of the file for use by both C and Java.
  35
  36
  37 #   Temp debugging tests
  38 <locale en>
  39 <word>
  40 <data><0>ク<400>ライアン<400>ト<400>サーバー<400></data>
  41 # <data><0>ク<400>ライアン<400>トサーバー<400></data>
  42
  43 ## FILTERED BREAK TESTS
  44
  45 # (William Bradford, public domain. http://catalog.hathitrust.org/Record/008651224 ) - edited.
  46 <locale en>
  47 <sent>
  48 <data>\
  49 •In the meantime Mr. •Weston arrived with his small ship, which he had now recovered. •Capt. •Gorges, who informed the Sgt. here that one purpose of his going east was to meet with Mr. •Weston, took this opportunity to call him to account for some abuses he had to lay to his charge.•</data>
  50
  51 <locale en@ss=standard>
  52 <sent>
  53 <data>\
  54 •In the meantime Mr. Weston arrived with his small ship, which he had now recovered. •Capt. Gorges, who informed the Sgt. here that one purpose of his going east was to meet with Mr. Weston, took this opportunity to call him to account for some abuses he had to lay to his charge.•</data>
  55
  56 # This hits the case where "D." would match the end of "Ph.D.".
  57 <locale en@ss=standard>
  58 <sent>
  59 <data>\
  60 •Doctor with a D. •As in, Ph.D., you know.•</data>
  61
  62 # same as root (unless some exceptions are added!)
  63 <locale tfg@ss=standard>
  64 <sent>
  65 <data>\
  66 •In the meantime Mr. •Weston arrived with his small ship, which he had now recovered. •Capt. •Gorges, who informed the Sgt. here that one purpose of his going east was to meet with Mr. •Weston, took this opportunity to call him to account for some abuses he had to lay to his charge.•</data>
  67
  68 # same as root (unless some exceptions are added!)
  69 <locale ja@ss=standard>
  70 <sent>
  71 <data>\
  72 •In the meantime Mr. •Weston arrived with his small ship, which he had now recovered. •Capt. •Gorges, who informed the Sgt. here that one purpose of his going east was to meet with Mr. •Weston, took this opportunity to call him to account for some abuses he had to lay to his charge.•</data>
  73
  74 ## END FILTERED BREAK TESTS
  75
  76
  77 ########################################################################################
  78 #
  79 #
  80 #       G r a p h e m e    C l u s t e r     T e s t s
  81 #
  82 #
  83 ##########################################################################################
  84 <char>
  85
  86 <data>•a•b•c• •,•\u0666•</data>                 # Quick Test
  87 <data>•\r•\r•\r\n•\r\n•\n•\r•</data>            # don't break CR/LF
  88
  89 # Always break after controls.  Combining chars don't combine with them.
  90 <data>•\u0003•\N{COMBINING GRAVE ACCENT}•\r•\N{COMBINING GRAVE ACCENT}•</data>
  91 <data>•\u0085•\N{COMBINING MACRON}•A\N{COMBINING MACRON}•</data>
  92
  93 # Surrogates
  94 <data>•\U00011000•\U00010020•\U00010000\N{COMBINING MACRON}•</data>
  95 <data>•\ud800\udc00•\udbff\udfff•a•</data>
  96
  97 # Extend (Combining chars) combine.
  98 <data>•A\N{COMBINING GRAVE ACCENT}•B•</data>
  99 <data>•\N{GREEK SMALL LETTER MU}\N{COMBINING LOW LINE}\N{COMBINING HORN}•</data>
 100 <data>•a\u0301•b\u0302•c\u0303•d\u0304•e\u0305•f\u0306•g\u0307•h\u0308•i\u0309•</data>
 101
 102 <data>•a\u0301\u0302\u0303\u0304\u0301\u0302\u0303\u0304\u0301\u0302\u0303\u0304\u0301\u0302\u0303\u0304\u0301\u0302\u0303\u0304\u0301\u0302\u0303\u0304\u0301\u0302\u0303\u0304\u0301\u0302\u0303\u0304\u0301\u0302\u0303\u0304\u0301\u0302\u0303\u0304\u0301\u0302\u0303\u0304\u0301\u0302\u0303\u0304\u0301\u0302\u0303\u0304\u0301\u0302\u0303\u0304\u0301\u0302\u0303\u0304\u0301\u0302\u0303\u0304\u0301\u0302\u0303\u0304\u0301\u0302\u0303\u0304\u0301\u0302\u0303\u0304\u0301\u0302\u0303\u0304\u0301\u0302\u0303\u0304\u0301\u0302\u0303\u0304\u0301\u0302\u0303\u0304\u0301\u0302\u0303\u0304\u0301\u0302\u0303\u0304\u0301\u0302\u0303\u0304\u0301\u0302\u0303\u0304\u0301\u0302\u0303\u0304\u0301\u0302\u0303\u0304\u0301\u0302\u0303\u0304\u0301\u0302\u0303\u0304•</data>
 103
 104 # Don't break Hangul Syllables
 105 #   L : \u1100
 106 #   V : \u1161
 107 #   T : \u11A8
 108 #  LV : \uAC00
 109 # LVT : \uAC01
 110
 111 <data>•\u1100\u1161\u11a8•\u1100\u1161\u11a8•</data>  #LVT
 112 <data>•\u1100\u1161•\u1100\u1161•</data>
 113 <data>•\u1100\u1161\u11a8•\u1161•\u1100•\u11a8•\u1161\u1161\u1161\u11a8•</data>
 114 <data>•\u1100\u1100\uac01•\u1100\uac01•\u1100\uac01\u0301•\uac01•</data>
 115 <data>•\u1100\u0301•\u1161\u11a8\u0301•\u11a8•</data>
 116
 117
 118
 119 # Hindi combining chars.  (An old test)
 120 #   TODO:  Update these tests for Unicode 5.1 Extended Grapheme clusters
 121 #<data>•भ••ा•\u0930•\u0924• •\u0938\u0941\u0902•\u0926•\u0930•
 122 #•\u0939•\u094c•\u0964•</data>
 123 #<data>•\u0916\u0947•\u0938\u0941\u0902•\u0926•\u0930•\u0939•\u094c•\u0964•</data>
 124
 125
 126 #  Bug 1587.  Tamil.  \u0baa\u0bc1 is an Extended Grpaheme Cluster
 127 <data>•\u0baa\u0bc1•\u0baa\u0bc1•</data>
 128
 129 #   Regression test for bug 1889
 130 <data>•\u0f40\u0f7d•\u0000•\u0f7e•</data>
 131
 132
 133 #     0xffff is a legal character, and should not stop the break iterator early.
 134 #     (Requires special casing in implementation, which is why it gets a test.)
 135 <data>•\uffff•\uffff• •a•</data>
 136
 137 #  Treat Japanese Half Width voicing marks as combining
 138 <data>•A\uff9e•B\uff9f\uff9e\uff9f•C•</data>
 139
 140 ########################################################################################
 141 #
 142 #
 143 #       E x t e n d e d    G r a p h e m e    C l u s t e r     T e s t s
 144 #
 145 #
 146 ##########################################################################################
 147 #<xgc>
 148
 149 # Plain Vanilla grapheme clusters
 150 #<data>•a•b•c•</data>
 151 #<data>•a\u0301\u0302• •b\u0303\u0304•</data>
 152
 153 # Assorted Hindi combining marks
 154 #<data>•\u0904\u0903• •\u0937\u093E• •\u0904\u093F• •\u0937\u0940• •\u0937\u0949• •\u0937\u094A• •\u0937\u094B• •\u0937\u094C•</data>
 155
 156 # Thai Clusters
 157 # $Prepend $Extend* $PrependBase $Extend*;
 158 #
 159 #<data>•\u0e40\u0e01•\u0e44\u0301\u0e23\u0302\u0303•\u0e40•\u0e40\u0e02•\u0e02• •</data>
 160
 161
 162 ########################################################################################
 163 #
 164 #
 165 #       W o r d    B o u n d a r y      T e s t s
 166 #
 167 #
 168 ##########################################################################################
 169
 170 <word>
 171 #
 172 # Quick sanity test
 173 #
 174 <data>•hello<200> •there<200> •goodbye<200></data>
 175 <data>•hello<200> •12345<100> •,•</data>
 176
 177
 178 #
 179 # Test data originally in RBBIAPITest::TestFirstNextFollowing() and TestLastPreviousPreceding()
 180 #
 181
 182 <word>
 183 <data>•This<200> •is<200> •a<200> •word<200> •break<200>.• • •Isn't<200> •it<200>?• •2.25<100></data>
 184
 185
 186
 187 #
 188 # Data originally from TestDefaultRuleBasedWordIteration()
 189 #
 190 <data>•Write<200> •wordrules<200>.• •123.456<100> •alpha\u00adbeta\u00adgamma<200> •\u092f\u0939<200> •</data>
 191 <data>• •\u0939\u093f\u0928\u094d\u200d\u0926\u0940<200> •\u0939\u0948<200> •\u0905\u093e\u092a<200> •\u0938\u093f\u0916\u094b\u0917\u0947<200>?•</data>
 192
 193 #Hindi Numbers
 194 <data>• •\u0968\u0966.\u0969\u096f<100> •\u0967\u0966\u0966.\u0966\u0966<100> •\N{RUPEE SIGN}•\u0967,\u0967\u0966\u0966.\u0966\u0966<100> • •\u0905\u092e\u091c<200>\n•</data>
 195
 196 <data>•\u0938\u094d\u200d\u0935\u0924\u0902deadTA\u0930<200>\r•It's<200> •$•30.10<100> •12,34<100>¢•£•¤•¥•alpha\u05f3beta\u05f4gamma<200> •</data>
 197
 198 <data>•Badges<200>?• •BADGES<200>!•?•!• •We<200> •don't<200> •need<200> •no<200> •STINKING<200> •BADGES<200>!•!•1000,233,456.000<100> •1,23.322<100>%•123.1222<100>$•123,000.20<100> •179.01<100>%•X<200> •Now<200>\r•is<200>\n•the<200>\r\n•time<200> •</data>
 199
 200 #Hangul
 201 <data>•\uc5f0\ud569<200> •\uc7a5\ub85c\uad50\ud68c<200> •\u1109\u1161\u11bc\u1112\u1161\u11bc<200> •\u1112\u1161\u11ab\u110b\u1175\u11ab<200> •Hello<200>,• •how<200> •are<200> •you<200> •</data>
 202
 203 <data>•Hello<200>,• •how<200> •are<200> •you<200> •\uc5f0\ud569<200> •\uc7a5\ub85c\uad50\ud68c<200> •\u1109\u1161\u11bc\u1112\u1161\u11bc<200> •\u1112\u1161\u11ab\u110b\u1175\u11ab<200> •</data>
 204
 205 # Words containing non-BMP letters
 206 <data>•abc\U00010300<200> •abc\N{DESERET SMALL LETTER ENG}<200> •abc\N{MATHEMATICAL BOLD SMALL Z}<200> •abc\N{MATHEMATICAL SANS-SERIF BOLD ITALIC PI SYMBOL}<200> •</data>
 207
 208 # Unassigned code points
 209 <data>•abc<200>\U0001D800•def<200>\U0001D3FF• •</data>
 210
 211 # Hiragana & Katakana stay together, but separates from each other and Latin.
