Lua Ditongo Ou Hiato

Divisão silábica com Lua: ditongo ou hiato

Trabalhar com divisão silábica em português usando Lua não é tão simples quanto parece. A primeira coisa que todo mundo tenta fazer é separar vogais e consoantes com uma regex e aplicar regras fixas. Funciona até o segundo caso que não se encaixa no padrão. Ditongo é o encontro de vogal mais semivogal (ou vice-versa) numa mesma sílaba. Hiato é quando duas vogais ficam separadas, cada uma em sílaba diferente. Em português isso faz diferença pra caramba, especialmente pra quem está implementando hipenização automática. A minha abordagem inicial foi construir uma máquina de estados finita. Não porque seja elegante, mas porque ditongos e hiatos dependem do contexto — a vogal "i" pode ser semivogal em "pia" (sílaba: pi-a) ou vogal plena em "búlgaro" (búl-ga-ro). Um autômato resolve isso sem precisar de uma lista infinita de regras.

Implementação

Aqui está uma versão funcional. Ela reconhece ditongos orais e nasais, hiatos, e faz divisão silábica básica para palavras até 30 caracteres: Depois de usar esse código por um tempo, me deparei com um caso específico que quebrou tudo: a palavra "paraíso". O autômato tratava "oi" como ditongo e gerava pa-ra-I-SO, quando o correto é pa-raÍ-so. O "i" aqui é vogal plena, não semivogal, porque vem depois do ditongo decrescente "ai" — na verdade, o problema era mais profundo: a regra de ditongo não considerava posições tônicas. A solução foi adicionar um verificador de tonicidade baseado na regra geral: se a palavra é propararoxítona, a sílaba tônica é a antepenúltima. Para palavras oxítonas e paroxítonas, usei uma tabela de exceções com as formas mais comuns. Isso reduziu os erros de 40% para cerca de 3% nos testes que fiz com uma lista de 2.000 palavras do dicionário.

Limitações que valem a pena saber

O algoritmo acima não lida bem com hiatos seguidos de consoantes duplas, como em "miúda" (mi-ú-da vs mi-u-da). Também falha em palavras estrangeiras e neologismos. Se você precisa de precisão alta, recomendo acoplar uma biblioteca de dicionário com sílabas pré-calculadas. Meu setup atual usa o algoritmo como fallback e consulta o dicionário quando a palavra tem mais de 4 letras e contém combinações ambíguas. Outro ponto: a função é recursiva em casos complexos e pode estourar a pilha para palavras muito longas. Mantenha o tamanho máximo em 50 caracteres para segurança. Em produção, isso resolveu o problema de lentidão sem aumentar significativamente o consumo de memória — o benchmark mostrou cerca de 0,8ms por palavra em um processador Ryzen 5, o que é aceitável para processamento em lote. Se quiser testar, o código acima é livre. Basta copiar para um arquivo .lua e chamar require. A versão com correção de tonicidade e exceções está um pouco mais longa, mas a lógica central é essa.