dokumente/README.wortliste

   1 Wortliste deutscher Wörter mit gewichteten Trennungen
   2
   3
   4 Bedeutung der Felder
   5 ====================
   6
   7   1 Wort ungetrennt
   8   2 Wort mit Trennungen, falls für alle Varianten identisch,
   9     anderenfalls leer
  10   3 falls Feld 2 leer, Trennung nach traditioneller Rechtschreibung
  11   4 falls Feld 2 leer, Trennung nach reformierter Rechtschreibung (2006)
  12   5 falls Feld 2 leer, Trennung für Wortform, die entweder in der
  13     Schweiz oder mit Großbuchstaben oder Kapitälchen benutzt wird und
  14     für traditionelle und reformierte Rechtschreibung identisch ist
  15   6 falls Feld 5 leer, Trennung für Wortform, die entweder in der
  16     Schweiz oder mit Großbuchstaben oder Kapitälchen benutzt wird,
  17     traditionelle Rechtschreibung
  18   7 falls Feld 5 leer, Trennung für Wortform, die entweder in der
  19     Schweiz oder mit Großbuchstaben oder Kapitälchen benutzt wird,
  20     reformierte Rechtschreibung (2006)
  21   8 falls Feld 5 leer und nicht identisch mit Feld 6, Trennung nach
  22     (deutsch)schweizerischer, traditioneller Rechtschreibung;
  23     insbesondere Wörter mit „sss“ gefolgt von einem Vokal, die wie
  24     andere Dreifachkonsonanten gehandhabt wurden (also anders, als der
  25     Duden früher vorgeschrieben hat), z.B. „süssauer“
  26
  27 Leere Felder sind mit „-x-“ markiert („x“ ist die Feldnummer); Felder 3
  28 und 4 als auch Felder 6, 7 und 8 treten immer simultan auf, um die
  29 Lesbarkeit zu erhöhen.
  30
  31 Zur Erstellung von Trennmustern für die traditionelle Rechtschreibung
  32 benötigt man Felder 2, 3, 5, und 6; für die reformierte Rechtschreibung
  33 die Felder 2, 4, 5 und 7, und für die traditionelle
  34 (deutsch)schweizerische die Felder 2, 3, 5, 6 und 8.  Felder mit höherer
  35 Feldnummer haben Priorität.
  36
  37
  38 Sortierung
  39 ==========
  40
  41 Die Sortierung erfolgt nach Dudensortierung.  Die genauen Regeln sind in
  42 der Datei „skripte/sort.py“ beschrieben, welche auch zur maschinellen
  43 Sortierung der Liste verwendet werden kann.
  44
  45
  46 Kennzeichnung der Trennstellen
  47 ==============================
  48
  49 Die Charakterisierung und Wichtung der Trennstellen ist nicht
  50 vollständig.
  51
  52 Kategorisierung
  53 ---------------
  54
  55 Trennstellen an der Grenze sinnbildender Einheiten (Morpheme) werden
  56 speziell gekennzeichnet:
  57
  58   =  an Wortfugen (zwischen Grundmorphemen): Wort=fu-ge
  59   <  nach Präfix oder Verbalpartikel: Vor<sil-be, auf<zäh-len
  60   >  vor Wortbildungssuffix: Gleich>heit, Freund>schaf-ten
  61
  62   -  innerhalb eines Morphems: ge-hen
  63
  64   ·  nicht kategorisiert: acker·bau·trei·ben·de
  65
  66 Motivation:
  67
  68 * Die Trennung an sinnbildenden Einheiten fördert den Lesefluss und ist
  69   daher zu bevorzugen.
  70
  71 * Die Markierung von Morphemgrenzen hilft bei der regelbasierten
  72   Entscheidung über den Aufbruch typographischer Ligaturen und die
  73   Schreibung des S-Lautes in Frakturschrift (Rund-S „s“ vs. Lang-S „ſ“).
  74
  75 Anmerkungen:
  76
  77 * Die Kategorisierung der Trennstellen ist nicht abgeschlossen.  Zur
  78   Zeit sind einige Trennstellen nach Präfix oder Verbalpartikel und
  79   viele Trennstellen vor Suffixen noch mit „-“ bezeichnet.
