src/third_party/icu/source/test/testdata/wordsegments.txt

   1 # Copyright (C) 2011-2011, International Business Machines Corporation
   2 # and others. All Rights Reserved.
   3 #
   4 #   file name:  wordsegments.txt
   5 #   encoding:   UTF-8
   6 #
   7 #   created on: 2011may14
   8 #   created by: George Rhoten
   9 #   created by: Nathan Wells
  10 #
  11 # Word boundary test data for languages that contain no spaces.
  12 # Boundaries are deliminated with the | character so that it's easier to debug.
  13 #
  14 # If you have test data with zero width spaces to deliminate the words, use the following command example.
  15 # Be sure to copy the zero width space in the sed command.
  16 # echo 'សូមចំណាយពេលបន្តិចដើម្បីអធិស្ឋានអរព្រះគុណដល់ព្រះអង្គ' | sed 's//\|/g'
  17 #
  18
  19 # Khmer
  20 តើ|លោក|មក|ពី|ប្រទេស|ណា
  21 សណ្ដូក|ក|បណ្ដែត|ខ្លួន
  22 ពណ៌ស|ម្ដេច|ថា|ខ្មៅ
  23 #ប្រយោគ|ពី|របៀប|រួបរួម|និង|ភាព|ផ្សេងគ្នា|ដែល|អាច|ចូល
  24 ប្រយោគ|ពី|របៀប|ដែល|និង|ភាព|ផ្សេងគ្នា|ដែល|អាច|ចូល
  25 #ប្រយោគ|ពី|របៀប|ជា|មួយ|និង|ភាព|ផ្សេងគ្នា|ដែល|អាច|ចូល
  26 សូម|ចំណាយពេល|បន្តិច|ដើម្បី|អធិស្ឋាន|អរព្រះគុណ|ដល់|ព្រះអង្គ
  27 ការ|ថោកទាប|បរិប្បូណ៌|ដោយ
  28 ប្រើប្រាស់|ស្អាត|ទាំង|ចិត្ត|សិស្ស|នោះ
  29 បើ|អ្នក|ប្រព្រឺត្ត|អំពើអាក្រក់|មុខ|ជា|មាន
  30 ប្រដាប់|ប្រដា|រ|រៀនសូត្រ|បន្ទប់|រៀន
  31 ដើរតួ|មនុស្សគ|ឥត|បញ្ចេញ|យោបល់|សោះ|ឡើយ
  32 មិន|អាច|ឲ្យ|យើង|ធ្វើ|កសិកម្ម|បាន|ឡើយ
  33 បន្ត|សេចក្ត|ទៅទៀត
  34 ក្រុម|ប៉ូលិស|បណ្តាក់|គ្នា
  35 គ្មាន|សុខ|សំរាន្ត|ដង|ណា
  36 បាន|សុខភាព|បរិប្បូណ៌
  37 ជា|មេចោរ|ខ្ញុំ|នឹង|ស្លាប់|ទៅវិញ|ជា|មេចោរ
  38 ឯ|ការ|វាយ|ផ្ចាល|ដែល|នាំ
  39 គេ|ដឹក|ទៅ|សំឡាប់
  40 #អ្នក|ដែល|ជា|មន្ត្រី|ធំ|លើ|គាត់|ទេ
  41 យក|ទៅ|សម្លាប់ចោល|ស្ងាត់
  42 ត្រូវ|បាន|គេ|សម្លាប់
  43 នៅក្នុង|ស្រុក|ខ្ល|ងហ្ស៊ុន
  44
  45 # Thai
  46 กู| |กิน|กุ้ง| |ปิ้่|งอ|ยู่|ใน|ถ้ำ
  47