 212 # *** what to do about theoretical combos of chars? i.e. hiragana + accent
 213 #<data>•abc<200>\N{HIRAGANA LETTER SMALL A}<400>\N{HIRAGANA LETTER VU}\N{COMBINING ACUTE ACCENT}<400>\N{HIRAGANA ITERATION MARK}<400>\N{KATAKANA LETTER SMALL A}\N{KATAKANA ITERATION MARK}\N{HALFWIDTH KATAKANA LETTER WO}\N{HALFWIDTH KATAKANA LETTER N}<400>def<200>#•</data>
 214
 215 # test normalization/dictionary handling of halfwidth katakana: same dictionary phrase in fullwidth and halfwidth
 216 <data>•芽キャベツ<400>芽キャﾍﾞツ<400></data>
 217
 218 # more Japanese tests
 219 # TODO: some script=common characters in the Hiragana and the Katakana block may not be treated correctly
 220 # (was formerly true for U+30FC); need to check and fix if so.
 221 #<data>•どー<400>せ<400>日本語<400>を<400>勉強<400>する<400>理由<400>について<400>　•て<400>こと<400>は<400>我<400>でも<400>知<400>ら<400>も<400>い<400>こと<400>なん<400>だ<400>。•</data>
 222 <data>•日本語<400>を<400>勉強<400>する<400>理由<400>について<400>　•て<400>こと<400>は<400>我<400>でも<400>知<400>ら<400>も<400>い<400>こと<400>なん<400>だ<400>。•</data>
 223
 224 # Testing of word boundary for dictionary word containing both kanji and kana
 225 <data>•中だるみ<400>蔵王の森<400>ウ離島<400></data>
 226
 227 # Testing of Chinese segmentation (taken from a Chinese news article)
 228 <data>•400<100>余<400>名<400>中央<400>委员<400>和<400>中央<400>候补<400>委员<400>都<400>领<400>到了<400>“•推荐<400>票<400>”•，•有<400>资格<400>在<400>200<100>多<400>名<400>符合<400>条件<400>的<400>63<100>岁<400>以下<400>中共<400>正<400>部<400>级<400>干部<400>中<400>，•选出<400>他们<400>属意<400>的<400>中央<400>政治局<400>委员<400>以<400>向<400>政治局<400>常委<400>会<400>举荐<400>。•</data>
 229
 230 # Words with interior formatting characters
 231 <data>•def\N{COMBINING ACUTE ACCENT}\N{SYRIAC ABBREVIATION MARK}ghi<200> •</data>
 232
 233 # to test for bug #4097779
 234 <data>•aa\N{COMBINING GRAVE ACCENT}a<200> •</data>
 235
 236 # fullwidth numeric, midletter characters etc should be treated like their halfwidth counterparts
 237 # <data>•ＩＳＮ'Ｔ<200> •１９<100>日<400></data>
 238 # why was this added with the dbbi stuff?
 239
 240 #      to test for bug #4098467
 241 #      What follows is a string of Korean characters (I found it in the Yellow Pages
 242 #      ad for the Korean Presbyterian Church of San Francisco, and I hope I transcribed
 243 #      it correctly), first as precomposed syllables, and then as conjoining jamo.
 244 #      Both sequences should be semantically identical and break the same way.
 245 #      precomposed syllables...
 246 <data>•\uc0c1\ud56d<200> •\ud55c\uc778<200> •\uc5f0\ud569<200> •\uc7a5\ub85c\uad50\ud68c<200> •\u1109\u1161\u11bc\u1112\u1161\u11bc<200> •\u1112\u1161\u11ab\u110b\u1175\u11ab<200> •\u110b\u1167\u11ab\u1112\u1161\u11b8<200> •\u110c\u1161\u11bc\u1105\u1169\u1100\u116d\u1112\u116c<200> •</data>
 247
 248 # more Korean tests (Jamo not tested here, not counted as dictionary characters)
 249 # Disable them now because we don't include a Korean dictionary.
 250 #<data>•\ud55c\uad6d<200>\ub300\ud559\uad50<200>\uc790\uc5f0<200>\uacfc\ud559<200>\ub300\ud559<200>\ubb3c\ub9ac\ud559\uacfc<200></data>
 251 #<data>•\ud604\uc7ac<200>\ub294<200> •\uac80\ucc30<200>\uc774<200> •\ubd84\uc2dd<200>\ud68c\uacc4<200>\ubb38\uc81c<200>\ub97c<200> •\uc870\uc0ac<200>\ud560<200> •\uac00\ub2a5\uc131<200>\uc740<200> •\uc5c6\ub2e4<200>\u002e•</data>
 252
 253 <data>•abc<200>\u4e01<400>\u4e02<400>\u3005<400>\u4e03\u4e03<400>abc<200> •</data>
 254
 255 <data>•\u06c9<200>\uc799\ufffa•</data>
 256
 257
 258 #
 259 #      Try some words from other scripts.
 260 #
 261
 262 #       Try some words from other scripts.
 263 #          Greek, Cyrillic, Hebrew, Arabic, Arabic, Georgian, Latin
 264 #
 265 <data>•ΑΒΓ<200> •БВГ<200> •אבג֓<200> •ابت<200> •١٢٣<100> •\u10A0\u10A1\u10A2<200> •ABC<200> •</data>
 266
 267 <data>•\u0301•A<200></data>
 268
 269
 270 #
 271 #  Hindi word break tests, imported from the old RBBI tests.
 272 #    An historical note:  a much earlier version of ICU break iterators had a number
 273 #    of special case rules for Hindi, which were tested by an earlier version of
 274 #    this test data.  The current RBBI rules do not special case Hindi in
 275 #    any way, making this test data much less signfificant.
 276 #
 277 <data>•\u0917\u092a\u00ad\u0936\u092a<200>!•\u092f\u0939<200> •\u0939\u093f\u0928\u094d\u200d\u0926\u0940<200> •\u0939\u0948<200> •\u0905\u093e\u092a<200> •\u0938\u093f\u0916\u094b\u0917\u0947<200>?•\n•:•\u092a\u094d\u0930\u093e\u092f\u0903<200>
 278 •\u0935\u0930\u094d\u0937\u093e<200>\r\n•\u092a\u094d\u0930\u0915\u093e\u0936<200>,•\u0924\u0941\u092e\u093e\u0930\u094b<200> •\u092e\u093f\u0924\u094d\u0930<200> •\u0915\u093e<200> •\u092a\u0924\u094d\u0930<200> •\u092a\u095d\u094b<200> •\u0938\u094d\u0924\u094d\u0930\u093f<200>.• •\u0968\u0966.\u0969\u096f<100> •\u0967\u0966\u0966.\u0966\u0966<100>\u20a8•\u0967,\u0967\u0966\u0966.\u0966\u0966<100> •\u0905\u092e\u091c<200>\n•\u0938\u094d\u200d\u0935\u0924\u0902\u0924\u094d\u0930<200>\r•</data>
 279
 280 #
 281 #  Failures from monkey tests
 282 #
 283 <data>•\u8527<400>\u02ba<200>\u0027\u0d42•\u00b7•\u09ea<100></data>
 284
 285 #
 286 # Jitterbug 5276 - treat Japanese half width voicing marks as Grapheme Extend
 287 #
 288 <data>•A\uff9e\uff9fBC<200> •1\uff9e\uff9f23<100></data>
 289
 290 # User guide example:
 291 <data>•Parlez<200>-•vous<200> •français<200> •?•</data>
 292
 293 # Test for #11673
 294 <word>
 295 <data>•ジョージア<400> •</data>
 296
 297 # Test for #11723
 298 <word>
 299 <data>•アレルギー性<400>結膜炎<400></data>
 300 <data>•アテ<400>ローム<400>性<400>動脈硬化<400></data>
 301
 302 # Ticket #11996
 303 <locale en>
 304 <word>
 305 <data>•栃木<400>県<400>足利<400>市<400>で<400>の<400>撮影<400>が<400>公開<400></data>
 306 <data>•栃木<400>県<400>足利<400>市<400>で<400>の<400>撮影<400>が<400>公開<400>さ<400>れ<400>た<400></data>
 307
 308 # Ticket #11999
 309 #   Unhandled Break Engine was consuming all characters, not just unhandled.
