projects / platform / upstream / icu.git / blobdiff
? search:
summary | shortlog | log | commit | commitdiff | tree
raw | inline | side by side
Imported Upstream version 58.1
[platform/upstream/icu.git] / source / test / testdata / break_rules / line_loose_cj.txt
diff --git a/source/test/testdata/break_rules/line_loose_cj.txt b/source/test/testdata/break_rules/line_loose_cj.txt
index 5ed9a35..884d04a 100644 (file)
--- a/source/test/testdata/break_rules/line_loose_cj.txt
+++ b/source/test/testdata/break_rules/line_loose_cj.txt
@@ -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_loose_cj.txt
@@ -9,7 +11,7 @@
 #       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..
@@ -34,7 +36,7 @@ locale = ja@lb=loose;
 
 
 AI = [:LineBreak =  Ambiguous:];
-AL = [[:LineBreak =  Alphabetic:]-[\u2764]];
+AL = [[:LineBreak =  Alphabetic:]];
 BAX = [\u2010 \u2013];
 BA = [[:LineBreak =  Break_After:] - BAX];
 BB = [:LineBreak =  Break_Before:];
@@ -46,10 +48,8 @@ CL = [:LineBreak =  Close_Punctuation:];
 CM = [:LineBreak =  Combining_Mark:];
 CP = [:LineBreak =  Close_Parenthesis:];
 CR = [:LineBreak =  Carriage_Return:];
-
-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];
-
+EB = [[:LineBreak =  EB:]\U0001F3C2\U0001F3C7\U0001F3CC\U0001F46A-\U0001F46D\U0001F46F\U0001F574\U0001F6CC];
+EM = [:LineBreak =  EM:];
 EXX = [\uFF01 \uFF1F];
 EX = [[:LineBreak =  Exclamation:] - EXX];
 GL = [:LineBreak =  Glue:];
@@ -57,7 +57,7 @@ HL = [:LineBreak =  Hebrew_Letter:];
 HY = [:LineBreak =  Hyphen:];
 H2 = [:LineBreak =  H2:];
 H3 = [:LineBreak =  H3:];
-ID = [[:LineBreak =  Ideographic:][\u2764]CJ];
+ID = [[:LineBreak =  Ideographic:] CJ];  # CSS Loose tailoring: CJ resolves to ID
 IN = [:LineBreak =  Inseperable:];
 IS = [:LineBreak =  Infix_Numeric:];
 JL = [:LineBreak =  JL:];
@@ -82,16 +82,19 @@ 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, r12773
+Extended_Pict = [\U0001F774-\U0001F77F\u2700-\u2701\u2703-\u2704\u270E\u2710-\u2711\u2765-\u2767\U0001F030-\U0001F093\U0001F094-\U0001F09F\U0001F10D-\U0001F10F\U0001F12F\U0001F16C-\U0001F16F\U0001F1AD-\U0001F1E5\U0001F203-\U0001F20F\U0001F23C-\U0001F23F\U0001F249-\U0001F24F\U0001F252-\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\u2605\u2607-\u260D\u260F-\u2610\u2612\u2616-\u2617\u2619-\u261C\u261E-\u261F\u2621\u2624-\u2625\u2627-\u2629\u262B-\u262D\u2630-\u2637\u263B-\u2647\u2654-\u265F\u2661-\u2662\u2664\u2667\u2669-\u267A\u267C-\u267E\u2680-\u2691\u2695\u2698\u269A\u269D-\u269F\u26A2-\u26A9\u26AC-\u26AF\u26B2-\u26BC\u26BF-\u26C3\u26C6-\u26C7\u26C9-\u26CD\u26D0\u26D2\u26D5-\u26E8\u26EB-\u26EF\u26F6\u26FB-\u26FC\u26FE-\u26FF\u2388\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-\U0001F90F\U0001F91F\U0001F928-\U0001F92F\U0001F931-\U0001F932\U0001F93F\U0001F94C-\U0001F94F\U0001F95F-\U0001F97F\U0001F992-\U0001F9BF\U0001F9C1-\U0001F9FF\U0001F6C6-\U0001F6CA\U0001F6E6-\U0001F6E8\U0001F6EA\U0001F6F1-\U0001F6F2\U0001F6D3-\U0001F6DF\U0001F6ED-\U0001F6EF\U0001F6F7-\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;
@@ -119,9 +122,9 @@ 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
@@ -156,11 +159,11 @@ 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
@@ -181,13 +184,14 @@ LB22.3:       (ID | EB | EM) CM* IN;
 # LB22.4:       IN CM* IN;  # delete this rule for CSS loose.
 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 | POX) CM* (AL | HL);
+LB24.2:      (PR | PO | POX) CM* (AL | HL);
+LB24.3:      (AL | HL | CM) CM* (PR | PO | POX);
 
 # Numbers. Equivalent to Tailoring example 8 from UAx 14.
 #          Loose_cj tailoring: do not include $PRX at the beginning or $POX at the end.
@@ -213,7 +217,7 @@ 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
@@ -221,5 +225,5 @@ 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* ÷;
Domain: System / Base;