dokumente/README.wortliste

   1 Wortliste deutscher Wörter mit gewichteten Trennungen.
   2
   3 Format
   4 ======
   5
   6 Das Zeichen „#“ leitet eine Kommentar ein.
   7
   8 Jede Zeile enthält einen Eintrag mit durch Semikolon „;“ getrennten Feldern.
   9
  10
  11 Bedeutung der Felder
  12 --------------------
  13
  14 Neben dem hier beschriebenem „Langformat“ gibt es das 2017
  15 entwickelte „Kurzformat“, das in ../skripte/python/edit_tools/wortliste.py
  16 beschrieben ist.
  17
  18   Feldnummer  Bedeutung
  19   ----------  -------------------------------------------------------------
  20         1     Wort ungetrennt.
  21         2     Wort mit Trennungen, falls für alle Varianten identisch,
  22               anderenfalls leer.
  23         3     Falls Feld 2 leer, Trennung nach traditioneller
  24               Rechtschreibung.
  25         4     Falls Feld 2 leer, Trennung nach reformierter Rechtschreibung
  26               (2006).
  27         5     Falls Feld 2 leer, Trennung für Wortform, die in der Schweiz
  28               oder mit Großbuchstaben oder Kapitälchen benutzt wird und für
  29               traditionelle und reformierte Rechtschreibung identisch ist.
  30         6     Falls Feld 5 leer, Trennung für Wortform, die in der Schweiz
  31               oder mit Großbuchstaben oder Kapitälchen benutzt wird,
  32               traditionelle Rechtschreibung.
  33         7     Falls Feld 5 leer, Trennung für Wortform, die in der Schweiz
  34               oder mit Großbuchstaben oder Kapitälchen benutzt wird,
  35               reformierte Rechtschreibung (2006).
  36         8     Falls Feld 5 leer und nicht identisch mit Feld 6, Trennung
  37               nach (deutsch)schweizerischer, traditioneller Rechtschreibung
  38               mit Trennung von „ss“, auch wenn es für „ß“ steht.
  39
  40 Leere Felder sind mit „-x-“ markiert („x“ ist die Feldnummer).  Das
  41 bedeutet, die Schreibweise existiert in der entsprechenden Rechtschreibung
  42 nicht.
  43
  44 Ausnahme:
  45   Zur Vereinfachung wird bei Wörtern mit „ß“ auf die „Auskreuzung“ von
  46   Feld 5 verzichtet.  Ein Eintrag mit weniger als 5 Feldern bedeutet also
  47   nicht automatisch, dass das entsprechende Wort in der Schweiz oder in
  48   Versalschreibung existiert.
  49
  50 Felder 3 und 4 als auch Felder 6 und 7 treten immer simultan auf, um die
  51 Lesbarkeit zu erhöhen.
  52
  53 Feld 8 wird nur angegeben, wenn die Schreibweise nach
  54 (deutsch)schweizerischer, traditioneller Rechtschreibung sich von der
  55 traditionellen Versalschreibung nach Duden unterscheidet.
  56
  57 Zur Erstellung von Trennmustern für die traditionelle Rechtschreibung
  58 benötigt man Felder 2, 3, 5 und 6; für die reformierte Rechtschreibung die
  59 Felder 2, 4, 5 und 7, und für die traditionelle (deutsch)schweizerische die
  60 Felder 2, 3, 5, 6 und 8.  Felder mit höherer Feldnummer haben Priorität.
  61
  62
  63 Sortierung
  64 ==========
  65
  66 Die Sortierung erfolgt nach Dudensortierung.  Die genauen Regeln sind in
  67 der Datei „skripte/sort.py“ beschrieben, welche auch zur maschinellen
  68 Sortierung der Liste verwendet werden kann.
  69
  70
  71 Kennzeichnung der Trennstellen
  72 ==============================
  73
  74 Hinweis: Die Charakterisierung und Wichtung der Trennstellen ist nicht
  75 vollständig.
