merge the formfield patch from ooo-build
[ooovba.git] / i18npool / source / breakiterator / data / dict_word_fi.txt
blob2d761790857695ab56145f258ece14b473af6b5c
2 #   Copyright (C) 2002-2003, International Business Machines Corporation and others.
3 #       All Rights Reserved.
5 #   file:  dict_word_fi.txt   
7 #   ICU Word Break Rules
8 #      See Unicode Standard Annex #29.
9 #      These rules are based on Version 4.0.0, dated 2003-04-17
14 ####################################################################################
16 #  Character class definitions from TR 29
18 ####################################################################################
19 $Katakana  = [[:Script = KATAKANA:] [:name = KATAKANA-HIRAGANA PROLONGED SOUND MARK:] 
20                                    [:name = HALFWIDTH KATAKANA-HIRAGANA PROLONGED SOUND MARK:]
21                                    [:name = HALFWIDTH KATAKANA VOICED SOUND MARK:]
22                                    [:name = HALFWIDTH KATAKANA SEMI-VOICED SOUND MARK:]];
24 $Ideographic = [:Ideographic:];
25 $Hangul = [:Script = HANGUL:];
27 $ALetter   = [\u0002 [:Alphabetic:] [:name= COMMERCIAL AT:] [:name= HEBREW PUNCTUATION GERESH:] [:name = HYPHEN-MINUS:]
28                            - $Ideographic
29                            - $Katakana
30                            - $Hangul
31                            - [:Script = Thai:]
32                            - [:Script = Lao:]
33                            - [:Script = Hiragana:]];
34                            
35 $MidLetter = [[:name = APOSTROPHE:] [:name = GRAVE ACCENT:] \u0084 [:name = SOFT HYPHEN:] [:name = MIDDLE DOT:] [:name = GREEK TONOS:] [:name= FULL STOP:] 
36               [:name = HEBREW PUNCTUATION GERSHAYIM:] [:name = DOUBLE VERTICAL LINE:] [:name = LEFT SINGLE QUOTATION MARK:]
37               [:name = RIGHT SINGLE QUOTATION MARK:] [:name = HYPHENATION POINT:] [:name = PRIME:] [:name = COLON:]];  
39 $SufixLetter = [:name= FULL STOP:];
40               
42 $MidNum    = [[:LineBreak = Infix_Numeric:] [:name= COMMERCIAL AT:] \u0084 [:name = GREEK TONOS:] [:name = ARABIC DECIMAL SEPARATOR:]
43              [:name = LEFT SINGLE QUOTATION MARK:] [:name = RIGHT SINGLE QUOTATION MARK:] [:name = SINGLE HIGH-REVERSED-9 QUOTATION MARK:]
44              [:name = PRIME:]];
45 $Numeric   = [:LineBreak = Numeric:];
48 $TheZWSP = \u200b;
51 #  Character Class Definitions.
52 #    The names are those from TR29.
54 $CR         = \u000d;
55 $LF         = \u000a;
56 $Control    = [[[:Zl:] [:Zp:] [:Cc:] [:Cf:]] - $TheZWSP];
57 $Extend     = [[:Grapheme_Extend = TRUE:]]; 
62 ####################################################################################
64 #  Word Break Rules.    Definitions and Rules specific to word break begin Here. 
66 ####################################################################################
68 $Format    = [[:Cf:] - $TheZWSP];
72 # Rule 3:  Treat a grapheme cluster as if it were a single character.
73 #          Hangul Syllables are easier to deal with here than they are in Grapheme Clusters
74 #          because we don't need to find the boundaries between adjacent syllables -
75 #          they won't be word boundaries.
80 #  "Extended"  definitions.  Grapheme Cluster + Format Chars, treated like the base char.
82 $ALetterEx    = $ALetter   $Extend*; 
83 $NumericEx    = $Numeric   $Extend*;
84 $MidNumEx     = $MidNum    $Extend*;
85 $MidLetterEx  = $MidLetter $Extend*;
86 $SufixLetterEx= $SufixLetter $Extend*;
87 $KatakanaEx   = $Katakana  $Extend*;
88 $IdeographicEx= $Ideographic  $Extend*;
89 $HangulEx = $Hangul  $Extend*;
90 $FormatEx     = $Format    $Extend*;
94 #  Numbers.  Rules 8, 11, 12 form the TR.
96 $NumberSequence = $NumericEx ($FormatEx* $MidNumEx? $FormatEx* $NumericEx)*;
97 $NumberSequence {100};
100 #  Words.  Alpha-numerics.  Rule 5, 6, 7, 9, 10
101 #     - must include at least one letter. 
102 #     - may include both letters and numbers.
103 #     - may include  MideLetter, MidNumber punctuation.
105 $LetterSequence = $ALetterEx ($FormatEx* $MidLetterEx? $FormatEx* $ALetterEx)*;     # rules #6, #7
106 ($NumberSequence $FormatEx*)? $LetterSequence ($FormatEx* ($NumberSequence | $LetterSequence))* $SufixLetterEx? {200};
108 [[:P:][:S:]]*;
111 #  Do not break between Katakana.   Rule #13.
113 $KatakanaEx ($FormatEx* $KatakanaEx)* {300};
114 [:Hiragana:] $Extend* {300};
117 #  Ideographic Characters.  Stand by themselves as words.
118 #                           Separated from the "Everything Else" rule, below, only so that they
119 #                           can be tagged with a return value.   TODO:  is this what we want?
121 $IdeographicEx ($FormatEx* $IdeographicEx)* {400};
122 $HangulEx ($FormatEx* $HangulEx)* {400};
125 #  Everything Else, with no tag.
126 #                   Non-Control chars combine with $Extend (combining) chars.
127 #                   Controls are do not.
129 [^$Control [:Ideographic:]] $Extend*;
130 $CR $LF;
133 #  Reverse Rules.   Back up over any of the chars that can group together.
134 #                   (Reverse rules do not need to be exact; they can back up  too far,
135 #                   but must back up at least enough, and must stop on a boundary.)
138 # NonStarters are the set of all characters that can appear at the 2nd - nth position of
139 #    a word.   (They may also be the first.)   The reverse rule skips over these, until it
140 #    reaches something that can only be the start (and probably only) char in a "word".
141 #    A space or punctuation meets the test.
143 $NonStarters = [$Numeric $ALetter $Katakana $Ideographic $Hangul [:P:] [:S:] $MidLetter $MidNum $SufixLetter $Extend $Format];
145 #!.*;
146 ! ($NonStarters* | \n \r) .;