Quellcode-Bibliothek line.txt   Sprache: Text

# 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.
#
#  file:  line.txt
#
#         Line Breaking Rules
#         Implement default line breaking as defined by
#         Unicode Standard Annex #14 (https://www.unicode.org/reports/tr14/)
#         for Unicode 14.0, with the following modification:
#
#         Boundaries between hyphens and following letters are suppressed when
#         there is a boundary preceding the hyphen. See rule 20.9
#
#         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;
!!quoted_literals_only;

$AI = [:LineBreak =  Ambiguous:];
$AK = [:LineBreak =  Aksara:];
$AL = [:LineBreak =  Alphabetic:];
$AP = [:LineBreak =  Aksara_Prebase:];
$AS = [:LineBreak =  Aksara_Start:];
$BA = [:LineBreak =  Break_After:];
$HH = [:LineBreak =  Unambiguous_Hyphen:];
$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:];
$CP = [:LineBreak =  Close_Parenthesis:];
$CR = [:LineBreak =  Carriage_Return:];
$EB = [:LineBreak =  EB:];
$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:];
$IN = [:LineBreak =  Inseperable:];
$IS = [:LineBreak =  Infix_Numeric:];
$JL = [:LineBreak =  JL:];
$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:];
$PO = [:LineBreak =  Postfix_Numeric:];
$PR = [:LineBreak =  Prefix_Numeric:];
$QU = [:LineBreak =  Quotation:];
$RI = [:LineBreak =  Regional_Indicator:];
$SA = [:LineBreak =  Complex_Context:];
$SG = [:LineBreak =  Surrogate:];
$SP = [:LineBreak =  Space:];
$SY = [:LineBreak =  Break_Symbols:];
$VF = [:LineBreak =  Virama_Final:];
$VI = [:LineBreak =  Virama:];
$WJ = [:LineBreak =  Word_Joiner:];
$XX = [:LineBreak =  Unknown:];
$ZW = [:LineBreak =  ZWSpace:];
$ZWJ = [:LineBreak = ZWJ:];

$EastAsian = [\p{ea=F}\p{ea=W}\p{ea=H}];

$ExtPictUnassigned = [\p{Extended_Pictographic} & \p{Cn}];

# 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:]]]];
$CMX = [[$CM] - [$ZWJ]];

#   Dictionary character set, for triggering language-based break engines. Currently
#   limited to LineBreak=Complex_Context (SA).

$dictionary = [$SA];

#
#  Rule LB1.  By default, treat AI  (characters with ambiguous east Asian width),
#                               SA  (Dictionary chars, excluding Mn and Mc)
#                               SG  (Unpaired Surrogates)
#                               XX  (Unknown, unassigned)
#                         as $AL  (Alphabetic)
#
$ALPlus = [$AL $AI $SG $XX [$SA-[[:Mn:][:Mc:]]]];


## -------------------------------------------------

#
# 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
#         for what they can combine with are _very_ different from the rest of Unicode.
#
#         Note that $CM itself is left out of this set.  If CM is needed as a base
#         it must be listed separately in the rule.
#
$CAN_CM  = [^$SP $BK $CR $LF $NL $ZW $CM];       # Bases that can   take CMs
$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.
#
$AL_FOLLOW      = [$BK $CR $LF $NL $ZW $SP $CL $CP $EX $HL $IS $SY $WJ $GL [$OP - $EastAsian] $QU $BA $HH $HY $NS $IN $NU $PR $PO $ALPlus];


#
#  Rule LB 4, 5    Mandatory (Hard) breaks.
#
$LB4Breaks    = [$BK $CR $LF $NL];
$LB4NonBreaks = [^$BK $CR $LF $NL $CM];
$CR $LF {100};

#
#  LB 6    Do not break before hard line breaks.
#
$LB4NonBreaks?  $LB4Breaks {100};    # LB 5  do not break before hard breaks.
$CAN_CM $CM*    $LB4Breaks {100};
^$CM+           $LB4Breaks {100};

