2

Eu estou tentando separar a palavra "wɨoɾɨ̃mɨ" em sílabas. Ou seja, o output deve ser ["wɨ", "o", "ɾɨ̃", "mɨ"].

A função que está separando as palavras em sílabas procura uma vogal e recorta o trecho até essa vogal como uma sílaba.

def syllabification(word):
    vowels = ["ɨ̃", "õ", "i", "ɨ", "ã", "ĩ", "á", "u", "í", "ó", "o", "e", "ẽ", "ú", "ũ", "é", "a"]
    syllables = []
    new_word = word[:]
    while new_word != "":
        found_vowel = False
        for i, letter in enumerate(new_word):
            if letter in vowels:
                syllables.append(new_word[:i+1])
                new_word = new_word[i+1:]
                found_vowel = True
                break
            else:
                continue
        if not found_vowel:
            break

    return syllables

No entanto, o item "ɨ̃" não é considerado um caractere único, mas um caractere "ɨ" seguido por um diacrítico tilde. Dessa forma, o output que eu recebo é ['wɨ', 'o', 'ɾɨ', '̃mɨ'].

Eu tentei criar condições em que o próximo caractere é um tilde combinável e fazer o recorte se alongar até depois dele, mas o output continua sendo o mesmo.

Existe alguma forma de tratar essa combinação de caracteres como um só?

2
  • 2
    Talvez seja melhor tratar os grapheme clusters em vez de caracteres individuais, dá pra usar o módulo grapheme - tem um exemplo aqui. Ou procure por módulos que já possuem a funcionalidade de separar sílabas, como o pyphen ou NLTK.
    – hkotsubo
    Commented 10/02 às 0:10
  • Tente o módulo syllapy silabas = syllapy.syllabify(palavra) print(silabas) Commented 15/04 às 20:35

1 Resposta 1

-3

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.

1
  • Como está escrito atualmente, sua resposta não é clara. Por favor, pode editar para adicionar mais detalhes, que ajudarão outras pessoas a entender como isso resolve a pergunta feita. Você pode encontrar mais informações sobre como escrever boas respostas na Central de Ajuda.
    – Comunidade Bot
    Commented 21/08 às 16:09

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .