Простейший алгоритм разбивки слова на слоги
Однажды на проводимом мной практическом занятии [по ЯП] я, скучая, разглядывал список студентов группы. Глаз зацепился за знак ударения в фамилии Лемзекóв, который я поставил [для себя] после того, как произнёс фамилию этого студента неправильно. Я мысленно прочёл эту фамилию по слогам, и тут у меня возник вопрос: «а по какому алгоритму мозг разбивает слова по слогам?» Почему-то интуитивно получается «Лем-зе-ков», а не «Ле-мзе-ков» или «Лем-зек-ов». Я выписал ещё несколько примеров, и разглядывая их размышлял о том, как перевести это в алгоритм.
Алгоритм получился такой (привожу практически тот самый Python-код, который я написал карандашом тогда на занятии).
slog_start = 0
i = 0
while i < len(word):
if word[i] in vowels_set:
vowel_pos = i
i += 1
while i < len(word):
if word[i] in vowels_set:
if i - vowel_pos == 1:
hyphens.append(i)
elif i - vowel_pos == 2:
hyphens.append(i - 1)
else:
hyphens.append(vowel_pos + 2)
На этом месте меня осенило: достаточно просто знать расстояние между соседними гласными буквами (пусть они будут в позициях a и b) — если оно равно 1, тогда вставляем перенос в позиции b, если равно 2, то в позиции b − 1, иначе [т.е. когда расстояние больше 2] в позиции a + 2.
Получается такой Python-код:
word = input()
vowels_set = set('аеёиоуыэюяАЕЁИОУЫЭЮЯ')
vowels = []
for i in range(len(word)):
if word[i] in vowels_set:
vowels.append(i)
import collections
hyphens = collections.deque()
for i in range(1, len(vowels)):
a, b = vowels[i-1], vowels[i]
if b - a == 1:
hyphens.append(b)
elif b - a == 2:
hyphens.append(b - 1)
else:
hyphens.append(a + 2)
for i in range(len(word)):
if len(hyphens) and hyphens[0] == i:
print('-', end = '')
hyphens.popleft()
print(word[i], end = '')
word = input()
vowels_set = set('аеёиоуыэюяАЕЁИОУЫЭЮЯ')
prev_vowel = len(word)
for i in range(len(word)):
if word[i] in vowels_set:
prev_vowel = i
break
import collections
hyphens = collections.deque()
for i in range(prev_vowel + 1, len(word)):
if word[i] in vowels_set:
a, b = prev_vowel, i
if b - a == 1:
hyphens.append(b)
elif b - a == 2:
hyphens.append(b - 1)
else:
hyphens.append(a + 2)
prev_vowel = i
for i in range(len(word)):
if len(hyphens) and hyphens[0] == i:
print('-', end = '')
hyphens.popleft()
print(word[i], end = '')
Осталось только добавить поддержку букв «й», «ь» и «ъ».
Для этого нужно слегка модифицировать цепочку условий начинающуюся с if b - a == 1::
for i ...:
...
if b - a == 1:
hyphens.append(b)
else:
for j in reversed(range(a + 1, b)):
if word[j] in specials_set: # specials_set = set('йьъЙЬЪ')
hyphens.append(j + 1)
break
else:
if b - a == 2:
hyphens.append(b - 1)
else:
hyphens.append(a + 2)
word = input()
vowels_set = set('аеёиоуыэюяАЕЁИОУЫЭЮЯ')
specials_set = set('йьъЙЬЪ')
prev_vowel = len(word)
for i in range(len(word)):
if word[i] in vowels_set:
prev_vowel = i
break
pos = 0
for i in range(prev_vowel + 1, len(word)):
if word[i] in vowels_set:
a, b = prev_vowel, i
if b - a == 1:
print(word[pos:b], end = '-')
pos = b
else:
for j in reversed(range(a + 1, b)):
if word[j] in specials_set:
print(word[pos:j + 1], end = '-')
pos = j + 1
break
else:
if b - a == 2:
print(word[pos:b - 1], end = '-')
pos = b - 1
else:
print(word[pos:a + 2], end = '-')
pos = a + 2
prev_vowel = i
print(word[pos:])
В заключение отвечу на возможный вопрос «и к чему всё это?», ведь есть же алгоритм П. Христова в модификации Дымченко и Варсанофьева, который, к тому же, применяется не только для русского, но и для английского языка. Ну, во-первых, по факту для английского он не подходит из-за особенностей этого языка. Во-вторых, некоторые правила в нём довольно сомнительны, например правило «гсс-ссг» приводит к неверной разбивке слова «отстранять». Ну и в-третьих, предложенный мной алгоритм существенно быстрее.
P.S. Кстати, буду признателен если кто даст ссылочку на оригинальный алгоритм П. Христова, т.к. интересно какие именно модификации сделали Дымченко и Варсанофьев.
P.P. S. Поиском по списку всех русских слов обнаружилось не очень большое количество слов с 5-ю подряд идущими согласными буквами {например: агентство, ангстрем, бодрствование, интеллигентство}. В таких случаях (т.е. когда расстояние между соседними гласными буквами равно 6) следует вставлять перенос в позиции a + 3 или [что то же самое] b − 3.
Также можно объединить случаи, когда расстояние между гласными равно 1 или 2: в обоих этих случаях перенос вставляется в позиции a + 1.
vowels_set = set('аеёиоуыэюяАЕЁИОУЫЭЮЯ')
specials_set = set('йьъЙЬЪ')
word = input()
prev_vowel = len(word)
for i in range(len(word)):
if word[i] in vowels_set:
prev_vowel = i
break
pos = 0
for i in range(prev_vowel + 1, len(word)):
if word[i] in vowels_set:
a, b = prev_vowel, i
for j in reversed(range(a + 1, b)):
if word[j] in specials_set:
npos = j + 1
break
else:
if b - a <= 2:
npos = a + 1
elif b - a >= 6:
npos = b - 3
else:
npos = a + 2
print(word[pos:npos], end = '-')
pos = npos
prev_vowel = i
print(word[pos:])