# LB 7         x SP
#              x ZW
$LB4NonBreaks [$SP $ZW];
$CAN_CM $CM*  [$SP $ZW];
^$CM+         [$SP $ZW];

#
# LB 8         Break after zero width space
#              ZW SP* ÷
#
$LB8Breaks    = [$LB4Breaks $ZW];
$LB8NonBreaks = [[$LB4NonBreaks] - [$ZW]];
$ZW $SP* / [^$SP $ZW $LB4Breaks];

# LB 8a        ZWJ x            Do not break Emoji ZWJ sequences.
#
$ZWJ [^$CM];

# 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
#                                See definition of $CAN_CM.

$CAN_CM $CM+;                   #  Stick together any combining sequences that don't match other rules.
^$CM+;

#
# LB 11  Do not break before or after WORD JOINER & related characters.
#
$CAN_CM $CM*  $WJ;
$LB8NonBreaks $WJ;
^$CM+         $WJ;

$WJ $CM* .;

#
# LB 12  Do not break after NBSP and related characters.
#         GL  x
#
$GL $CM* .;

#
# LB 12a  Do not break before NBSP and related characters ...
#            [^SP BA HY HH] x GL
#
[[$LB8NonBreaks] - [$SP $BA $HY $HH]] $CM* $GL;
^$CM+ $GL;




# LB 13   Don't break before ']' or '!' or '/', even after spaces.
#
$LB8NonBreaks $CL;
$CAN_CM $CM*  $CL;
^$CM+         $CL;              # by rule 10, stand-alone CM behaves as AL

$LB8NonBreaks $CP;
$CAN_CM $CM*  $CP;
^$CM+         $CP;              # by rule 10, stand-alone CM behaves as AL

$LB8NonBreaks $EX;
$CAN_CM $CM*  $EX;
^$CM+         $EX;              # by rule 10, stand-alone CM behaves as AL

$LB8NonBreaks $SY;
$CAN_CM $CM*  $SY;
^$CM+         $SY;              # by rule 10, stand-alone CM behaves as AL


#
# LB 14  Do not break after OP, even after spaces
#        Note subtle interaction with "SP IS /" rules in LB14a.
#        This rule consumes the SP, chaining happens on the IS, effectivley overriding the  SP IS rules,
#        which is the desired behavior.
#
$OP $CM* $SP* .;

$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 15a
($OP $CM* &terms ofuse :/unicodecopyrighthtml
($ CM   $$$ $)(\{}& $*$java.lang.StringIndexOutOfBoundsException: Range [62, 61) out of bounds for length 86
^([\p{Pi} & $QU]  for  140    modificationjava.lang.StringIndexOutOfBoundsException: Index 60 out of bounds for length 60
^[pPi}&$U]CM SP*) $P$+ $?java.lang.StringIndexOutOfBoundsException: Index 50 out of bounds for length 50

# LB 15b
$LB8NonBreaks [\p{Pf} & $QU] $CM* [$SP $GL $WJ $CL $QU $CP $EX $IS $SY $BK $CR $LF $NL $ZW {eof}];
$CAN_CM $CM*  [\p{Pf} & $           characters of  to   .
^  \{}    $  $ Q $ISS $java.lang.StringIndexOutOfBoundsException: Range [77, 76) out of bounds for length 91

#java.lang.StringIndexOutOfBoundsException: Range [30, 29) out of bounds for length 71
$BA java.lang.StringIndexOutOfBoundsException: Range [18, 17) out of bounds for length 35
 (&Q]C*$*+$+Ajava.lang.StringIndexOutOfBoundsException: Range [82, 81) out of bounds for length 83
$  :=Contingent_Break
$ C* [p{f}&Q]$M ([p{i}&$U]$M SP* S C AL_FOLLOW  Close_Punctuation]
^CM  [p{}&$U $CM*(\P} QU] CM*$) ;
^$CM+  [\p{Pf} & $QU] $CM* ([\p{Pi} & $QU] $CM* $SP*)+ $SP $CM+ $AL_FOLLOW?;


# LB 15c Force=[:LineBreak= EB]java.lang.StringIndexOutOfBoundsException: Index 26 out of bounds for length 26
#       Note:be simplerto  as "  $IS$ NU;,but ICUruleshavelimitations
#        See $HY = [:LineBreak:]