  80
  81 * Die Unterscheidung, ob ein Wortbestandteil ein Präfix, Suffix oder ein
  82   Grundmorphem ist, ist oft nicht eindeutig:
  83
  84     em-por<ar-bei-ten   oder   em-por=ar-bei-ten
  85
  86 * Viele Präfixe, die im heutigen Sprachverständnis nicht als eigenständig
  87   wahrgenommen werden, sind nicht speziell markiert:
  88
  89     En-er-gie, Ant-wort
  90
  91   Kriterien sind neben der „Güte“ der Trennstelle (geringe Störung des
  92   Leseflusses bei Zeilenumbruch an dieser Stelle) die Lang-s-Schreibung
  93   (Schluss-s auch bei s-s, s-t, oder s-p) und der Aufbruch von Ligaturen
  94   an dieser Stelle.
  95
  96 * Morphemgrenzen, an denen keine Trennung erfolgt, werden nicht
  97   gekennzeichnet. Das betrifft einsilbige Präfixe und viele Suffixe.
  98   (Im Gegensatz zu Präfixen werden im Deutschen Wörter mit Suffix nicht
  99   nach Etymologie, sondern nach der „Sprechsilbenregel“ getrennt.)
 100
 101     asozi-al              a + sozial
 102     An<ord-nung           An + ordn + ung
 103
 104
 105 Bindungsstärke und Wichtung
 106 ---------------------------
 107
 108 Die „Bindungsstärke“ gibt die Zusammengehörigkeit von Wortteilen an.
 109 Für die oben eingeführten Kategorien gilt
 110
 111   -  Sprechsilben       starke Bindung
 112
 113   <  Präfixgrenze       mittlere Bindung
 114   >  Suffixgrenze       mittlere Bindung
 115
 116   =  Wortfugen          schwache Bindung
 117
 118 Beispiele:
 119
 120   Aus<wahl=lis-te               (Aus + wahl) + (lis-te)
 121   fern=ab<ge<le-gen             fern + (ab + (ge + (le-gen)))
 122   Abend=lüft>chen               Abend + (lüft + chen)
 123
 124 Präfixe sind „rechtsbindend“:
 125
 126   un<voll<stän-dig              un + (voll + ständig)
 127   un<aus<ge<go-ren              un + (aus + (ge + (go-ren)))
 128
 129 Suffixe sind „linksbindend“:
 130
 131   Acht>lo-sig>keit              (Acht + lo-sig) + keit
 132
 133 Bei mehrteiligen Komposita kann die Bindungshierarchie durch Doppelung
 134 des Trennzeichens genauer beschrieben werden:
 135
 136   Alp=horn==trio                (Alp + horn) + trio
 137   Berg===fünf=fin-ger==kraut    Berg + ((fünf + (fin-ger)) + kraut)
 138
 139 Trennstellen gleicher Kategorie ohne Doppelung bezeichnen entweder
 140 gleichwertige Wortbestandteile, Zerlegungsalternativen oder sind (noch)
 141 nicht gewichtet:
 142
 143   Abend=brot=zeit               Abendbrot-Zeit / Abend-Brotzeit
 144
 145 Das gemischte Trennzeichen „<=“ kennzeichnet die Bindungsverhältnisse,
 146 wenn sich ein Präfix auf mehrere Teile eines Kompositums bezieht:
 147
 148   un<=wahr=schein-lich          un + (wahr + scheinlich)
 149   Ober<=be<fehls=ha-ber         Ober + ((be + fehls) + haber)
 150   Be<=gut=ach-tungs==frist      (Be + (gut + achtungs)) + frist
 151
 152 Das gemischte Trennzeichen „=>“ kennzeichnet die Bindungsverhältnisse,
 153 wenn sich ein Suffix auf das vorhergehende Kompositum bezieht:
 154
 155   an-dert=halb=>fach            (andert + halb) + fach
 156   zwei==ein=halb==>fa-che       (zwei + (ein + halb)) + fache
 157   Vor<her=sag=>bar>keit         (((Vor + her) + sag) + bar) + keit
 158
 159 Die Bindungsstärke nimmt dabei mit der Länge des Trennzeichens ab:
 160
 161   =================   ===============
