Skip to main content
Adição e ampliação de exemplos mais explicativos
Fonte Link

Bem, existem módulos, como os citados nos comentários, que podem resolver seu problema. Tais como o grapheme citado pelo "hkotsubo" por meio da Questão 346980. Desse modo, a biblioteca é capaz de gerar uma lista com os caracteres que você deseja. Seu código trabalha com iteração sobre string, então é necessária a conversão, no ato de inserir a sílaba na lista syllables, para manter o output esperado:

from grapheme import graphemes  # biblioteca não padrão

def syllabification(word):
    vowels = ["ɨ̃", "õ", "i", "ɨ", "ã", "ĩ", "á", "u", "í", "ó", "o", "e", "ẽ", "ú", "ũ", "é", "a"]
    syllables = []
    # Gerar uma lista, de forma a separar o que deve ser considerado caracter
    new_word = list(graphemes(word))
    while new_word != "":
        found_vowel = False
        for i, letter in enumerate(new_word):
            if letter in vowels:
                # Agrupa caracteres separados pela lista new_word
                syllables.append(''.join(new_word[:i+1]))
# [...]

Mas parece que você quer algo mais manual, já que está escolhendo cada vogal que deseja utilizar (e ignorando ditongos - como "não" - e tritongos - como "Paraguai" - que teriam sílabas a mais no seu código: ['nã', 'o'] e ['Pa', 'ra', 'gu', 'a', 'i'] em vez de ['não'] e ['Pa', 'ra', 'guai']). Então, caso você não queira trabalhar com bibliotecas externas, o que você pode fazer é criar uma lista (VL) com todas as "letras válidas" que você deseja considerar e o restante dos caracteres simplesmente ignorar. De forma que, mesmo considerando "ɨ̃" como dois caracteres, o segundo será completamente ignorado e não irá interferir para a separação. Tem muitos sites, como o rapidtables, para que você possa consultar o sequenciamento correto do Unicode. O seguinte código corrige seu problema e retorna o que você espera para a lógica que você considerou e o exemplo dado, outros exemplos dependerão(separar após cada vogal - ou carácter da lista de quaisvogais). Com isso, defini e adicionei os caracteres principais que acredito que você considera como letra válida, podendo, portantopossa estar considerando em seus exemplos. Caso eles tenham sido insuficientes ou abrangentes em demasiado, exigir pequenasfica a seu critério fazer alterações na definiçãoimplementação de VL. Além disso Porém, para implementar uma lógica em que se encontra uma vogal para a quebra silábicaformação da sílaba, seria necessário garantir que o "carácter" realmente é tratado com único. Como sabemos que isso não acontece e sabemos também que os tratados como múltiplos são formados por um "normal" seguido de alguma variação, como a vogal pode ter maisuma possibilidade de um carácter ser 'a' + '´', a quebra silábica deverá ser ao encontrar uma letra válida após a vogal:

VL = []  # Definida vazia para facilitar que você exclua linhas indesejadas
# A estrutura abaixo adiciona todos os caracteres desde um inicial até um
# final, seguindo a ordem Unicode, a lista de letras válidas
VL.extend([chr(i) for i in range(ord('A'), ord('Z') + 1)])
VL.extend([chr(i) for i in range(ord('a'), ord('z') + 1)])
VL.extend([chr(i) for i in range(ord('À'), ord('Ö') + 1)])
VL.extend([chr(i) for i in range(ord('Ø'), ord('ö') + 1)])
VL.extend([chr(i) for i in range(ord('ø'), ord('ʸ') + 1)])
VL.extend(['Ά', 'Έ', 'Ή', 'Ί','Ό'])
VL.extend([chr(i) for i in range(ord('Ύ'), ord('Ρ') + 1)])
VL.extend([chr(i) for i in range(ord('Σ'), ord('ҁ') + 1)])
VL.extend([chr(i) for i in range(ord('Ҋ'), ord('ԯ') + 1)])
VL.extend([chr(i) for i in range(ord('Ա'), ord('Ֆ') + 1)])
VL.extend([chr(i) for i in range(ord('ա'), ord('և') + 1)])

