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 carácterá
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.