$CanFollowIS=[BK $ L N S Z $ GL $L$P $XQU BA HH $ NS A $HL $IN];
$SP $IS           / [^ $CanFollowIS $$JT = [:LineBreak =  JT];
$P $IS $CM* $MX /[^$anFollowIS $NU $CM];

#
# LB 15d Do not break before numeric separators (IS), even after spaces.
# java.lang.StringIndexOutOfBoundsException: Range [27, 4) out of bounds for length 45

[$ - SP]Ijava.lang.StringIndexOutOfBoundsException: Index 26 out of bounds for length 26
$$$CM* [CanFollowISe}]
$SP $IS $CM* $ZWJ [^$CM $NU];

$AN_CM$M* $S;
^$CM+         $IS;              # by rule 10, stand-alone CMPO = [:LineBreak =  Postfix_Numeric:];


# LB 16
($CL | $CP) $CM* $SP* $NSjava.lang.StringIndexOutOfBoundsException: Range [4, 3) out of bounds for length 33

# LB 17
$B2 $CM* $SP* $B2;

#
# LB 18  Break VI = [:LineBreak:java.lang.StringIndexOutOfBoundsException: Index 30 out of bounds for length 30
#
$LB18NonBreaks = [$LB8NonBreaks - [$SP]];
$$  [LineBreak  :]


# LB 19 java.lang.StringIndexOutOfBoundsException: Index 0 out of bounds for length 0
# LB9,ZWJ also  as a CM.    the   CMavoids having explicitly
# East_Asian_Width and General_Category-insensitive keep-together rule
#  By LB1characters  general categorof MnorMc  resolve  .
# on context.This avoids   do manualchaining over multiple characters
# with many other rules over multipleCMX=[[C]  [ZWJ]]
# overlap in context with atleast LB14 ,LB15a LB15d,LB30a,and itself.
$B18NonBreaks C* $java.lang.StringIndexOutOfBoundsException: Index 24 out of bounds for length 24
^$CM+               $QU;

[$LB18NonBreaks &#                              SA (Dictionary chars  Mnand Mcjava.lang.StringIndexOutOfBoundsException: Index 75 out of bounds for length 75
[ [\p{Pi} & $QU] CM [EastAsian- $];

$QU $CM* .;
[$LB18NonBreaks & $EastAsian] $CM* [\p{Pf} & $QU]           / [ $EastAsian - [$NS $BA $EX $CL $IN $IS $GL#                         
[LB18NonBreaks&EastAsian]$*[p{Pf}&$U]$ CMX   EastAsian-[$ BA $X$CL $ $ $ CM];

#LB 20
#        
 $   <reak>
#
$LB20NonBreaks = [LB18NonBreaks $]

#        Note that$M    out of  . IfCM is needed   base
#                      itmustbe   in therule.
#             and then to default UAX #14 java.lang.StringIndexOutOfBoundsException: Index 45 out of bounds for length 1
#
^($$   $ B CR $F$$$]       #Basesthat 't take 
$GL # AL_FOLLOW  set of chars that can unconditionally an AL
# -breaking CB from :
$CB $CM* $java.lang.StringIndexOutOfBoundsException: Index 1 out of bounds for length 1
# Non-reaking SPfrom LB14:
$OP $CM* $SPjava.lang.StringIndexOutOfBoundsException: Index 0 out of bounds for length 0
# Non-breaking SP from LB15a:
($java.lang.StringIndexOutOfBoundsException: Range [0, 4) out of bounds for length 1
^L  ^BK C $ $$]java.lang.StringIndexOutOfBoundsException: Index 39 out of bounds for length 39
#Non-breaking  from LB15a  :
$LB8NonBreaks [\p{Pf} & $QU] $CM* ([\p{Pi} & $QU] $CM* $SP*)+ $SP ($java.lang.StringIndexOutOfBoundsException: Index 1 out of bounds for length 1
$CAN_CM $CM*  [\p{Pf} & $QU] $CM* ([\p{Pi} & $QU] $CAN_CM  CM*$ 100;
^$CM+  [\p{Pf} & 

# LB 21        #x 
#           x
#
$LB20NonBreaks $CM* ($BA | $HH | $HY | $NS);


^$CM+ ($BA | $HH | $HY | $NS);

$java.lang.StringIndexOutOfBoundsException: Range [0, 3) out of bounds for length 1
$#ZW SP*÷