def syllabification(word):
    global VL
    vowels = ["ɨ̃", "õ", "i", "ɨ", "ã", "ĩ", "á", "u", "í", "ó", "o", "e", "ẽ", "ú", "ũ", "é", "a"]
    syllables = []
    found_vowel = False
    current_split = 0
    for i, letter in enumerate(word):
        if letter not in VL:  # Verifica se é uma letra válida
            continue
        # Garante que a quebra silábica ocorra no carácter válido após a vogal
        if found_vowel:
            found_vowel = False
            # Gera uma sílaba desde o último carácter adicionado
            # até o corrente da iteração, sem considerá-lo
            syllables.append(word[current_split:i])
            current_split = i
        if letter in vowels:
            found_vowel = True
        if i == len(word) - 1:
            # Como é o último caracter, a última sílaba deve ser adicionada
            # não importanto se ele é válido ou não
            syllables.append(word[current_split:i+1])

    return syllables

Como percebeu, a solução alternativa pode não ser necessária, mas ainda é útil caso você queira especificar melhor os caracteres trabalhados.

Bem, existem módulos, como os citados nos comentários, que podem resolver seu problema. Mas parece que você quer algo mais manual, já que está escolhendo cada vogal que deseja utilizar (e ignorando ditongos - como "não" - e tritongos - como "Paraguai" - que teriam sílabas a mais no seu código). Então, o que você pode fazer é criar uma lista (VL) com todas as "letras válidas" que você deseja considerar e o restante dos caracteres simplesmente ignorar. Tem muitos sites, como o rapidtables, para que você possa consultar o sequenciamento correto do Unicode. O seguinte código corrige seu problema e retorna o que você espera para a lógica que você considerou e o exemplo dado, outros exemplos dependerão de quais caracteres você considera como letra válida, podendo, portanto, exigir pequenas alterações na definição de VL. Além disso, a quebra silábica, como a vogal pode ter mais de um carácter, deverá ser ao encontrar uma letra válida após a vogal:

VL = []  # Definida vazia para facilitar que você exclua linhas indesejadas
# A estrutura abaixo adiciona todos os caracteres desde um inicial até um
# final seguindo a ordem Unicode a lista de letras válidas
VL.extend([chr(i) for i in range(ord('A'), ord('Z') + 1)])
VL.extend([chr(i) for i in range(ord('a'), ord('z') + 1)])
VL.extend([chr(i) for i in range(ord('À'), ord('Ö') + 1)])
VL.extend([chr(i) for i in range(ord('Ø'), ord('ö') + 1)])
VL.extend([chr(i) for i in range(ord('ø'), ord('ʸ') + 1)])
VL.extend(['Ά', 'Έ', 'Ή', 'Ί','Ό'])
VL.extend([chr(i) for i in range(ord('Ύ'), ord('Ρ') + 1)])
VL.extend([chr(i) for i in range(ord('Σ'), ord('ҁ') + 1)])
VL.extend([chr(i) for i in range(ord('Ҋ'), ord('ԯ') + 1)])
VL.extend([chr(i) for i in range(ord('Ա'), ord('Ֆ') + 1)])
VL.extend([chr(i) for i in range(ord('ա'), ord('և') + 1)])

def syllabification(word):
    global VL
    vowels = ["ɨ̃", "õ", "i", "ɨ", "ã", "ĩ", "á", "u", "í", "ó", "o", "e", "ẽ", "ú", "ũ", "é", "a"]
    syllables = []
    found_vowel = False
    current_split = 0
    for i, letter in enumerate(word):
        if letter not in VL:  # Verifica se é uma letra válida
            continue
        # Garante que a quebra silábica ocorra no carácter válido após a vogal
        if found_vowel:
            found_vowel = False
            syllables.append(word[current_split:i])
            current_split = i
        if letter in vowels:
            found_vowel = True
        if i == len(word) - 1:
            # Como é o último caracter, a última sílaba deve ser adicionada
            # não importanto se ele é válido ou não
            syllables.append(word[current_split:i+1])

    return syllables

Bem, existem módulos, como os citados nos comentários, que podem resolver seu problema. Tais como o grapheme citado pelo "hkotsubo" por meio da Questão 346980. Desse modo, a biblioteca é capaz de gerar uma lista com os caracteres que você deseja. Seu código trabalha com iteração sobre string, então é necessária a conversão, no ato de inserir a sílaba na lista syllables, para manter o output esperado:

from grapheme import graphemes  # biblioteca não padrão

def syllabification(word):
    vowels = ["ɨ̃", "õ", "i", "ɨ", "ã", "ĩ", "á", "u", "í", "ó", "o", "e", "ẽ", "ú", "ũ", "é", "a"]
    syllables = []
    # Gerar uma lista, de forma a separar o que deve ser considerado caracter
    new_word = list(graphemes(word))
    while new_word != "":
        found_vowel = False
        for i, letter in enumerate(new_word):
            if letter in vowels:
                # Agrupa caracteres separados pela lista new_word
                syllables.append(''.join(new_word[:i+1]))
# [...]

Mas parece que você quer algo mais manual, já que está escolhendo cada vogal que deseja utilizar (e ignorando ditongos - como "não" - e tritongos - como "Paraguai" - que teriam sílabas a mais no seu código: ['nã', 'o'] e ['Pa', 'ra', 'gu', 'a', 'i'] em vez de ['não'] e ['Pa', 'ra', 'guai']). Então, caso você não queira trabalhar com bibliotecas externas, o que você pode fazer é criar uma lista (VL) com todas as "letras válidas" que você deseja considerar e o restante dos caracteres simplesmente ignorar. De forma que, mesmo considerando "ɨ̃" como dois caracteres, o segundo será completamente ignorado e não irá interferir para a separação. Tem muitos sites, como o rapidtables, para que você possa consultar o sequenciamento correto do Unicode. O seguinte código corrige seu problema e retorna o que você espera para a lógica que você considerou (separar após cada vogal - ou carácter da lista de vogais). Com isso, defini e adicionei os caracteres principais que acredito que você possa estar considerando em seus exemplos. Caso eles tenham sido insuficientes ou abrangentes em demasiado, fica a seu critério fazer alterações na implementação de VL. Porém, para implementar uma lógica em que se encontra uma vogal para a formação da sílaba, seria necessário garantir que o "carácter" realmente é tratado com único. Como sabemos que isso não acontece e sabemos também que os tratados como múltiplos são formados por um "normal" seguido de alguma variação, como uma possibilidade de ser 'a' + '´', a quebra silábica deverá ser ao encontrar uma letra válida após a vogal:

VL = []  # Definida vazia para facilitar que você exclua linhas indesejadas
# A estrutura abaixo adiciona todos os caracteres desde um inicial até um
# final, seguindo a ordem Unicode, a lista de letras válidas
VL.extend([chr(i) for i in range(ord('A'), ord('Z') + 1)])
VL.extend([chr(i) for i in range(ord('a'), ord('z') + 1)])
VL.extend([chr(i) for i in range(ord('À'), ord('Ö') + 1)])
VL.extend([chr(i) for i in range(ord('Ø'), ord('ö') + 1)])
VL.extend([chr(i) for i in range(ord('ø'), ord('ʸ') + 1)])
VL.extend(['Ά', 'Έ', 'Ή', 'Ί','Ό'])
VL.extend([chr(i) for i in range(ord('Ύ'), ord('Ρ') + 1)])
VL.extend([chr(i) for i in range(ord('Σ'), ord('ҁ') + 1)])
VL.extend([chr(i) for i in range(ord('Ҋ'), ord('ԯ') + 1)])
VL.extend([chr(i) for i in range(ord('Ա'), ord('Ֆ') + 1)])
VL.extend([chr(i) for i in range(ord('ա'), ord('և') + 1)])

