Update ooo320-m1
[ooovba.git] / i18npool / source / breakiterator / data / count_word_fi.txt
blob0429edc441620a4f75ce1ee7af8d0766f3c59e23
2 #   Copyright (C) 2002-2003, International Business Machines Corporation and others.
3 #       All Rights Reserved.
5 #   file:  count_word.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 $ALetter   = [[:Alphabetic:] [:name= HEBREW PUNCTUATION GERESH:] [:name = HYPHEN-MINUS:]
25                            - $Katakana
26                            - [:Script = Thai:]
27                            - [:Script = Lao:]
28                            - [:Script = Hiragana:]];
29                            
30 $MidLetter = [[:name = APOSTROPHE:] [:name = MIDDLE DOT:]  [:name = HEBREW PUNCTUATION GERSHAYIM:]
31               [:name = RIGHT SINGLE QUOTATION MARK:] [:name = HYPHENATION POINT:] [:name = COLON:]];  
32               
33 $MidNumLet = [:name = FULL STOP:];
35 $MidNum    = [[:LineBreak = Infix_Numeric:] - $MidNumLet];
36 $Numeric   = [:LineBreak = Numeric:];
39 $TheZWSP = \u200b;
42 #  Character Class Definitions.
43 #    The names are those from TR29.
45 $CR         = \u000d;
46 $LF         = \u000a;
47 $Control    = [[[:Zl:] [:Zp:] [:Cc:] [:Cf:]] - $TheZWSP];
48 $Extend     = [[:Grapheme_Extend = TRUE:]]; 
53 ####################################################################################
55 #  Word Break Rules.    Definitions and Rules specific to word break begin Here. 
57 ####################################################################################
59 $Format    = [[:Cf:] - $TheZWSP];
63 # Rule 3:  Treat a grapheme cluster as if it were a single character.
64 #          Hangul Syllables are easier to deal with here than they are in Grapheme Clusters
65 #          because we don't need to find the boundaries between adjacent syllables -
66 #          they won't be word boundaries.
71 #  "Extended"  definitions.  Grapheme Cluster + Format Chars, treated like the base char.
73 $ALetterEx    = $ALetter   $Extend*; 
74 $NumericEx    = $Numeric   $Extend*;
75 $MidNumEx     = $MidNum    $Extend*;
76 $MidNumLetEx  = $MidNumLet $Extend*;
77 $MidLetterEx  = $MidLetter $Extend*;
78 $KatakanaEx   = $Katakana  $Extend*;
79 $FormatEx     = $Format    $Extend*;
81 $word_pad=[[:P:][:S:][:Z:][:C:]];
84 #  Numbers.  Rules 8, 11, 12 form the TR.
86 $NumberSequence = $NumericEx ($FormatEx* ($MidNumEx | $MidNumLetEx)? $FormatEx* $NumericEx)*;
87 $NumberSequence $word_pad* {100};
90 #  Words.  Alpha-numerics.  Rule 5, 6, 7, 9, 10
91 #     - must include at least one letter. 
92 #     - may include both letters and numbers.
93 #     - may include  MideLetter, MidNumber punctuation.
95 $LetterSequence = $ALetterEx ($FormatEx* ($MidLetterEx | $MidNumLetEx)? $FormatEx* $ALetterEx)*;     # rules #6, #7
96 ($NumberSequence $FormatEx*)? $LetterSequence ($FormatEx* ($NumberSequence | $LetterSequence))* $word_pad* {200};
99 #  Do not break between Katakana.   Rule #13.
101 $KatakanaEx ($FormatEx* $KatakanaEx)* {300};
102 [:Hiragana:] $Extend* {300};
105 #  Ideographic Characters.  Stand by themselves as words.
106 #                           Separated from the "Everything Else" rule, below, only so that they
107 #                           can be tagged with a return value.   TODO:  is this what we want?
109 # [:IDEOGRAPHIC:] $Extend* $word_pad* {400};
112 #  Everything Else, with no tag.
113 #                   Non-Control chars combine with $Extend (combining) chars.
114 #                   Controls are do not.
116 [^$Control [:Ideographic:]] $Extend* $word_pad*;
117 $CR $LF;
120 #  Reverse Rules.   Back up over any of the chars that can group together.
121 #                   (Reverse rules do not need to be exact; they can back up  too far,
122 #                   but must back up at least enough, and must stop on a boundary.)
125 # NonStarters are the set of all characters that can appear at the 2nd - nth position of
126 #    a word.   (They may also be the first.)   The reverse rule skips over these, until it
127 #    reaches something that can only be the start (and probably only) char in a "word".
128 #    A space or punctuation meets the test.
130 $NonStarters = [$Numeric $ALetter $Katakana $MidLetter $MidNum $MidNumLet $Extend $Format];
132 #!.*;
133 ! ($NonStarters* | \n \r) .;