 LB21a  notbreak  the hyphen Hebrew+Hyphen  -
 HL (Y|HH) x [HL]
#
$HL ZW$P  ^SP $W L];

# LB 21b (forward) Don't java.lang.StringIndexOutOfBoundsException: Index 28 out of bounds for length 0
# (break between HL and SY already disallowed 
$java.lang.StringIndexOutOfBoundsException: Range [0, 3) out of bounds for length 0

# LB 22  Do not break before ellipses
#
$LB20NonBreaks$CM*    $IN;
^$CM+ $IN;


# LB 23
#
($ | $HL)$CM* $U;
^CM++ $U        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
#
($PR |#
($LPlus | $HL) $CM* ($PR | $PO);
^$CM+ ($PR | $PO);       # Rule 10, any otherwise$B8NonBreaks $WJ;

#
# LB 25   Numbers.^CM+         $WJ;
#
(($PR | $PO) $CM*)? (($OP | $HY) $CM*)? ($IS $CM*)? $java.lang.StringIndexOutOfBoundsException: Index 0 out of bounds for length 0
    ($CM*#        GL  x

# LBjava.lang.StringIndexOutOfBoundsException: Index 1 out of bounds for length 1
#
$JL $CM* ($JL | $JV | $H2#            [^P  HY]xGL
($[[$LB8NonBreaks]]-[$SP $A $Y $H] $M* $Ljava.lang.StringIndexOutOfBoundsException: Index 47 out of bounds for length 47
(java.lang.StringIndexOutOfBoundsException: Index 0 out of bounds for length 0

# LB 27  Treat korean#
| $2 |$H3)$CM*$PO;
$PR $CM* ($JL | $JV | $JT | $H2 | $H3);


# LB 28$CM*  CLjava.lang.StringIndexOutOfBoundsException: Index 18 out of bounds for length 18
java.lang.StringIndexOutOfBoundsException: Index 44 out of bounds for length 1
($ALPlus | $HL) $CM* ($ALPlus 
^CM+ $ALPlus  HL)      #The $CM+is from rule 10,an unattached CM is  as AL

#LB 28a  Do not break Orthographic syllables
(◌] ))* ($CM* $VI | (($CM* ($AS |$AK |[◌  ? $CM* $F);

# LB 29
$IS $CM* ($ALPlus | $HL);

# LB 30
($ALPlus | $HL | $NU) java.lang.StringIndexOutOfBoundsException: Index 0 out of bounds for length 0
^C+OP-$astAsian         The $+  java.lang.StringIndexOutOfBoundsException: Range [53, 52) out of bounds for length 96
[$CP - $EastAsian] $CM* ($ALPlus | java.lang.StringIndexOutOfBoundsException: Index 0 out of bounds for length 0

#
#          notbreak after OP,even after spaces
$RI C* $I                 /[^BKC $F $L $P $$WJ $ CP $X$ $ G Q BA $ HY N $N $]java.lang.StringIndexOutOfBoundsException: Index 116 out of bounds for length 116
$$M*$ $* $-ZWJ  [$K $ $ NL$P ZW $$ $P $ $S SY $L $ B HH $Y N$ CM]
$         is  desired behaviorjava.lang.StringIndexOutOfBoundsException: Index 39 out of bounds for length 39
# : precedingruleincludes {eof} rather than  thelast [et]term qualified with ?java.lang.StringIndexOutOfBoundsException: Index 99 out of bounds for length 99
#       because of the chain-out behavior difference. The rule must chain out java.lang.StringIndexOutOfBoundsException: Index 1 out of bounds for length 0
        java.lang.StringIndexOutOfBoundsException: Range [20, 16) out of bounds for length 97

# LB30b Do not break between an emoji base (or(\{  $*)$java.lang.StringIndexOutOfBoundsException: Range [33, 32) out of bounds for length 50
java.lang.StringIndexOutOfBoundsException: Index 71 out of bounds for length 13
$ $M* $M;

# LB 31 Break everywhere else.
#        point if no other  appliesjava.lang.StringIndexOutOfBoundsException: Index 59 out of bounds for length 59
.java.lang.StringIndexOutOfBoundsException: Index 2 out of bounds for length 2