 162   Bindungsstärke      Zeichen
 163   =================   ===============
 164   stark               -
 165   .                   <, >
 166   .                   =
 167   .                   ==, <=, =>
 168   schwach             ===, <==, ==>
 169   =================   ===============
 170
 171
 172 Im Allgemeinen ist die Bindungsstärke umgekehrt proportional zur „Güte“
 173 (oder dem „Gewicht“) einer Trennstelle:¹
 174
 175   ================    ==================      ===========
 176   Bindungsstärke      Güte/Gewicht            Beispiel
 177   ================    ==================      ===========
 178
 179   schwach             Vorzugstrennungen       Auswahl-
 180                                               liste
 181
 182   mittel              mittel                  Aus-
 183                                               wahlliste
 184
 185   stark               weniger gut             Auswahllis-
 186                                               te
 187   ================    ==================      ===========
 188
 189 ¹ In eine genauere „Gütebestimmung“ geht auch der Abstand zu anderen
 190   Trennstellen und die Position im Wort ein.
 191
 192 Ebenso wie die Kategorisierung ist die Markierung der Bindungsstärke
 193 unvollständig.
 194
 195
 196 Ungünstige Trennungen
 197 ---------------------
 198
 199 Ungünstige (irreführende oder sinnentstellende) Trennstellen sind mit
 200 einem Punkt markiert.  Der Punkt ersetzt das Trennzeichen für nicht
 201 kategorisierte Trennstellen oder folgt auf Trennzeichen zur
 202 Kategorisierung:
 203
 204   An·den.ken, Ost=en-.de
 205
 206 Besonders ungünstige Trennstellen können mit mehreren Punkten
 207 gekennzeichnet sein.
 208
 209   .    ungünstig: An·den.ken, Ost=en.de, Re<im<.port
 210   ..   sehr ungünstig: Ge·winn·er..war·tung
 211   ...  äußerst ungünstig: An<al-...pha-bet
 212
 213 Auch die Markierung ungünstiger Trennstellen ist weder eindeutig noch
 214 vollständig.  Bei der Generation der Trennmustern für TeX werden alle
 215 als ungünstig markierten Trennstellen als nicht vorhanden gewertet.
 216
 217
 218 Spezielle Trennungen
 219 --------------------
 220
 221 Folgende Notation wird verwendet, um spezielle Trennungen (für die
 222 traditionelle Rechtschreibung) zu kennzeichnen:
 223
 224   {«ungetrennt»/«getrennt»}
 225
 226 Dreikonsonantenregel:
 227
 228   Ab-fa{ll/ll=l}a-ger
 229
 230 Trennung von „ck“:
 231
 232   Dru{ck/k-k}er
 233
 234 Um z.B. eine Wortliste für TeX zu konstruieren (traditionelle
 235 Rechtschreibung), das solche speziellen Trennungen nicht benutzen kann,
 236 ist folgender regulärer Ausdruck in „perl“ anzuwenden:
 237
 238   s| { ( [^/]* ) / [^}]* } | \1 |gx
 239
 240
 241 Doppeldeutige Trennungen
 242 ------------------------
 243
 244 Doppeldeutige Trennstellen werden folgendermaßen deklariert:
 245
 246   [»Variante A«/»Variante B«]
 247
 248 z.B.
 249
 250   er[<b/b=]recht                Erb=recht   / er<brecht
 251   Kin[-der=/d=er<.]satz         Kinder=satz / Kind=ersatz
 252
 253 Für TeX-Trennmuster ist es vielleicht am besten, solche Einträge zu
 254 entfernen und die häufigeren Fälle in einem \hyphenation-Block zu
 255 behandeln.
 256
 257 Sowohl in „[…/…]“ als auch in „{…/…}“ können alle Arten von Trennstellen
 258 auftreten.