Digrafos Exemplos

O que são digrafos em português

Digrafos são pares de letras que representam um único fonema. Em português, os principais são ch, lh, nh, rr, ss, sc, sç, xc. Eles aparecem em praticamente todas as palavras do idioma, então saber onde vão e como se comportam é coisa básica pra quem trabalha com ortografia, ensino de língua ou processamento de texto.

Digrafos exemplos práticos

Aqui vai uma lista rasa mas funcional das mais comuns:

• ch — som de // em "chave", "chuva", "achar"
• lh — som de // em "ilha", "palha", "alheio"
• nh — som de // em "ninho", "banho", "melhor"
• rr — som de /R/ forte em "carro", "terra", "menor"
• ss — som de /s/ em "passar", "passeio", "cassar"
• sc — som de // em "nascer", "descer", "discente"
• sç — som de /s/ em "consertar", "desço"
• xc — som de // em "exceção", "exceto", "excelente"

Também tem o qu e o gu antes de e/i, que funcionam como digrafos consonantais pra manter o som duro (/k/ e /g/) sem precisar de cedilha ou til. "Queijo", "guerra". O qu com acento gráfico (k, w) aparece só em estrangeirismos e nomes próprios, então não conta pra ortografia normativa do português.

Como identificar e usar na prática

A regra geral é simples: digrafo = duas letras, um som. Mas a parte chatinha vem nos casos ambíguos e nas exceções de sílabas finais. Eu tive um problema específico num projeto de normalização ortográfica há alguns anos. A gente precisava segmentar morfemas em um corpus grande, e os digrafos sc, sç, xc estavam gerando segmentation bugs porque o algoritmo tratava cada letra como grafema independente. O resultado era palavras como "nascer" virando n-as-c-e-r em vez de n-as-cer, o que quebrava o mapeamento fonêmico. A solução foi criar uma tabela de substituição prévia, onde os digrafos eram substituídos por placeholders únicos antes da segmentação. Por exemplo, sc virava um token interno, depois era expandido pro mapeamento final. Isso reduziu o erro de segmentação de cerca de 8% pra algo perto de 0,3%. Não é brilhante, mas funciona e é mais barato do que reescrever o tokenizer do zero.

Erros comuns e armadilhas

Uma coisa que todo mundo erra: rr e ss só aparecem no meio da palavra quando têm valor forte entre vogais. "Carro", "passe". Fora isso, o som é diferente. O ss no início de palavra nunca existe em português nativo — se você vê "ss", provavelmente é um erro de digitação ou um prefixo mal analisado. O mesmo vale pra rr: ele não existe no início de palavras portuguesas regulares. Outro ponto: xc e sc/sç têm comportamentos silábicos diferentes. "Exceção" se divide em e-xe-ção, mas "nascer" é na-scer. O sc vira digrafo only quando o som é // — senão, cada letra mantém seu valor. Isso causa confusão porque o mesmo par de letras pode ser digrafo ou não dependendo da palavra.

A ortografia também mudou com o Acordo Ortográfico de 1990, e algumas coisas que antes tinham hífen ou regras diferentes agora são diferentes. Sco, sci, sce, sc i — o uso do sc antes de e/i é restrito a palavras de origem grega ou latina, e não se aplica produtivomente a neologismos. Se você tá inventando palavras, melhor evitar.

Pra quem isso é útil

Professores de língua portuguesa usam esses exemplos todo dia. Desenvolvedores de NLP precisam lidar com eles em tokenização e stemming. Tradutores também, especialmente os que trabalham com processamento automático. E qualquer um que precise fazer buscas textuais ou indexação em português precisa saber que "ch" não é o mesmo que "c" + "h" separado. Se você quer uma lista completa e atualizada pra consulta rápida, o Vocabulário Ortográfico da Língua Portuguesa (VOLP) da Academia Brasileira de Letras é a fonte oficial. Ele não é exatamente bonito de navegar, mas é confiável. Pra uso doméstico, sites como o Ciberdúvidas e o Dicionário Priberam cobrem a maioria dos casos, embora tenham suas próprias divergências às vezes.

O que eu diria é: pare de depender só da intuição. Digrafo não é só o que você acha que é, é o que a norma diz que é. E a norma às vezes é mais chata do que a intuição.