 310 #   \U00011700 is AHOM LETTER KA. There is no dictionary for AHOM, triggering the unhandled engine,
 311 #       which then incorrectly also consumed the following Japanese text. (ICU4J only)
 312 <word>
 313 <locale en>
 314 <data>•ロ<400>から<400>売却<400>完了<400>時<400>の<400>時価<400>が<400>提示<400>さ<400>れ<400>て<400>いる<400></data>
 315 <data>•\U00011700<200>ロ<400>から<400>売却<400>完了<400>時<400>の<400>時価<400>が<400>提示<400>さ<400>れ<400>て<400>いる<400></data>
 316
 317 #
 318 # What Is Unicode in Japanese
 319 # From http://unicode.org/standard/translations/japanese.html
 320
 321 <locale en>
 322 <word>
 323 <data><0>ユニ<400>コード<400>と<400>は<400>何<400>か<400>？<0></data>
 324 <data><0>ユニ<400>コード<400>は<400>、<0>すべて<400>の<400>文字<400>に<400>固有<400>の<400>番号<400>を<400>付与<400>し<400>ます<400></data>
 325 <data><0>プラットフォーム<400>に<400>は<400>依存<400>しま<400>せん<400></data>
 326 <data><0>プログラム<400>に<400>も<400>依存<400>しま<400>せん<400></data>
 327 <data><0>言語<400>に<400>も<400>依存<400>しま<400>せん<400></data>
 328
 329 <data><0>コンピューター<400>は<400>、<0>本質<400>的<400>に<400>は<400>数字<400>しか<400>扱う<400>こと<400>が<400>でき<400>ま<400>せん<400>。<0>\
 330 コンピューター<400>は<400>、<0>文字<400>や<400>記号<400>など<400>の<400>それぞれに<400>番号<400>を<400>割り振る<400>こと<400>によって<400>扱える<400>\
 331 よう<400>にし<400>ます<400>。<0>ユニ<400>コード<400>が<400>出来る<400>まで<400>は<400>、<0>これらの<400>番号<400>を<400>割り振る<400>仕組み<400>が<400>\
 332 何<400>百<400>種類<400>も<400>存在<400>しま<400>した<400>。<0>どの<400>一つ<400>を<400>とっても<400>、<0>十分<400>な<400>文字<400>を<400>含<400>\
 333 んで<400>は<400>いま<400>せん<400>で<400>した<400>。<0>例えば<400>、<0>欧州<400>連合<400>一つ<400>を<400>見<400>て<400>も<400>、<0>その<400>\
 334 すべて<400>の<400>言語<400>を<400>カバー<400>する<400>ため<400>に<400>は<400>、<0>いくつか<400>の<400>異なる<400>符号<400>化<400>の<400>仕組み<400>\
 335 が<400>必要<400>で<400>した<400>。<0>英語<400>の<400>よう<400>な<400>一つ<400>の<400>言語<400>に<400>限<400>って<400>も<400>、<0>一つ<400>だけ<400>\
 336 の<400>符号<400>化<400>の<400>仕組み<400>では<400>、<0>一般<400>的<400>に<400>使<400>われる<400>すべて<400>の<400>文字<400>、<0>句読点<400>、<0>\
 337 技術<400>的<400>な<400>記号<400>など<400>を<400>扱う<400>に<400>は<400>不十分<400>で<400>した<400>。<0></data>
 338
 339 <data><0>これらの<400>符号<400>化<400>の<400>仕組み<400>は<400>、<0>相互<400>に<400>矛盾<400>する<400>もの<400>でも<400>ありま<400>した<400>。<0>\
 340 二つ<400>の<400>異なる<400>符号<400>化<400>の<400>仕組み<400>が<400>、<0>二つ<400>の<400>異なる<400>文字<400>に<400>同一<400>の<400>番号<400>\
 341 を<400>付ける<400>こと<400>も<400>できる<400>し<400>、<0>同じ<400>文字<400>に<400>異なる<400>番号<400>を<400>付ける<400>こと<400>も<400>できる<400>\
 342 の<400>です<400>。<0>どの<400>よう<400>な<400>コンピューター<400>も<400>（<0>特に<400>サーバー<400>は<400>）<0>多く<400>の<400>異<400>な<400>っ<400>\
 343 た<400>符号<400>化<400>の<400>仕組み<400>を<400>サポート<400>する<400>必要<400>が<400>あり<400>ます<400>。<0>たとえ<400>データ<400>が<400>異なる<400>\
 344 符号<400>化<400>の<400>仕組み<400>や<400>プラットフォーム<400>を<400>通過<400>し<400>て<400>も<400>、<0>いつ<400>どこ<400>で<400>データ<400>が<400>\
 345 乱れる<400>か<400>分<400>から<400>ない<400>危険<400>を<400>冒す<400>こと<400>の<400>なる<400>の<400>です<400>。<0></data>
 346
 347 <data><0>ユニ<400>コード<400>は<400>すべて<400>を<400>変<400>え<400>ます<400></data>
 348
 349 <data><0>ユニ<400>コード<400>は<400>、<0>プラットフォーム<400>に<400>係<400>わら<400>ず<400>、<0>プログラム<400>に<400>係<400>わら<400>ず<400>、<0>\
 350 言語<400>に<400>係<400>わら<400>ず<400>、<0>すべて<400>の<400>文字<400>に<400>独立<400>した<400>番号<400>を<400>与<400>え<400>ます<400>。<0>\
 351 ユニ<400>コード<400>標準<400>は<400>、<0>アップル<400>、<0>ヒュー<400>レット<400>パッ<400>カード<400>、<0>IBM<200>、<0>ジャスト<400>システム<400>\
 352 、<0>マイクロ<400>ソフト<400>、<0>オラクル<400>、<0>SAＰ<200>、<0>サン<400>、<0>サイ<400>ベース<400>など<400>の<400>産業<400>界<400>の<400>\
 353 主導<400>的<400>企業<400>と<400>他の<400>多く<400>の<400>企業<400>に<400>採用<400>さ<400>れ<400>てい<400>ます<400>。<0>ユニ<400>コード<400>\
 354 は<400>、<0>XML<200>、<0>Java<200>、<0>ECMAScript<200>(<0>JavaScript<200>)<0>、<0>LDAP<200>、<0>CORBA<200> <0>3.0<100>など<400>\
 355 の<400>最先端<400>の<400>標準<400>の<400>前提<400>と<400>な<400>って<400>おり<400>、<0>ユニ<400>コード<400>を<400>実装<400>す<400>れ<400>ば<400>\
 356 、<0>ISO<200>/<0>IEC<200></data>
 357 <data><0> <0>10646<100>に<400>適合<400>する<400>ことに<400>なり<400>ます<400>。<0>ユニ<400>コード<400>は<400>、<0>多く<400>の<400>\
 358 オペレーティングシステム<400>と<400>すべて<400>の<400>最新<400>の<400>ブラウザー<400>と<400>他の<400>多く<400>の<400>製品<400>で<400>サポート<400>\
 359 さ<400>れ<400>てい<400>ます<400>。<0>ユニ<400>コード<400>標準<400>の<400>出現<400>と<400>ユニ<400>コード<400>を<400>サポート<400>する<400>\
 360 ツール<400>類<400>は<400>、<0>昨今<400>顕著<400>に<400>な<400>って<400>いる<400>ソフトウエア<400>技術<400>の<400>グローバル<400>化<400>の<400>\
 361 流れ<400>に対して<400>、<0>特に<400>役<400>に<400>立<400>って<400>い<400>ます<400>。<0></data>
 362
 363 <data><0>ユニ<400>コード<400>を<400>ク<400>ライアン<400>ト<400>サーバー<400>型<400>の<400>アプリケーション<400>や<400>、<0>多層<400>構造<400>\
 364 を<400>持つ<400>アプリケーション<400>、<0>ウェブサイト<400>など<400>に<400>に<400>組み込む<400>こと<400>で<400>、<0>従来<400>の<400>文字<400>\
 365 コードセット<400>を<400>用いる<400>より<400>も<400>明らか<400>な<400>コスト<400>削減<400>が<400>可能<400>です<400>。<0>ユニ<400>コード<400>は<400>\
 366 、<0>単一<400>の<400>ソフトウエア<400>製品<400>、<0>単一<400>の<400>ウェブサイト<400>に<400>、<0>何ら<400>手<400>を<400>加える<400>こと<400>なく<400>\
 367 、<0>複数<400>の<400>プラットフォーム<400>、<0>複数<400>の<400>言語<400>、<0>複数<400>の<400>国<400>を<400>カバー<400>する<400>こと<400>が<400>\
 368 出来る<400>の<400>です<400>。<0>ユニ<400>コード<400>は<400>、<0>データ<400>が<400>多く<400>の<400>異なる<400>システム<400>の<400>間<400>を<400>、<0>\
 369 何<400>の<400>乱れ<400>も<400>なし<400>に<400>転送<400>する<400>こと<400>を<400>可能<400>と<400>する<400>の<400>です<400>。<0></data>
 370
 371 <data><0>ユニ<400>コード<400>コンソーシアム<400>について<400></data>
 372
 373 <data><0>ユニ<400>コード<400>コンソーシアム<400>は<400>、<0>最新<400>の<400>ソフトウエア<400>製品<400>と<400>標準<400>において<400>テキスト<400>\
 374 を<400>表現<400>する<400>こと<400>を<400>意味<400>する<400>“<0>ユニ<400>コード<400>標準<400>”<0>の<400>構築<400>、<0>発展<400>、<0>普及<400>、<0>\
 375 利用<400>促進<400>を<400>目的<400>として<400>設立<400>さ<400>れ<400>た<400>非<400>営利<400>組織<400>です<400>。<0>同<400>コンソーシアム<400>\
 376 の<400>会員<400>は<400>、<0>コンピューター<400>と<400>情報処理<400>に<400>係わる<400>広汎<400>な<400>企業<400>や<400>組織<400>から<400>構成<400>\
 377 さ<400>れ<400>てい<400>ます<400>。<0>同<400>コンソーシアム<400>は<400>、<0>財政<400>的<400>に<400>は<400>、<0>純粋<400>に<400>会費<400>のみ<400>\
 378 によって<400>運営<400>さ<400>れ<400>てい<400>ます<400>。<0>ユニ<400>コード<400>標準<400>を<400>支持<400>し<400>、<0>その<400>拡張<400>と<400>\
 379 実装<400>を<400>支援<400>する<400>世界中<400>の<400>組織<400>や<400>個人<400>は<400>、<0>だれ<400>も<400>が<400>ユニ<400>コード<400>\
 380 コンソーシアム<400>の<400>会員<400>なる<400>こと<400>が<400>でき<400>ます<400>。<0></data>
 381
 382 <data><0>より<400>詳しい<400>こと<400>を<400>お<400>知<400>り<400>に<400>なり<400>たい<400>方<400>は<400>、<0>Glossary<200>,<0> <0>\
 383 Technical<200> <0>Introduction<200> <0>および<400> <0>Useful<200> <0>Resources<200>を<400>ご<400>参照<400>くだ<400>さい<400>。<0></data>
 384
 385
 386 ########################################################################################
 387 #
 388 #
 389 #       S e n t e n c e     B o u n d a r y      T e s t s
 390 #
 391 #
 392 ##########################################################################################
 393
 394
 395 #
 396 # Test data originally from RBBI RBBITest::TestDefaultRuleBasedSentenceIteration()
 397 #
 398 <sent>
 399
 400
 401 <sent>
 402 <data>•This\n<100></data>
 403 <data>•Hello! •how are you? •I'am fine. •Thankyou. •How are you \
 404 doing? •This\n<100> costs $20,00,000. •</data>
 405
 406
 407 # Sentence ending in a quote.
