lucene-java-3.4.0/lucene/contrib/icu/src/data/uax29/Khmer.rbbi

   1 #\r
   2 # Licensed to the Apache Software Foundation (ASF) under one or more\r
   3 # contributor license agreements.  See the NOTICE file distributed with\r
   4 # this work for additional information regarding copyright ownership.\r
   5 # The ASF licenses this file to You under the Apache License, Version 2.0\r
   6 # (the "License"); you may not use this file except in compliance with\r
   7 # the License.  You may obtain a copy of the License at\r
   8 #\r
   9 #     http://www.apache.org/licenses/LICENSE-2.0\r
  10 #\r
  11 # Unless required by applicable law or agreed to in writing, software\r
  12 # distributed under the License is distributed on an "AS IS" BASIS,\r
  13 # WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.\r
  14 # See the License for the specific language governing permissions and\r
  15 # limitations under the License.\r
  16 #\r
  17 # \r
  18 # Parses Khmer text, with orthographic syllable as token.\r
  19 #\r
  20 # The definition of Khmer orthographic syllable is taken from the Unicode Standard.\r
  21 #\r
  22 # B = base character (consonant, independent vowel, etc)\r
  23 $KhmerBase = [\u1780-\u17B3];\r
  24 # R = robat\r
  25 $KhmerRobat = [\u17CC];\r
  26 # C = consonant shifter\r
  27 $KhmerShifter = [\u17C9\u17CA];\r
  28 # S = subscript consonant or independent vowel sign\r
  29 $KhmerSub = ([\u17D2] $KhmerBase);\r
  30 # V = dependent vowel sign\r
  31 $KhmerVowel = [\u17B4-\u17C5];\r
  32 # Z = zero-width joiner or non-joiner\r
  33 $KhmerZWC = [\u200C\u200D];\r
  34 # O = any other sign\r
  35 $KhmerSign = [\u17C6-\u17C8\u17CB\u17CD-\u17D1\u17DC\u17DD]; \r
  36 \r
  37 $WordJoin = [:Line_Break=Word_Joiner:];\r
  38 \r
  39 $KhmerSyllableEx = $KhmerBase ($KhmerRobat | $KhmerShifter)? ($KhmerSub ($KhmerRobat)?)* (($KhmerZWC)? $KhmerVowel)? ($KhmerSign)? ($KhmerSub)?;\r
  40 \r
  41 $KhmerJoinedSyllableEx = $KhmerSyllableEx ($WordJoin $KhmerSyllableEx)*;\r
  42 \r
  43 #\r
  44 # default numerical definitions\r
  45 #\r
  46 $Extend       = [\p{Word_Break = Extend}];\r
  47 $Format       = [\p{Word_Break = Format}];\r
  48 $MidNumLet    = [\p{Word_Break = MidNumLet}];\r
  49 $MidNum       = [\p{Word_Break = MidNum}];\r
  50 $Numeric      = [\p{Word_Break = Numeric}];\r
  51 $ExtendNumLet = [\p{Word_Break = ExtendNumLet}];                                                          \r
  52 $MidNumLetEx    = $MidNumLet    ($Extend |  $Format)*;\r
  53 $MidNumEx       = $MidNum       ($Extend |  $Format)*;\r
  54 $NumericEx      = $Numeric      ($Extend |  $Format)*;\r
  55 $ExtendNumLetEx = $ExtendNumLet ($Extend |  $Format)*;\r
  56 \r
  57 !!forward;\r
  58 $KhmerJoinedSyllableEx {200};\r
  59 \r
  60 # default numeric rules\r
  61 $NumericEx $ExtendNumLetEx? (($MidNumEx | $MidNumLetEx)? $NumericEx $ExtendNumLetEx?)*  {100};\r