Dicionário galego en normativa ILG-RAG para correctores ortográficos libres
Ramón Flores
Con unha certa frecuéncia perguntan-me porque non fago un dicionário de
galego para os correctores libres Ispell/Myspell/Aspell seguindo a normativa
ILG-RAG. Existen várias razóns, mais neste documento só vou esclarecer
unha de índole técnica, mais bastante importante. Que eu coñeza houbo 3
tentativas de facé-lo dito dicionário, non sei porque non foron adiante
duas delas (na terceira estaba eu polo meio), mais suspeito que o que se
conta neste documento tivo bastante a ver.
Os dicionários para os correctores Ispell, Myspell e Aspell non son exactamente
iguais, mais son moi semellantes, e todos derivados do primeiro, o Ispell.
Por iso cando neste documento poña exemplos, farei-no do ispell, se ben
que para os outros dous correctores poderian-se pór exemplos semellantes.
Os correctores Ispell e Aspell son utilizados por numerosos programas no
sistema operativo GNU/Linux. O corrector MySpell é utilizado por uns poucos
programas, mais bastante estendidos, como OpenOffice e Mozilla (e derivados).
Como funcionan os correctores
Os correctores ispell/aspell/myspell armacenan nunha lista, chamada dicionário,
todas as palabras que consideran correctas. A hora de corrixir un texto
o programa compara cada palabra a verificar coa lista, e se coincide con
algunha das palabras da lista considera-a correcta. Portanto un bon dicionário
será aquel:
no que todas as palabras estexan ben escritas (ortografia correcta),
que conteña os termos mais usuais, e
que conteña boa parte do léxico da língua.
É difícil dicer cal é o vocabulário óptimo, pois se ben incluir unha palabra
permite recoñecé-la, cantos máis termos inclua menor é a capacidade de
detectar erros. Un exemplo: a forma verbal "potencia"
mascara a falta de acento no substantivo "poténcia".
(En mínimos)
O dicionário para o ispell basea-se en dous ficheiros:
o galician.words, con unha lista de palabras raices, as que se lles engaden unhas etiquetas, ex:
abacate/p
abacateiro/p
abacelar/MXYp
abacial/p
o galician.aff, con unha lista de regras coas que se construen palabras
derivadas a partir das raices, ex:
flag *p: #plurais
[^LSMRZ] > S # "N=p" # pato -> patos
[AU] L > -L,IS # "N=p" # animal -> animais
[B] E L > -EL,ÉIS # "N=p" # papel -> papéis
O L > -OL,ÓIS # "N=p" # anzol -> anzóis
R > ES # "N=p" # mar -> mares
de maneira que aplicando a regra p a abacate
obtemos: abacates, e aplicando a mesma regra a abacial
obtén-se abaciais.
Estas regras poden ser de dous tipos: prefixos ou sufixos. Cada palabra raiz
pode verse acompañada de diversas etiquetas, non habendo límite ao seu
número. Por outra banda os correctores combinan un prefixo e un sufixo,
ex:
paciente/I -> impaciente
paciente/p -> pacientes
paciente/Ip -> impaciente, pacientes, impacientes
mais non 2 prefixos ou dous sufixos. Ex:
enganar/X -> engano
engano/pw -> enganos, enganoso
enganar/Xpw -> engano (nen "enganos" nen "enganoso")
O dicionário galego
De princípio a lista necesária para armacenar todas as palabras da língua
galega é enorme:
Como todas as línguas románicas os verbos galegos conxugan-se, e asi na
maioria dos casos a cada raiz corresponden-lle 55 formas distintas e correctas.
Ademais en galego resulta habitual colocar os pronomes persoais detrás do verbo
(pronomes enclíticos) e unidos ao mesmo, xerando asi unha grande cantidade de formas
diferentes e correctas.
Os pronomes persoais que poden ir enclíticos son 12: me, te,
che, se, o, a, os, as, lle, lles, nos e vos.
(Ex: "louvas-me", "louvo-te", "louvan-nos",
...)
Aos pronomes individuais anteriores ha que adicionar as combinacións, contractas
ou non, dos ditos pronomes:
me + o(s)/a(s) -> mo(s)/ma(s) ( Deu-mo )
che + o(s)/a(s) -> cho(s)/cha(s) ( Deu-cho )
lle + o(s)/a(s) -> llo(s)/lla(s) ( Deu-llo )
nos + o(s)/a(s) -> no-lo(s)/no-la(s) ( Deu-no-lo )
vos + o(s)/a(s) -> vo-lo(s)/vo-la(s) ( Deu-vo-las )
se + me, te, lle, nos, vos -> se-me, se-te, se-lle, se-nos, se-vos
(Ex: Casou-se-me, rompeu-se-te, abriu-se-vos, ...)