 408 <data>•"Sentence ending with a quote." •Bye.•</data>
 409
 410 # Sentence, and test data, ending without a period or other terminator.
 411 <data>•Here is a random sentence, no ending period<100></data>
 412
 413
 414 <data>•  (This is it).  •Testing the sentence iterator. •\
 415 "This isn't it." •Hi! \
 416 •This is a simple sample sentence. •(This is it.) •This is a simple sample sentence. •\
 417 "This isn't it." •\
 418 Hi! •This is a simple sample sentence. •It does not have to make any sense as you can see. •Nel mezzo del cammin di nostra vita, mi ritrovai in una selva oscura. •Che la dritta via aveo smarrita. •He said, that I said, that you said!! •Don't rock the boat.\u2029•Because I am the daddy, that is why.
 419 •Not on my time (el timo.)! •</data>
 420
 421 <data>•Hello.  •So what!!\u2029•"But now," he said, \
 422 "I know!" •\
 423 Harris thumbed down several, including "Away We Go" (which became the huge success Oklahoma!). •One species, B. anthracis, is highly virulent.
 424 •Wolf said about Sounder:\
 425 "Beautifully thought-out and directed." •\
 426 Have you ever said, "This is where\tI shall live"? •He answered, \
 427 "You may not!" •Another popular saying is: "How do you do?". \n•\
 428 Yet another popular saying is: \
 429 'I'm fine thanks.' •\
 430 What is the proper use of the abbreviation pp.? •Yes, I am definatelly 12" tall!!\
 431 •Now\r<100>is\n<100>the\r\n<100>time\n<100>\r<100>for\r<100>\r<100></data>
 432
 433 <data>•No breaks when . is surrounded by UPPER.Case letters.  •</data>
 434 <data>•No breaks when . is followed by Numeric .4 a.4 C.4 3.1 .•</data>
 435 <data>•No breaks when . is followed by a lower, with possible intervening punct .,a .$a .)a. •</data>
 436
 437 #
 438 #  Sentence Breaks: no break at the boundary between CJK and other letters
 439 #
 440 <data>•\u5487\u67ff\ue591\u5017\u61b3\u60a1\u9510\u8165:"JAVA\u821c\u8165\u7fc8\u51ce\u306d,\u2494\u56d8\u4ec0\u60b1\u8560\u51ba\u611d\u57b6\u2510\u5d46".\u2029•\u5487\u67ff\ue591\u5017\u61b3\u60a1\u9510\u8165\u9de8\u97e4JAVA\u821c\u8165\u7fc8\u51ce\u306d\ue30b\u2494\u56d8\u4ec0\u60b1\u8560\u51ba\u611d\u57b6\u2510\u5d46\u97e5\u7751\u3002•\u5487\u67ff\ue591\u5017\u61b3\u60a1\u9510\u8165\u9de8\u97e4\u6470\u8790JAVA\u821c\u8165\u7fc8\u51ce\u306d\ue30b\u2494\u56d8\u4ec0\u60b1\u8560\u51ba\u611d\u57b6\u2510\u5d46\u97e5\u7751\u2048•He said, "I can go there."\u2029•Bye, now.•</data>
 441
 442 #
 443 #      Treat fullwidth variants of .!? the same as their
 444 #      normal counterparts
 445 #
 446 <data>•I know I'm right\uff0e •Right\uff1f •Right\uff01 •</data>
 447
 448
 449 #
 450 #       Don't break sentences at boundary between CJK and digits
 451 #
 452 <data>•\u5487\u67ff\ue591\u5017\u61b3\u60a1\u9510\u8165\u9de8\u97e48888\u821c\u8165\u7fc8\u51ce\u306d\ue30b\u2494\u56d8\u4ec0\u60b1\u8560\u51ba\u611d\u57b6\u2510\u5d46\u97e5\u7751\u3002•Bye, now<100></data>
 453
 454 #
 455 #      Breaks around '(' following a sentence TERM.  (Rule 9)
 456 #
 457 <data>•How do you do?(•Fine). •</data>
 458 <data>•How do you do? •(Fine). •</data>
 459 <data>•How do you do?(•fine). •</data>
 460 <data>•How do you do? •(fine). •</data>
 461
 462 #
 463 <data>•Hello.123<100></data>    # Rule 6
 464 <data>•Hello?•123<100></data>
 465
 466 <data>•HELLO.Bye<100></data>    # Rule 7
 467 <data>•HELLO?•Bye<100></data>
 468
 469 <data>•Hello.goodbye<100></data>  #Rule 8
 470 <data>•Hello. •Goodbye<100></data>
 471 <data>•Hello. goodbye<100></data>
 472
 473
 474
 475 #
 476 #        test for bug #4158381: No breaks when there are no terminators around
 477 #
 478 <data>•\<P>Provides a set of &quot;lightweight&quot; (all-java\<FONT SIZE="-2">\<SUP>TM\</SUP>\</FONT> language) components that, to the maximum degree possible, work the same on all platforms.  •</data>
 479 <data>•Another test.\u2029•</data>
 480
 481 #        test for bug #4143071: Make sure sentences that end with digits
 482 #        work right
 483 #
 484 <data>•Today is the 27th of May, 1998.  •</data>
 485 <data>•Tomorrow with be 28 May 1998.  •</data>
 486 <data>•The day after will be the 30th.\u2029•</data>
 487
 488 #        test for bug #4152416: Make sure sentences ending with a capital
 489 #        letter are treated correctly
 490 #
 491 <data>•The type of all primitive \<code>boolean\</code> values accessed in the target VM.  •Calls to xxx will return an implementor of this interface.  \u2029•</data>
 492
 493 #        test for bug #4152117: Make sure sentence breaking is handling
 494 #        punctuation correctly [COULD NOT REPRODUCE THIS BUG, BUT TEST IS
 495 #        HERE TO MAKE SURE IT DOESN'T CROP UP]
 496 #
 497 <data>•Constructs a randomly generated BigInteger, uniformly distributed over the range \<tt>0\</tt> to \<tt>(2\<sup>numBits\</sup> - 1\)\</tt>, inclusive.  •The uniformity of the distribution assumes that a fair source of random bits is provided in \<tt>rnd\</tt>.  •Note that this constructor always constructs a non-negative biginteger.  \n•Ahh abc.
 498 •</data>
 499
 500 #        sentence breaks for hindi which used Devanagari script
 501 #        make sure there is sentence break after ?,danda(hindi phrase separator),
 502 #        fullstop followed by space.  (VERY old test)
 503 #
 504 <data>•\u0928\u092e\u0938\u094d\u200d\u0924\u0947 \u0930\u092e\u0947\u0936\u0905\u093e\u092a\u0915\u0948\u0938\u0947 \u0939\u0948?•\u092e\u0948 \u0905\u091a\u094d\u200d \u091b\u093e \u0939\u0942\u0901\u0964 •\u0905\u093e\u092a\r\n<100>\
 505 \u0915\u0948\u0938\u0947 \u0939\u0948?•\u0935\u0939 \u0915\u094d\u200d\u092f\u093e\n\
 506 <100>\u0939\u0948?•\u092f\u0939 \u0905\u093e\u092e \u0939\u0948. •\u092f\u0939 means "this". •"\u092a\u095d\u093e\u0908" meaning "education" or "studies". •\u0905\u093e\u091c(\u0938\u094d\u200d\u0935\u0924\u0902\u0924\u094d\u0930 \u0926\u093f\u0935\u093e\u0938) \u0939\u0948\u0964 •Let's end here. •</data>
 507
 508 #         Regression test for bug #1984, Sentence break in Arabic text.