def syllabification(word):
    global VL
    vowels = ["ɨ̃", "õ", "i", "ɨ", "ã", "ĩ", "á", "u", "í", "ó", "o", "e", "ẽ", "ú", "ũ", "é", "a"]
    syllables = []
    found_vowel = False
    current_split = 0
    for i, letter in enumerate(word):
        if letter not in VL:  # Verifica se é uma letra válida
            continue
        # Garante que a quebra silábica ocorra no carácter válido após a vogal
        if found_vowel:
            found_vowel = False
            # Gera uma sílaba desde o último carácter adicionado
            # até o corrente da iteração, sem considerá-lo
            syllables.append(word[current_split:i])
            current_split = i
        if letter in vowels:
            found_vowel = True
        if i == len(word) - 1:
            # Como é o último caracter, a última sílaba deve ser adicionada
            # não importanto se ele é válido ou não
            syllables.append(word[current_split:i+1])

    return syllables

Como percebeu, a solução alternativa pode não ser necessária, mas ainda é útil caso você queira especificar melhor os caracteres trabalhados.

Fonte Link

Bem, existem módulos, como os citados nos comentários, que podem resolver seu problema. Mas parece que você quer algo mais manual, já que está escolhendo cada vogal que deseja utilizar (e ignorando ditongos - como "não" - e tritongos - como "Paraguai" - que teriam sílabas a mais no seu código). Então, o que você pode fazer é criar uma lista (VL) com todas as "letras válidas" que você deseja considerar e o restante dos caracteres simplesmente ignorar. Tem muitos sites, como o rapidtables, para que você possa consultar o sequenciamento correto do Unicode. O seguinte código corrige seu problema e retorna o que você espera para a lógica que você considerou e o exemplo dado, outros exemplos dependerão de quais caracteres você considera como letra válida, podendo, portanto, exigir pequenas alterações na definição de VL. Além disso, a quebra silábica, como a vogal pode ter mais de um carácter, deverá ser ao encontrar uma letra válida após a vogal:

VL = []  # Definida vazia para facilitar que você exclua linhas indesejadas
# A estrutura abaixo adiciona todos os caracteres desde um inicial até um
# final seguindo a ordem Unicode a lista de letras válidas
VL.extend([chr(i) for i in range(ord('A'), ord('Z') + 1)])
VL.extend([chr(i) for i in range(ord('a'), ord('z') + 1)])
VL.extend([chr(i) for i in range(ord('À'), ord('Ö') + 1)])
VL.extend([chr(i) for i in range(ord('Ø'), ord('ö') + 1)])
VL.extend([chr(i) for i in range(ord('ø'), ord('ʸ') + 1)])
VL.extend(['Ά', 'Έ', 'Ή', 'Ί','Ό'])
VL.extend([chr(i) for i in range(ord('Ύ'), ord('Ρ') + 1)])
VL.extend([chr(i) for i in range(ord('Σ'), ord('ҁ') + 1)])
VL.extend([chr(i) for i in range(ord('Ҋ'), ord('ԯ') + 1)])
VL.extend([chr(i) for i in range(ord('Ա'), ord('Ֆ') + 1)])
VL.extend([chr(i) for i in range(ord('ա'), ord('և') + 1)])

def syllabification(word):
    global VL
    vowels = ["ɨ̃", "õ", "i", "ɨ", "ã", "ĩ", "á", "u", "í", "ó", "o", "e", "ẽ", "ú", "ũ", "é", "a"]
    syllables = []
    found_vowel = False
    current_split = 0
    for i, letter in enumerate(word):
        if letter not in VL:  # Verifica se é uma letra válida
            continue
        # Garante que a quebra silábica ocorra no carácter válido após a vogal
        if found_vowel:
            found_vowel = False
            syllables.append(word[current_split:i])
            current_split = i
        if letter in vowels:
            found_vowel = True
        if i == len(word) - 1:
            # Como é o último caracter, a última sílaba deve ser adicionada
            # não importanto se ele é válido ou não
            syllables.append(word[current_split:i+1])

    return syllables