O básico que todo mundo aprende no primário (e esquece)
Vogais e consoantes são os blocos de construção de qualquer língua. Vogais são sons onde o ar sai livremente da boca, sem nenhuma obstrução. Consoantes precisam de alguma barreira — lábios, dentes, língua, paladar — para modificar o fluxo de ar. No português, temos cinco vogais orais: A, E, I, O, U. Mais as seis semivogais, que tecnicamente são a, e, i, o, u funcionando como elementos de ditongos. As consoantes completam o resto do alfabeto. A maioria das pessoas para por aí. Mas se você trabalha com processamento de linguagem, normalização de texto ou até mesmo linguística computacional, a coisa fica mais complexa rápido.
alfabeto vogais e consoantes na prática
Um erro comum é tratar vogais e consoantes como uma categoria binária fixa. Na verdade, letras como Y e W são instáveis. Em português, Y quase sempre aparece em nomes próprios estrangeiros ou termos científicos, e W também. Elas se comportam ora como vogais, ora como consoantes, dependendo da palavra. Isso importa mais do que parece quando você está construindo um filtro ou um validador de texto. No começo, a solução óbvia é fazer uma lista manual: vogais = AEIOU, consoantes = o resto. Funciona para textos simples. Mas logo você vai se depurar com casos como "rýa" (nome indígena), "pólo" (com acento circunflexo), ou textos com hífen onde a separação silábica quebra a lógica. Eu perdi duas horas num script de separação silábica porque não estava tratando o "NH" como digrama consoantal separado. A solução foi adicionar uma lista de digramas e trigramas antes da lógica de vogais/consoantes: NH, LH, RH, CH, DH, QU, GU. Sem isso, o algoritmo simplesmente quebrava.
Como classificar de forma confiável
O método que eu uso hoje é mais pragmático do que teórico. Primeiro, normalizo o texto: removo acentos usando NFD (Normalization Form Decomposition) e filtro os caractéres base. Depois, aplico uma regex simples que considera vogais como [AEIOUaeiou] e tudo como consoante se não for vogal, espaço ou sinal gráfico. Mas a parte importante é o tratamento dos digramas antes dessa classificação. O passo a passo real:
👉 Clique no botão abaixo para saber mais sobre o assunto!
Troque digramas por tokens temporários. Substitua NH por
Limitações que ninguém admite
Esse método não funciona bem com textos criativos ou poéticos, onde o autor quebra regras ortográficas propositalmente. Também falha com neologismos e termos técnicos não padronizados. Se você está processando transcrições de fala ou textos de redes sociais, a taxa de erro sobe consideravelmente. Para textos formais, artigos, documentos legais, o resultado é confiável. Para literatura contemporânea ou conteúdo gerado por usuários, é melhor combinar com um dicionário ou usar um modelo estatístico de segmentação. O custo-benefício muda bastante dependendo do seu caso de uso. Se precisar apenas de contagem rápida de vogais e consoantes para fins educacionais ou testes simples, a abordagem com digramas resolve. Se precisa de precisão acima de 99%, considere uma biblioteca de processamento como o NLTK com regras específicas para português ou o spaCy com o pipeline pt_core_news_sm.
Exemplo concreto
Texto original: "O senhor engenheiro escreveu um relatório complexo sobre tecnologia e inovação." Depois da normalização e substituição de digramas: "O
Classificação subsequente identifica vogais e consoantes corretamente, sem confundir o "N" do "NH" ou o "G" do "GE". O resultado final é uma contagem precisa que reflete a estrutura fonológica real do português, não apenas a forma escrita ingênua. Se você quer começar com algo funcional agora, pode adaptar o script que eu descrevi acima. A lógica é suficiente para a maioria dos usos cotidianos, desde que você lembre dos digramas. O que mais quebra gente nova é esquecer que o português tem digramas que não se comportam como letras individuais.