 509
 510 <data>\
 511 •\u0623\u0633\u0627\u0633\u064b\u0627\u060c\u0020\u062a\u062a\u0639\u0627"\u0645\u0644\u0020\u0627\u0644\u062d\u0648\u0627\u0633\u064a\u0628\u0020"\u0641\u0642\u0637\u0020\u0645\u0639\u0020\u0627\u0644\u0623\u0631\u0642\u0627\u0645\u060c\u0648\u062a\u0642\u0648\u0645\u0020\u0628\u062a\u062e\u0632\u064a\u0646\u0020\u0627\u0644\u0623\u062d\u0631\u0641\u0020\u0648\u0627\u0644\u0645\u062d\u0627\u0631\u0641\u0020\u0627\u0644\u0623\u062e\u0631\u0649\u0020\u0628\u0639\u062f\u0020\u0623\u0646\u062a\u064f\u0639\u0637\u064a\u0020\u0631\u0642\u0645\u0627\u0020\u0645\u0639\u064a\u0646\u0627\u0020\u0644\u0643\u0644\u0020\u0648\u0627\u062d\u062f\u0020\u0645\u0646\u0647\u0627\u002e\u0020•\u0648\u0642\u0628\u0644\u0020\u0627\u062e\u062a\u0631\u0627\u0639\u0022\u064a\u0648\u0646\u0650\u0643\u0648\u062f\u0022\u060c\u0020\u0643\u0627\u0646\u0020\u0647\u0646\u0627\u0643\u0020\u0645\u0626\u0627\u062a\u0020\u0627\u0644\u0623\u0646\u0638\u0645\u0629\u0020\u0644\u0644\u062a\u0634\u0641\u064a\u0631\u0648\u062a\u062e\u0635\u064a\u0635\u0020\u0647\u0630\u0647\u0020\u0627\u0644\u0623\u0631\u0642\u0627\u0645\u0020\u0644\u0644\u0645\u062d\u0627\u0631\u0641\u060c\u0020\u0648\u0644\u0645\u0020\u064a\u0648\u062c\u062f\u0020\u0646\u0638\u0627\u0645\u062a\u0634\u0641\u064a\u0020\u0639\u0644\u0649\u0020\u062c\u0645\u064a\u0639\u0020\u0627\u0644\u0645\u062d\u0627\u0631\u0641\u0020\u0627\u0644\u0636\u0631\u0648\u0631\u064a\u0629.  •</data>
 512
 513 #         Try a few more of the less common sentence endings.
 514 <data>•Hello, world\u3002 •Hello, world\u1803 •Hello, world\u2048 •Hello, world\u203c •Let's end here. •</data>
 515
 516
 517
 518
 519 ################################################################
 520 #
 521 #
 522 #        L I N E     B R E A K
 523 #
 524 #
 525 ################################################################
 526
 527 <line>
 528 #
 529 # Test Character for each of the line break classes.
 530 #
 531 # 00A1;AI # INVERTED EXCLAMATION MARK  ¡
 532 # 0041;AL # LATIN CAPITAL LETTER A
 533 # 0009;BA # <control>
 534 # 00B4;BB # ACUTE ACCENT
 535 # 000C;BK # <control>
 536 # 2014;B2 # EM DASH
 537 # FFFC;CB # OBJECT REPLACEMENT CHARACTER
 538 # 0029;CL # RIGHT PARENTHESIS
 539 # 0301;CM # COMBINING ACUTE ACCENT
 540 # 0021;EX # EXCLAMATION MARK
 541 # 00A0;GL # NO-BREAK SPACE
 542 # 002D;HY # HYPHEN-MINUS
 543 # 4E00;ID # <CJK Ideograph, First>
 544 # 2024;IN # ONE DOT LEADER
 545 # 002C;IS # COMMA
 546 # 000A;LF # <control>
 547 # 0E5A;NS # THAI CHARACTER ANGKHANKHU
 548 # 0032;NU # DIGIT TWO
 549 # 0028;OP # LEFT PARENTHESIS
 550 # 0025;PO # PERCENT SIGN
 551 # 0024;PR # DOLLAR SIGN
 552 # 0022;QU # QUOTATION MARK
 553 # 0E01;SA # THAI CHARACTER KO KAI
 554 # DB7F;SG # Surrogate
 555 # 0020;SP # SPACE
 556 # 002F;SY # SOLIDUS /
 557 # F8FF;XX # Private Use
 558 # 200B;ZW # ZERO WIDTH SPACE
 559
 560
 561 # 2b  Always break at end of text
 562
 563 <data>•  •\u00A1•</data>
 564 <data>•  •\u0041•</data>
 565 <data>•  •\u0009•</data>
 566 <data>•  •\u00B4•</data>
 567 <data>•    \u000C<100></data>    # LB3C  × BK
 568 <data>•  •\u2014•</data>
 569 <data>•  •\uFFFC•</data>
 570 <data>•   \u0029•</data>    # LB 8   × CL
 571 # <data>• • \u0301•</data>    # LB 7a   Treat SP CM* as if it were ID  #TODO:  SP CM
 572 <data>•   \u0021•</data>    # LB 8   × EX
 573 #<data>•   \u00A0•</data>    # LB 11b   × GL   TODO:  fix.
 574 <data>•  •\u002D•</data>
 575 <data>•  •\u4E00•</data>
 576 <data>•  •\u2024•</data>
 577 <data>•   \u002C•</data>    # LB 8   × IS
 578 <data>•   \u000A<100></data>    # LB3C   × ( BK | CR | LF | NL )
 579 <data>•  •\u0E5A•</data>
 580 <data>•  •\u0032•</data>
 581 <data>•  •\u0028•</data>
 582 <data>•  •\u0025•</data>
 583 <data>•  •\u0024•</data>
 584 <data>•  •\u0022•</data>
 585 <data>•  •\u0E01•</data>
 586 <data>•  •\uDB7F•</data>
 587 <data>•   \u0020•</data>     # LB4 - don't break before space.
 588 <data>•   \u002F•</data>     # LB 8  × SY
 589 <data>•  •\uF8FF•</data>
 590 <data>•   \u200B•</data>     # LB4 - don't break before ZA
 591
 592
 593 # 3a  Always break after hard line breaks.
 594 # 3c  Never break before hard line breaks.
 595
 596 <data>•  •\u00A1\u2028<100>\u00A1•</data>
 597 <data>•  •\u0041\u2028<100>\u0041•</data>
 598 <data>•  •\u0009\u2028<100>\u0009•</data>
 599 <data>•  •\u00B4\u2028<100>\u00B4•</data>
 600 <data>•   \u000C<100>\u2028<100>\u000C<100></data>
 601 <data>•  •\u2014\u2028<100>\u2014•</data>
 602 <data>•  •\uFFFC\u2028<100>\uFFFC•</data>
 603 <data>•   \u0029\u2028<100>\u0029•</data>
 604 #<data>•   \u0301\u2028<100>\u0301•</data>    # TODO:  fix.
 605 <data>•   \u0021\u2028<100>\u0021•</data>
 606 #<data>•   \u00A0\u2028<100>\u00A0•</data>    # TODO:  fix
 607 <data>•  •\u002D\u2028<100>\u002D•</data>
 608 <data>•  •\u4E00\u2028<100>\u4E00•</data>
 609 <data>•  •\u2024\u2028<100>\u2024•</data>
 610 <data>•   \u002C\u2028<100>\u002C•</data>
 611 <data>•   \u000A<100>\u2028<100>\u000A<100></data>
 612 <data>•  •\u0E5A\u2028<100>\u0E5A•</data>
 613 <data>•  •\u0032\u2028<100>\u0032•</data>
 614 <data>•  •\u0028\u2028<100>\u0028•</data>
 615 <data>•  •\u0025\u2028<100>\u0025•</data>
 616 <data>•  •\u0024\u2028<100>\u0024•</data>
 617 <data>•  •\u0022\u2028<100>\u0022•</data>
 618 <data>•  •\u0E01\u2028<100>\u0E01•</data>
 619 <data>•  •\uDB7F\u2028<100>\uDB7F•</data>
 620 <data>•   \u0020\u2028<100>\u0020•</data>
 621 <data>•   \u002F\u2028<100>\u002F•</data>
 622 <data>•  •\uF8FF\u2028<100>\uF8FF•</data>
 623 <data>•   \u200B\u2028<100>\u200B•</data>
 624
 625 # Regional Indicator sequences. They group in pairs. The reverse rules are tricky.
 626 #    Sequences are long enough that the non-exaustive monkey test won't reliably pick up problems.
 627
 628 <data>•\U0001F1E6\U0001F1E6•\U0001F1E6\U0001F1E6•\U0001F1E6\U0001F1E6•\U0001F1E6\U0001F1E6•</data>
 629 <data>•\U0001F1E6\U0001F1E6•\U0001F1E6\U0001F1E6•\U0001F1E6\U0001F1E6•\U0001F1E6\U0001F1E6•\U0001F1E6•</data>
 630
 631 <data>•\U0001F1E6\U0001F1E6•\U0001F1E6\U0001F1E6\u00a0\U0001F1E6\U0001F1E6•\U0001F1E6\U0001F1E6•</data>
 632 <data>•\U0001F1E6\U0001F1E6•\U0001F1E6\U0001F1E6\u00a0\U0001F1E6\U0001F1E6•\U0001F1E6\U0001F1E6•\U0001F1E6•</data>
 633 <data>•\U0001F1E6\U0001F1E6•\U0001F1E6\u00a0\U0001F1E6\U0001F1E6•\U0001F1E6\U0001F1E6•</data>
 634 <data>•\U0001F1E6\U0001F1E6•\U0001F1E6\u00a0\U0001F1E6\U0001F1E6•\U0001F1E6\U0001F1E6•\U0001F1E6•</data>
 635
 636
 637 # User Guide example
 638
 639 <data>•Parlez-•vous •français ?•</data>
 640
 641 #
 642 #  Old Line Break Test data.  Orginally located in RBBITest::TestDefaultRuleBasedLineIteration()
 643 #
 644
 645 <line>
 646
 647 <data>•Multi-•Level •example •of •a •semi-•idiotic •non-•sensical •(non-•important) •sentence.
