# Word breaking tests, using the dictionary model
# for complex scripts (Thai, Lao, Khmer, Myanmar, Chinese, Japanese).
#
# Format: input is the concatenation of the segments, which are separated by '|'.
# Everything after a '#' and blank lines are ignored.
# Characters can be escaped as \u{XXXX}.

# The following Thai segmentations match ICU4C (ICU 78).
กระ|เพรา
ภาษา|ไทย|ภาษา|ไทย
รถไฟฟ้า
โรง|พยาบาล
น้ำตาล|ทราย
น้ำ
กำลัง
เก้า
ดำเนิน|การ
ซอฟต์แวร์
บล็อก|เชน
กรุงเทพฯ
กรุงเทพมหานคร
ประเทศไทย
ฯลฯ
ทดสอบ|คำ|ซ้ำ| |ๆ| |และ|เครื่องหมาย| |ฯลฯ
นี่|คือ| |ICU4X| |สำหรับ|ภาษา|ไทย
เปิด|ใช้| |ICU4X| |เวอร์ชัน| |2
ราคา| |1,250| |บาท| |รวม| |VAT| |แล้ว
๑๐๐| |บาท
เด็ก| |ๆ| |วิ่ง|เล่น
สวัสดี|ครับ| |ผม|ชื่อ|สมชาย
เขา|ไป|ตลาด|เมื่อ|วาน|นี้
การ|พัฒนา|ซอฟต์แวร์
มหาวิทยาลัย|เชียงใหม่
จังหวัด|นครราชสีมา
ระบบ|ขนส่ง|มวลชน
บริการ|ทางการ|เงิน
ปัญญา|ประดิษฐ์
ข้อมูล|ส่วน|บุคคล
https|:|/|/|example.com|/|ภาษา|ไทย
อีเมล| |test|@|example.com
Hello| |สวัสดี| |World
iPad| |รุ่น|ใหม่
COVID|-|19| |ระบาด
น้ำ|แข็ง|ไส
ลูก|ชิ้น|ปลา
ผัด|ไทย|กุ้ง|สด
ต้มยำ|กุ้ง
ส้มตำ|ไทย
ข้าว|เหนียว|มะม่วง
ประสิทธิภาพ
วิทยาศาสตร์|และ|เทคโนโลยี
เศรษฐกิจ|พอ|เพียง
ประชาธิปไตย
สุขภาพ|จิต
ภาษา|ไทย| |ไม่มี|การ|เว้น|วรรค|ทุก|คำ
กรุงเทพฯ| |เป็น|เมือง|หลวง|ของ|ประเทศไทย

# #8599: breaks must not be inside grapheme clusters. These match ICU4C (ICU 79).
ตาม|ที่|กล่าว|มา|แล้ว
ตาม|ที่|ระบุ
ทั้ง|ที่|รู้|ว่า
ทุก|ที่|ทุก|เวลา
บาง|ที่
แล้ว|ก็|ไป
แล้ว|กัน|นะ
มา|นี้|ก่อน
เพื่อ|นั้น
เสีย|ว่า
นิ|รัน|ดร์

# Thai
# ICU4C glues Latin script to Thai; ICU4X separates.
a|ภาษา|ไทย|ภาษา|ไทย|b

# Myanmar
# From css/css-text/word-break/word-break-normal-my-000.html
မြန်မာ|စာ|မြန်မာ|စာ|မြန်မာ|စာ

# Chinese and Japanese
うなぎ|うなじ
Welcome|龟山岛|龟山岛|Welcome
龟山岛|龟山岛
エディター|エディ

# Mixed scripts
ภาษา|ไทย|龟山岛
こんにちは|世界|ภาษา|ไทย

# Rule-based tests
# https://github.com/unicode-org/icu4x/issues/4417
A.\u{AD}B # ÷ ALetter × MidNumLet × Format × ALetter ÷
A.\u{308}B # ÷ ALetter × MidNumLet × Extend × ALetter ÷
A.\u{200D}B # ÷ ALetter × MidNumLet × ZWJ × ALetter ÷
A.\u{AD}א # ÷ ALetter × MidNumLet × Format × Hebrew_Letter ÷
A.\u{308}א # ÷ ALetter × MidNumLet × Extend × Hebrew_Letter ÷
A.\u{200D}א # ÷ ALetter × MidNumLet × ZWJ × Hebrew_Letter ÷
A'\u{AD}B # ÷ ALetter × Single_Quote × Format × ALetter ÷
A'\u{308}B # ÷ ALetter × Single_Quote × Extend × ALetter ÷
A'\u{200D}B # ÷ ALetter × Single_Quote × ZWJ × ALetter ÷
A'\u{AD}א # ÷ ALetter × Single_Quote × Format × Hebrew_Letter ÷
A'\u{308}א # ÷ ALetter × Single_Quote × Extend × Hebrew_Letter ÷
A'\u{200D}א # ÷ ALetter × Single_Quote × ZWJ × Hebrew_Letter ÷
א.\u{AD}א # ÷ Hebrew_Letter × MidNumLet × Format × Hebrew_Letter ÷
א.\u{308}א # ÷ Hebrew_Letter × MidNumLet × Extend × Hebrew_Letter ÷
א.\u{200D}א # ÷ Hebrew_Letter × MidNumLet × ZWJ × Hebrew_Letter ÷
א.\u{AD}A # ÷ Hebrew_Letter × MidNumLet × Format × ALetter ÷
א.\u{308}A # ÷ Hebrew_Letter × MidNumLet × Extend × ALetter ÷
א.\u{200D}A # ÷ Hebrew_Letter × MidNumLet × ZWJ × ALetter ÷
א'\u{AD}A # ÷ Hebrew_Letter × Single_Quote × Format × ALetter ÷
א'\u{308}A # ÷ Hebrew_Letter × Single_Quote × Extend × ALetter ÷
א'\u{200D}A # ÷ Hebrew_Letter × Single_Quote × ZWJ × ALetter ÷
א'\u{AD}א # ÷ Hebrew_Letter × Single_Quote × Format × Hebrew_Letter ÷
א'\u{308}א # ÷ Hebrew_Letter × Single_Quote × Extend × Hebrew_Letter ÷
א'\u{200D}א # ÷ Hebrew_Letter × Single_Quote × ZWJ × Hebrew_Letter ÷
א"\u{AD}א # ÷ Hebrew_Letter × Double_Quote × Format × Hebrew_Letter ÷
א"\u{308}א # ÷ Hebrew_Letter × Double_Quote × Extend × Hebrew_Letter ÷
א"\u{200D}א # ÷ Hebrew_Letter × Double_Quote × ZWJ × Hebrew_Letter ÷

# #8523: text ends partway through a longer dictionary word
ผู้|ใช้|ส
ປະເທດ|ລາວ|ມີ|ພົນ|ລ
ព្រះរាជាណាចក្រ|កម្ពុជា|ជា|ប
မြန်မာ|န
コンピューター|ソ
