Unicode 的换行规则是否要求最后一个字符是强制换行符？

Question

我正在尝试使用 libunibreak (https://github.com/adah1972/libunibreak) 来标记某些给定 unicode 文本中可能出现的换行符。

Libunibreak 在某些文本中为每个代码单元返回四个可能的选项：

LINEBREAK_MUSTBREAK
LINEBREAK_ALLOWBREAK
LINEBREAK_NOBREAK
LINEBREAK_INSIDEACHAR

希望这些是不言自明的。我希望 MUSTBREAK 对应于换行符，如 LF。然而，对于任何给定的文本，Libunibreak 总是表明最后一个字符是 MUSTBREAK

例如，对于字符串“abc”，输出将是 [NOBREAK,NOBREAK,MUSTBREAK]。对于“abc\n”，输出将是 [NOBREAK,NOBREAK,NOBREAK,MUSTBREAK]。我在绘制文本时使用 MUSTBREAK 属性开始新行，因此第一种情况（“abc”）会创建一个不应存在的额外换行符。

这是 Unicode 指定的行为还是我正在使用的库实现的怪癖？

Answer 1

是的，这是 Unicode 换行算法指定的。 UAX #14: Unicode Line Breaking Algorithm, section 6.1 "Non-tailorable Line Breaking Rules" 中的规则 LB3 说：

总是在文本末尾换行。

规范进一步解释：

[此规则]旨在处理退化情况，因此[...]整个文本至少有一个换行符。