Se multiplicamos 55 x (12 + 15) obtemos 1485 posíbeis formas para cada
verbo. E considerando uns 7000 verbos, obtemos uns 10 millóns de formas
verbais. Se ben é certo que non todas esas formas son correctas, este simples
cálculo dá unha idea da grandeza do número de formas verbais posíbeis en
galego1. (Un ficheiro ASCII con 10 millóns
de palabras ocupa uns 110 MBytes sen comprimir, e mesmo comprimido uns 22 MBytes).
ILG-RAG e Mínimos
Unha das principais diferenzas entre a normativa de mínimos e a normativa
ILG-RAG dá-se na unión dos pronomes enclíticos ao verbo.
Na normativa de mínimos, como en portugués, os pronomes enclíticos
unen-se ao verbo mediante un hifen ou trazo, sen apenas afectar a acentuación. Por exemplo:
dá + nos -> dá-nos
dá + nos + o -> dá-no-lo
andaba + lle -> andaba-lle
Existindo unicamente variación na acentuación no caso do infinitivo + o(s)/a(s). Ex:
comer + o -> comé-lo
Na normativa ILG-RAG, como en castelán, os pronomes enclíticos
unen-se directamente ao verbo, dando lugar a unha nova palabra e modificando a acentuación.
Por exemplo:
dá + nos-> danos
dá + nos + o -> dánolo
andaba + lle -> andáballe
comer + o -> comelo
A solución na normativa de mínimos
Na normativa de mínimos é posíbel considerar o hifen como un separador
de palabras, co cal o verbo e o pronome son considerados como duas palabras
diferentes. De maneira que para cada verbo teremos unicamente 55 formas
diferentes. Tendo en conta as distintas conxugacións (4), e os verbos semi-irregulares
e irregulares, en total o ficheiro de afixos (galician.aff) do dicionário
de mínimos ten 880 normas distintas para a conxugación dos verbos galegos.
Esta solución non é perfeita, tal como se explica na páxina de
limitacións, mais permite elaborar un dicionário
bastante aceitábel.
O problema da normativa ILG-RAG
Dado que os correctores aos que nos estamos a referir non permiten combinar
vários sufixos, e que na normativa ILG-RAG o verbo e o pronome dan lugar
a unha nova palabra, para facer un tratamento completo dos verbos cumpriria
un ficheiro de afixos con moitas mais regras que no caso anterior.
Asi sen non varia-se a acentuación precisarian-se unhas 880 x 27 = 23760
regras. Mais neste caso ao engadir un ou mais pronomes a acentuación altera-se,
polo que para cada verbo cumpriria considerar como mínimo duas raices,
de maneira que cada raiz teria asociadas unhas cantas regras. Ex:
and -> anda, andou, andáballe (andaba + lle) , andóuseme (andou + se + me),
andéivolo (andei + vos + o)
En castelán teñen en princípio o mesmo problema, xa que os pronomes enclíticos
unen-se directamente ao verbo. Mais neste caso a frecuéncia de uso dos
pronomes enclíticos é moito menor que en galego, de maneira que os autores
do dicionário de castelán contemplaron só uns poucos casos, sen por iso
o seu dicionário deixar de ser útil.
Solucións
Tendo en conta o anterior ocorren-se-me 4 opcións, por orde de dificuldade:
Elaborar un dicionário sen ter en conta os pronomes enclíticos. É unha
solución fácil, mais de pouca cualidade.
Elaborar un dicionário con todas as regras necesárias para os verbos. Non
é imposíbel, mais é traballoso, tanto de elaborar como de manter. Evidentemente
cantas mais regras mais posibilidade ha de cometer erros, e mais difícil
detectá-los.
Modificar os programas, os correctores ortográficos, para facilitar a elaboración
do dicionário. Por exemplo permitindo a concatenazón de dous sufixos.
Esta solución, a parte do traballo en si, a programazón, ten un problema
engadido, ou se consegue que os autores dos programas aceiten as modificacións
(a mellor opción), ou cumpre ir parcheando cada nova versión que apareza
dos correctores.
Modificar as normas ortográficas ILG-RAG para que oferezan solucións
acaídas ao galego, e non copien sen mais as do castelán.