 648 <100>Hi  •Hello •How\n<100>are\r<100>you\u2028<100>fine.\t•good.  •Now\r<100>is\n<100>the\r\n<100>time\n<100>\r<100>for\r<100>\r<100>all•</data>
 649
 650 <line>
 651 <data>•Hello! •how\r\n<100> •(are)\r<100> •you? •I'am •fine- •Thankyou. •foo\u00a0bar
 652 <100>How, •are, •you? •This, •costs •$20,00,000.•</data>
 653
 654 #     test for bug #4068133
 655 #
 656 <data>•\u96f6•\u4e00\u3002•\u4e8c\u3001•\u4e09\u3002\u3001•\u56db\u3001\u3002\u3001•\u4e94,•\u516d.•\u4e03.\u3001,\u3002•\u516b•</data>
 657
 658 #     to test for bug #4086052
 659 <data>•foo\u00a0bar•</data>
 660
 661 #     to test for bug #4097920
 662 <data>•dog,cat,mouse •(one)•(two)\n<100></data>
 663
 664 #     to test for bug #4035266
 665 <data>•The •balance •is •$-23,456.78, •not •-•$32,456.78!\n<100></data>
 666
 667
 668 #      to test for bug #4098467
 669 #      What follows is a string of Korean characters (I found it in the Yellow Pages
 670 #      ad for the Korean Presbyterian Church of San Francisco, and I hope I transcribed
 671 #      it correctly), first as precomposed syllables, and then as conjoining jamo.
 672 #      Both sequences should be semantically identical and break the same way.
 673 #      precomposed syllables...  (I == Rich Gillam?)
 674 #
 675 <data>•\uc0c1•\ud56d •\ud55c•\uc778 •\uc5f0•\ud569 •\uc7a5•\ub85c•\uad50•\ud68c•</data>
 676
 677 #      conjoining jamo...
 678 <data>•\u1109\u1161\u11bc•\u1112\u1161\u11bc •\u1112\u1161\u11ab•\u110b\u1175\u11ab •\u110b\u1167\u11ab•\u1112\u1161\u11b8 •\u110c\u1161\u11bc•\u1105\u1169•\u1100\u116d•\u1112\u116c•</data>
 679
 680 #      to test for bug #4117554: Fullwidth .!? should be treated as postJwrd
 681 <data>•\u4e01\uff0e•\u4e02\uff01•\u4e03\uff1f•</data>
 682
 683 #      Surrogate line break tests.
 684 #
 685 <data>•\u4e01•\ud840\udc01•\u4e02•abc •\ue000 •\udb80\udc01•</data>  #This line and the following are equivalent.
 686 <data>•\u4e01•\U00020001•\u4e02•abc •\ue000 •\U000f0001•</data>
 687
 688 #      Regression for bug 836
 689 #        Note:  Unicode 5.1 changed this behavior
 690 #               Unicode 5.2 changed it again, there is no break following the '('
 691 <data>•AAA(AAA •</data>
 692
 693 #       Try some words from other scripts.
 694 #          Greek, Cyrillic, Hebrew, Arabic, Arabic, Georgian, Latin
 695 #
 696 <data>•ΑΒΓ •БВГ •אבג֓ •ابت •١٢٣ •\u10A0\u10A1\u10A2 •ABC •</data>
 697
 698 #
 699 #       ticket #4853:  unpaired surrogates should behave like AL
 700 #
 701 <data>•abc\ud801xyz•</data>
 702
 703 #
 704 #     Regression tests for failures that originally came from the monkey test.
 705 #     Monkey test failure lines can, with slight reformatting, be copied into this section
 706 #     as test cases.  The error display from here is more informative.
 707 #
 708 <data>•\ufffc•\u30e3\u000c<100>\u1b39\u300a\u002f\u203a\u200b•\ufffc•\uaf64•\udcfb•</data>
 709 <data>•\u114d\u31f3•\ube44\u002d•\u0362\u24e2\u276e\u2014\u205f\ufe16•\uc877•\u0fd0\u000a<100>\u20a3•</data>
 710 <data>•\u080a\u215b\U0001d7d3\u002c•\u2025\U000e012e•\u02df\u118d\u0029\ua8d6\u0085<100>\u6cc4\u2024\u202f\ufffc•</data>
 711
 712 # Test for #10176 (in root)
 713 <line>
 714 <data>•abc/•s •def•</data>
 715 <data>•abc/\u05D9 •def•</data>
 716 <data>•\u05E7\u05D7/\u05D9 •\u05DE\u05E2\u05D9\u05DC•</data>
 717 <data>•\u05D3\u05E8\u05D5\u05E9\u05D9\u05DD •\u05E9\u05D7\u05E7\u05E0\u05D9\u05DD/\u05D9\u05D5\u05EA•</data>
 718
 719 # Ticket #11556 don't break "R$" or "JP¥"
 720 <locale en>
 721 <line>
 722 <data>•R$ •JP¥ •a9 •3a •H% •CA$ •Travi$ •Scott •Ke$ha •Curren$y •A$AP •Rocky•</data>
 723
 724
 725
 726 ########################################################################################
 727 #
 728 #
 729 #       T i t l e   B o u n d a r y      T e s t s
 730 #
 731 #
 732 ##########################################################################################
 733 <title>
 734 <data>•Here •is •a •short •sample •sentence.  •And •another.•</data>
 735 <data>•HERE •IS •A •SHORT •SAMPLE •SENTENCE.  •AND •ANOTHER.•</data>
 736 <data>•  •Start •and •end •with •spaces   •</data>
 737 <data>•Include 123 456 ^&  •some 54332 •numbers 4445•abc123•abc •ending 1223 •</data>
 738
 739 <data>•Combining\u0301 \u0301•ma\u0306rks  •bye  •</data>
 740 <data>•123  •Start •with •a •number.•</data>
 741
 742 <data>•'•start •with •a •case-•ignorable •cha'r'a'cter•</data>
 743 <data>•'  '' •start •with •case-•ignorable & •case-•insensitive •cha'r'a'cter•</data>
 744 <data>•  ''•aaa' •bbb '•ccc' '•ddd''' '''•eee   '''•fff'''   •ggg  ''•</data>
 745 # Note: apostrophe is case-ignorable. space is not cased.
 746
 747 ##########################################################################################
 748 #
 749 #   Thai Tests
 750 #
 751 ##########################################################################################
 752 <locale th>
 753 <word>
 754 #
 755 # Test data originally from the test code source file
 756 #      // @suwit -- Thai sample data from GVT Guideline
 757 #
 758 <data>•\u0E2B\u0E19\u0E36\u0E48\u0E07<200>\u0E04\u0E33<200>\u0E44\u0E17\u0E22<200>\
 759 \u0E2A\u0E32\u0E21\u0E32\u0E23\u0E16<200>\u0E1B\u0E23\u0E30\u0E01\u0E2D\u0E1A<200>\
 760 \u0E14\u0E49\u0E27\u0E22<200>\u0e2b\u0e25\u0e32\u0e22<200>\
 761 \u0e1e\u0e22\u0e32\u0e07\u0e04\u0e4c<200></data>
 762
 763 # Test data originally from http://bugs.icu-project.org/trac/search?q=r30327
 764 <data>•กู<200> •กิน<200>กุ้ง<200> •ปิ้่<200>งอ<200>ยู่<200>ใน<200>ถ้ำ<200></data>
 765
 766 <data>•\u0E01\u0E39<200>\u0020•\u0E01\u0E34\u0E19<200>\u0E01\u0E38\u0E49\u0E07<200>\
 767 \u0020•\u0E1B\u0E34\u0E49\u0E48<200>\u0E07\u0E2D<200>\u0E22\u0E39\u0E48<200>\
 768 \u0E43\u0E19<200>\u0E16\u0E49\u0E33<200></data>
 769
 770 <line>
 771 <data>•0E01\u0E39\u0020•\u0E01\u0E34\u0E19•\u0E01\u0E38\u0E49\u0E07\
 772 \u0020•\u0E1B\u0E34\u0E49\u0E48•\u0E07\u0E2D•\u0E22\u0E39\u0E48•\
 773 \u0E43\u0E19•\u0E16\u0E49\u0E33•</data>
 774
 775 # Data originally from intltest RBBITest::TestThaiLineBreak()
 776 #
 777 #  \u0e2f-- the Thai paiyannoi character-- isn't a letter.  It's a symbol that
 778 #  represents elided letters at the end of a long word.  It should be bound to
 779 #  the end of the word and not treated as an independent punctuation mark.
 780 #
 781 #  the one time where the paiyannoi occurs somewhere other than at the end
 782 #  of a word is in the Thai abbrevation for "etc.", which both begins and
 783 #  ends with a paiyannoi
 784 #
 785 <line>
 786 <data>•\u0e2a\u0e16\u0e32\u0e19\u0e35\u0e2f•\
 787 \u0e08\u0e30•\
 788 \u0e23\u0e30\u0e14\u0e21•\
 789 \u0e40\u0e08\u0e49\u0e32•\
 790 \u0e2b\u0e19\u0e49\u0e32\u0e17\u0e35\u0e48•\
 791 \u0e2d\u0e2d\u0e01•\
 792 \u0e21\u0e32•\
 793 \u0e40\u0e23\u0e48\u0e07•\
 794 \u0e23\u0e30\u0e1a\u0e32\u0e22•\
 795 \u0e2d\u0e22\u0e48\u0e32\u0e07•\
 796 \u0e40\u0e15\u0e47\u0e21•\
 797 \u0e2f\u0e25\u0e2f•\
 798 \u0e17\u0e35\u0e48•\
 799 \u0e19\u0e31\u0e49\u0e19•</data>
 800
 801 # Data originally from RBBITest::TestMixedThaiLineBreak()
 802 #   @suwit -- Test Arabic numerals, Thai numerals, Punctuation and English characters start
 803 #
 804 <line>
 805 <data>•\u0E1B\u0E35•\
 806 \u0E1E\u0E38\u0E17\u0E18\u0E28\u0E31\u0E01\u0E23\u0E32\u0E0A •\
 807 2545 •\
 808 \u0E40\u0E1B\u0E47\u0E19•\
 809 \u0E1B\u0E35•\
 810 \u0E09\u0E25\u0E2D\u0E07•\
 811 \u0E04\u0E23\u0E1A•\
 812 \u0E23\u0E2D\u0E1A •\
 813 \"\u0E52\u0E52\u0E50 •\
 814 \u0E1b\u0E35\" •\
 815 \u0E02\u0E2d\u0E07•\
 816 \u0E01\u0E23\u0E38\u0E07•\
 817 \u0E23\u0E31\u0E15\u0E19\u0E42\u0E01\u0E2A\u0E34\u0E19\u0E17\u0E23\u0E4C •\
 818 (\u0E01\u0E23\u0E38\u0E07\u0E40\u0E17\u0E1e\u0E2F•\
 819 \u0E2B\u0E23\u0E37\u0E2D •\
 820 Bangkok)•</data>
 821
 822 # Data originally from RBBITest::TestMaiyamok()
 823 #   The Thai maiyamok character is a shorthand symbol that means "repeat the previous
 824 #   word".  Instead of appearing as a word unto itself, however, it's kept together
 825 #   with the word before it.
 826 #
 827 <line>
 828 <data>•\u0e44\u0e1b\u0e46•\
 829 \u0e21\u0e32\u0e46•\
 830 \u0e23\u0e30\u0e2b\u0e27\u0e48\u0e32\u0e07•\
 831 \u0e01\u0e23\u0e38\u0e07•\
 832 \u0e40\u0e17\u0e1e•\
 833 \u0e41\u0e25\u0e30•\
 834 \u0e40\u0e03\u0e35•\
 835 \u0e22\u0e07•\
 836 \u0e43\u0e2b\u0e21\u0e48•</data>
 837
 838 # Test for #10296
 839 <line>
 840 <data>•ใช•มั้ย•</data>
 841 <data>•มั๊ยล่ะ•ที่รัก•</data>
 842
 843 # Test for #10593
 844 <line>
 845 <data>•เล่น•ผ่าน•ทาง•บลูทูธ•บน•อุปกรณ์•</data>
 846
 847 # Test for city names #10691
 848 <line>
 849 <data>•ไป•ที่•ซานฟรานซิสโก•</data>
 850
 851 # Test for #10630, #10631
 852 <line>
 853 <data>•แท็ก•แอปพลิเคชัน•เป็น•พิเศษ•</data>
 854
 855 # Test for #11019
 856 <line>
 857 <data>•เบ•เบราว์เซอร์•โพ•โพสต์•โพสท์•</data>
 858
 859 # Test for #11688
 860 <line>
 861 <data>•อัปเดต•อีเวนต์•</data>
 862
 863 ##########################################################################################
 864 #
 865 #   Lao Tests
 866 #
 867 ##########################################################################################
 868 <locale en>
 869 # Basic check for #7647
 870 <line>
 871 <data>•ສະບາຍດີ•</data>
 872 <data>•ດີ•ຂອບໃຈ•</data>
 873 <data>•ເຈົ້າ•ເວົ້າ•ພາສາ•ອັງກິດ•ໄດ້•ບໍ່•</data>
 874 <data>•ກະລຸນາ•ເວົ້າ•ຊ້າ•ໆ•</data>
 875
 876 ##########################################################################################
 877 #
 878 #   Burmese/Myanmar Tests
 879 #
 880 ##########################################################################################
 881 <locale en>
 882 # Basic sanity check for #10326 (some text from http://www.unicode.org/udhr/d/udhr_mya.txt)
 883 <line>
 884 <data>•လူ•တိုင်း•သည် •တူညီ •လွတ်လပ်•သော •ဂုဏ်•သိ•က္•ခါ•ဖြ•င့် •လည်းကောင်း၊ •</data>
 885 <data>•တူညီ•လွတ်လပ်•သော •အ•ခွ•င့်•အရေး•များ•ဖြ•င့် •လည်းကောင်း၊ •မွေး•ဖွား•လာ•သူများ •ဖြစ်သည်။•</data>
 886 <data>•ထို•သူ•တို့၌ •ပိုင်းခြား •ဝေဖန်•တတ်•သော •ဉာဏ်•နှ•င့် •ကျ•င့်•ဝတ် •သိတတ်•သော •စိတ်•တို့•ရှိ•ကြ၍ •</data>
 887 <data>•ထို•သူ•တို့သည် •အချင်းချင်း •မေတ္တာ•ထား၍ •ဆက်ဆံ•ကျ•င့်•သုံး•</data>
 888
 889 ##########################################################################################
 890 #
 891 #   Khmer Tests
 892 #
 893 ##########################################################################################
 894
 895 # Test data originally from http://bugs.icu-project.org/trac/search?q=r30327
 896 #  from the file testdata/wordsegments.txt
 897 <locale en>
 898 <word>
 899
 900 <data>•តើ<200>លោក<200>មក<200>ពី<200>ប្រទេស<200>ណា<200></data>
 901 <data>•សណ្ដូក<200>ក<200>បណ្ដែត<200>ខ្លួន<200></data>
 902 <data>•ពណ៌ស<200>ម្ដេច<200>ថា<200>ខ្មៅ<200></data>
 903 #ប្រយោគ|ពី|របៀប|រួបរួម|និង|ភាព|ផ្សេងគ្នា|ដែល|អាច|ចូល<200></data>
 904 <data>•ប្រយោគ<200>ពី<200>របៀប<200>ដែល<200>និង<200>ភាព<200>ផ្សេងគ្នា<200>ដែល<200>អាច<200>ចូល<200></data>
 905 #ប្រយោគ|ពី|របៀប|ជា|មួយ|និង|ភាព|ផ្សេងគ្នា|ដែល|អាច|ចូល<200></data>
 906 <data>•សូម<200>ចំណាយពេល<200>បន្តិច<200>ដើម្បី<200>អធិស្ឋាន<200>អរព្រះគុណ<200>ដល់<200>ព្រះអង្គ<200></data>
 907 <data>•ការ<200>ថោកទាប<200>បរិប្បូណ៌<200>ដោយ<200></data>
 908 <data>•ប្រើប្រាស់<200>ស្អាត<200>ទាំង<200>ចិត្ត<200>សិស្ស<200>នោះ<200></data>
 909 <data>•បើ<200>អ្នក<200>ប្រព្រឺត្ត<200>អំពើអាក្រក់<200>មុខ<200>ជា<200>មាន<200></data>
 910 <data>•ប្រដាប់<200>ប្រដា<200>រ<200>រៀនសូត្រ<200>បន្ទប់<200>រៀន<200></data>
 911 <data>•ដើរតួ<200>មនុស្សគ<200>ឥត<200>បញ្ចេញ<200>យោបល់<200>សោះ<200>ឡើយ<200></data>
 912 <data>•មិន<200>អាច<200>ឲ្យ<200>យើង<200>ធ្វើ<200>កសិកម្ម<200>បាន<200>ឡើយ<200></data>
 913 <data>•បន្ត<200>សេចក្ត<200>ទៅទៀត<200></data>
 914 <data>•ក្រុម<200>ប៉ូលិស<200>បណ្តាក់<200>គ្នា<200></data>
 915 <data>•គ្មាន<200>សុខ<200>សំរាន្ត<200>ដង<200>ណា<200></data>
 916 <data>•បាន<200>សុខភាព<200>បរិប្បូណ៌<200></data>
 917 <data>•ជា<200>មេចោរ<200>ខ្ញុំ<200>នឹង<200>ស្លាប់<200>ទៅវិញ<200>ជា<200>មេចោរ<200></data>
 918 <data>•ឯ<200>ការ<200>វាយ<200>ផ្ចាល<200>ដែល<200>នាំ<200></data>
 919 <data>•គេ<200>ដឹក<200>ទៅ<200>សំឡាប់<200></data>
 920 #អ្នក|ដែល|ជា|មន្ត្រី|ធំ|លើ|គាត់|ទេ<200></data>
 921 <data>•យក<200>ទៅ<200>សម្លាប់ចោល<200>ស្ងាត់<200></data>
 922 <data>•ត្រូវ<200>បាន<200>គេ<200>សម្លាប់<200></data>
 923 <data>•នៅក្នុង<200>ស្រុក<200>ខ្ល<200>ងហ្ស៊ុន<200></data>
 924
 925
 926 #
 927 #  Jitterbug 3671 Test Case
 928 #
 929 <data>•สวัสดี<200>ครับ<200>สบาย<200>ดี<200>ไหม<200> •ครับ<200></data>
 930
 931 #
 932 #  Trac ticket 5595 Test Case
 933 <data>•บท<200>ที่๑พายุ<200>ไซโคลน<200>โด<200>โรธี<200>อาศัย<200>อยู่<200>ท่ามกลาง<200>\
 934 ทุ่งใหญ่<200>ใน<200>แคนซัส<200>กับ<200>ลุง<200>เฮ<200>นรี<200>ชาวไร่<200>และ<200>ป้า<200>เอ็ม<200>\
 935 ภรรยา<200>ชาวไร่<200>บ้าน<200>ของ<200>พวก<200>เขา<200>หลัง<200>เล็ก<200>เพราะ<200>ไม้<200>\
 936 สร้าง<200>บ้าน<200>ต้อง<200>ขน<200>มา<200>ด้วย<200>เกวียน<200>เป็น<200>ระยะ<200>ทาง<200>หลาย<200>\
 937 ไมล์<200></data>
 938
 939 ####################################################################################
 940 #
 941 #  Tailored (locale specific) breaking.
 942 #
 943 ####################################################################################
 944
 945 # Japanese line break tailoring test
 946
 947 <locale ja>
 948 <line>
 949 <data>•\u3041•\u3043•\u3045•\u31f1•</data>
 950 <locale en>
 951 <line>
 952 <data>•\u3041\u3043\u3045\u31f1•</data>
 953
 954 # The following data was originally in RBBITest::TestJapaneseWordBreak()
 955 <locale ja>
 956 <word>
 957 <data>•\u4ECA\u65E5<400>\u306F<400>\u3044\u3044<400>\u5929\u6C17<400>\u3067\u3059<400>\u306D<400>\u3002•\u000D\u000A•</data>
 958
 959 # UBreakIteratorType UBRK_WORD, Locale "ja"
 960 # Don't break in runs of hiragana or runs of ideograph, where the latter includes \u3005 \u3007 \u303B (cldrbug #2009).
 961 # \u79C1\u9054\u306B\u4E00\u3007\u3007\u3007\u306E\u30B3\u30F3\u30D4\u30E5\u30FC\u30BF\u304C\u3042\u308B\u3002\u5948\u3005\u306F\u30EF\u30FC\u30C9\u3067\u3042\u308B\u3002
 962 # modified to work with dbbi code - should verify
 963
 964 <locale ja>
 965 <word>
 966 <data>•私<400>達<400>に<400>一<400>〇<400>〇〇<400>の<400>コンピュータ<400>が<400>ある<400>。<0>奈々<400>は<400>ワード<400>で<400>ある<400>。•</data>
 967
 968 # Test for #10176 (in ja)
 969 <line>
 970 <data>•abc/•s •def•</data>
 971 <data>•abc/\u05D9 •def•</data>
 972 <data>•\u05E7\u05D7/\u05D9 •\u05DE\u05E2\u05D9\u05DC•</data>
 973 <data>•\u05D3\u05E8\u05D5\u05E9\u05D9\u05DD •\u05E9\u05D7\u05E7\u05E0\u05D9\u05DD/\u05D9\u05D5\u05EA•</data>
 974
 975
 976 <locale root>
 977 <word>
 978 <data>•私<400>達<400>に<400>一<400>〇<400>〇〇<400>の<400>コンピュータ<400>が<400>ある<400>。<0>奈々<400>は<400>ワード<400>で<400>ある<400>。•</data>
 979 # The following test is for #10300
 980 <data>•例えば<400>オーストラリア<400>。•</data>
 981 # The following test is for #10571
 982 <data>•一部<400>の<400>地域<400>では<400>、<0>ブラジル<400>、<0>インドネシア<400>、<0>オーストリア<400>、<0>ニュージーランド<400>で<400>ある<400>。•</data>
 983
 984 # UBreakIteratorType UBRK_SENTENCE, Locale "el"
 985 # Add break after Greek question mark (cldrbug #2069).
 986 # "\u0391\u03B2, \u03B3\u03B4; \u0395 \u03B6\u03B7\u037E \u0398 \u03B9\u03BA. "
 987 # "\u039B\u03BC \u03BD\u03BE! \u039F\u03C0, \u03A1\u03C2? \u03A3"
 988 # which is "Αβ, γδ; Ε ζη; Θ ικ. Λμ νξ! Οπ, Ρς? Σ"
 989
 990 <locale root>
 991 <sent>
 992 <data>•Αβ, γδ; Ε ζη; Θ ικ. •Λμ νξ! •Οπ, Ρς? •Σ<100></data>
 993
 994 <locale el>
 995 <sent>
 996 <data>•Αβ, γδ; •Ε ζη; •Θ ικ. •Λμ νξ! •Οπ, Ρς? •Σ<100></data>
 997
 998 #  UBreakIteratorType UBRK_WORD, Locale "en_US_POSIX"
 999 #  Words don't include colon or period (cldrbug #1969).
1000
1001 <locale en_US>
1002 <word>
1003 <data>•Can't<200> •have<200> •breaks<200> •in<200> •xx:yy<200> •or<200> •struct.field<200> \
1004 •for<200> •CS<200>-•types<200>.•</data>
1005 <data>•\uFF92\uFF76\uFF9E<400> •</data>
1006
1007 <locale en_US_POSIX>
1008 <word>
1009 <data>•Can't<200> •have<200> •breaks<200> •in<200> •xx<200>:•yy<200> •or<200> •struct<200>.•field<200> \
1010 •for<200> •CS<200>-•types<200>.•</data>
1011 <data>•\u06c9<200>\uc799\ufffa•</data>
1012 <data>•\uFF92\uFF76\uFF9E<400> •</data>
1013
1014
1015 # UBreakIteratorType UBRK_CHARACTER, Locale "th"
1016 # Clusters should not include spacing Thai/Lao vowels (prefix or postfix), except for [SARA] AM (cldrbug #2161).
1017 # Update:  As of Unicode 6.1 root has same behavior as th for this.
1018 #
1019 # "\u0E01\u0E23\u0E30\u0E17\u0E48\u0E2D\u0E21\u0E23\u0E08\u0E19\u0E32 "
1020 # "(\u0E2A\u0E38\u0E0A\u0E32\u0E15\u0E34-\u0E08\u0E38\u0E11\u0E32\u0E21\u0E32\u0E28) "
1021 # "\u0E40\u0E14\u0E47\u0E01\u0E21\u0E35\u0E1B\u0E31\u0E0D\u0E2B\u0E32 "
1022 # which is "กระท่อมรจนา (สุชาติ-จุฑามาศ) เด็กมีปัญหา "
1023
1024 <locale th>
1025 <char>
1026 <data>•\u0E01•\u0E23•\u0E30•\u0E17\u0E48•\u0E2D•\u0E21•\u0E23•\u0E08•\u0E19•\u0E32• •\
1027 (•\u0E2A\u0E38•\u0E0A•\u0E32•\u0E15\u0E34•-•\u0E08\u0E38•\u0E11•\u0E32•\u0E21•\u0E32•\u0E28•)• •\
1028 \u0E40•\u0E14\u0E47•\u0E01•\u0E21\u0E35•\u0E1B\u0E31•\u0E0D•\u0E2B•\u0E32• •</data>
1029
1030 # Finnish line breaking
1031 #
1032 # These rules deal with hyphens when there is a space on the leading side.
1033 # There should be a break opportunity between the space and the hyphen, and not after the hyphen.
1034 # See CLDR ticket 3029.
1035 # See ICU ticket 8151
1036
1037 <locale root>
1038 <line>
1039 <data>•abc •- •def    •abc •-•def    •abc- •def   •abc-•def•</data>   # With ASCII hyphen
1040 <data>•abc •‐ •def    •abc •‐•def    •abc‐ •def   •abc‐•def•</data>   # With Unicode u2010 hyphen
1041
1042 <locale fi>
1043 <line>
1044 # TODO: problems with Finnish line break rules cause these two lines to fail.
1045 #<data>•abc •- •def    •abc •-def    •abc- •def   •abc-•def•</data>   # With ASCII hyphen
1046 #<data>•abc •‐ •def    •abc •‐def    •abc‐ •def   •abc‐•def•</data>   # With Unicode u2010 hyphen
1047
1048 <data>•abc •- •def    •abc •-def    •abc- •def   •</data>   # With ASCII hyphen
1049 <data>•abc •‐ •def    •abc •‐def    •abc‐ •def   •</data>   # With Unicode u2010 hyphen
1050
1051 # Test for #10176 (in fi)
1052 <line>
1053 <data>•abc/•s •def•</data>
1054 <data>•abc/\u05D9 •def•</data>
1055 <data>•\u05E7\u05D7/\u05D9 •\u05DE\u05E2\u05D9\u05DC•</data>
1056 <data>•\u05D3\u05E8\u05D5\u05E9\u05D9\u05DD •\u05E9\u05D7\u05E7\u05E0\u05D9\u05DD/\u05D9\u05D5\u05EA•</data>
1057
1058 ####################################################################################
1059 #
1060 #  Test CSS line break variants: strict, normal, loose
1061 #
1062 ####################################################################################
1063
1064 <locale ja@lb=strict>
1065 <line>
1066 #     •no brk before 3063              •no brk before 301C•no brk btw 2026   •no brk before FF01•
1067 <data>•\u3084\u3063•\u3071•\u308A\u0020•\u0031\u301C\u0020•\u2026\u2026\u0020•\u30A2\uFF01\u0020•</data>
1068
1069 <locale ja@lb=normal>
1070 <line>
1071 #     •brk OK before 3063               •brk OK before 301C •no brk btw 2026   •no brk before FF01•
1072 <data>•\u3084•\u3063•\u3071•\u308A\u0020•\u0031•\u301C\u0020•\u2026\u2026\u0020•\u30A2\uFF01\u0020•</data>
1073
1074 <locale ja@lb=loose>
1075 <line>
1076 #     •brk OK before 3063               •brk OK before 301C •brk OK btw 2026    •brk OK before FF01•
1077 <data>•\u3084•\u3063•\u3071•\u308A\u0020•\u0031•\u301C\u0020•\u2026•\u2026\u0020•u30A2•\uFF01\u0020•</data>
1078
1079 <locale en@lb=strict>
1080 <line>
1081 #     •no brk before 3063              •no brk before 301C•no brk btw 2026   •no brk before FF01•
1082 <data>•\u3084\u3063•\u3071•\u308A\u0020•\u0031\u301C\u0020•\u2026\u2026\u0020•\u30A2\uFF01\u0020•</data>
1083
1084 <locale en@lb=normal>
1085 <line>
1086 #     •brk OK before 3063               •no brk before 301C •no brk btw 2026  •no brk before FF01•
1087 <data>•\u3084•\u3063•\u3071•\u308A\u0020•\u0031\u301C\u0020•\u2026\u2026\u0020•\u30A2\uFF01\u0020•</data>
1088
1089 <locale en@lb=loose>
1090 <line>
1091 #     •brk OK before 3063               •no brk before 301C •brk OK btw 2026   •no brk before FF01•
1092 <data>•\u3084•\u3063•\u3071•\u308A\u0020•\u0031\u301C\u0020•\u2026•\u2026\u0020•u30A2\uFF01\u0020•</data>