  76
  77
  78 Kategorisierung
  79 ---------------
  80
  81 Trennstellen an der Grenze funktionstragender Einheiten (Morpheme) werden
  82 speziell gekennzeichnet:
  83
  84   Marker  Bedeutung und Position
  85   ------  --------------------------------------------------------
  86       =   an Wortfugen: Wort=fu-ge
  87       <   nach Präfix, Konfix oder Verbalpartikel: Vor<sil-be, auf<zäh-len
  88       >   vor Suffix: Gleich>heit, Freund>schaf-ten
  89       -   innerhalb eines Morphems: ge-hen
  90
  91 Morphemgrenzen, an denen keine Trennung erfolgt, werden nicht
  92 gekennzeichnet.  Das betrifft einvokalige und einige assimilierte Präfixe
  93 sowie fremdsprachige Präfixe auf „s“ vor Vokal und die meisten Suffixe (im
  94 Gegensatz zu Komposita und präfigierten Wörtern werden im Deutschen Wörter
  95 mit Suffix nicht nach Etymologie, sondern nach einer formalisierten
  96 „Sprechsilbenregel“ getrennt):
  97
  98   aso-zi-al    # a- + sozial
  99   osten-ta-tiv # < lat. ostendere < ob- + tendō
 100   ob-so-let    # < lat. obsoletus < obs- + alesco
 101   tran-si-tiv  # < lat. trāns- + īre
 102
 103   An<ord-nung  # An- + ordn + -ung
 104   nö-tig       # < Not + -ig
 105
 106 aber trotz ausgefallenem „s“ vor sk, sp, sz:
 107
 108   Tran<skription # < lat. trans- + scribere
 109   tran<spirieren
 110   tran<szendent
 111
 112 Motivation:
 113
 114 * Die Trennung an sinnbildenden Einheiten fördert den Lesefluss und ist
 115   daher zu bevorzugen.
 116
 117 * Die Markierung von Morphemgrenzen hilft bei der regelbasierten
 118   Entscheidung über den Aufbruch typographischer Ligaturen und die
 119   Schreibung des S-Lautes in Frakturschrift (Rund-S „s“ vs. Lang-S „ſ“).
 120
 121
 122 Anmerkungen:
 123
 124 * Die Unterscheidung, ob ein Wortbestandteil ein Affix oder ein
 125   lexikalisches Morphem ist, ist oft nicht eindeutig:
 126
 127     em-por<ar-bei-ten    oder    em-por=ar-bei-ten
 128     wel-len>för-mig      oder    wel-len=för-mig
 129
 130   Grundidee ist, dass „=“ Teile trennt, die als eigenständige Teile
 131   wahrgenommen werden.
 132
 133   Morpheme, die eine lexikalische Bedeutung besitzen aber nicht frei
 134   auftreten können (Konfixe/gebundene lexikalische Morpheme) werden aus
 135   pragmatischen Gründen (meist) wie Affixe ausgezeichnet:
 136
 137      Alt=pleis-to<zän  statt  Alt==pleis-to=zän
 138
 139   Zu einigen dieser Konfixe existiert ein freies Homomym mit eigener
 140   Bedeutung:
 141
 142      Au-to<kor<re<la-ti-on  aber  Au-to=ab<ga-se
 143      Ra-dio<ak-ti-vi-tät    aber  Ra-dio=an<sa-ge-rin
 144
 145 * Schwierig ist die Markierung von „historischen“ Präfixen, die im heutigen
 146   Sprachverständnis nicht als eigenständig wahrgenommen werden:
 147
 148     en<er-gisch, En<er-gie  # vgl. Syn<er-gie
 149
 150   aber
 151
 152     Ant-wort, In-du-strie  # trotz in<du-zie-ren
 153
 154   Kriterien sind neben dem Sprachgefühl des Bearbeiters die „Güte“ der
 155   Trennstelle (geringe Störung des Leseflusses bei Zeilenumbruch an dieser
 156   Stelle), die Lang-s-Schreibung (Schluss-s auch bei „s-s“, „s-t“, oder
 157   „s-p“) und der Aufbruch von Ligaturen an dieser Stelle.
 158
 159   Immer markiert wird die Morphemgrenze, wenn dort abweichend von der
 160   „Sprechsilbenregel“ getrennt werden kann, z.B.
 161
 162     In<sti-tut  # de-1996: In<s-ti-tut
 163
 164   Trennstellen nach §112 der amtlichen Regeln sind keine Morphemgrenzen:
 165
 166     Ma-gnet, Zy-klus, Fe-bru-ar
 167
 168 TODO: Entscheidung über Auszeichnung
 169
 170   assimilierter lat. Präfixe: „<“ oder „-“?
 171
 172     as-si-mi-liert    /  as<si-mi-liert
 173     Kor-re<la-ti-on   /  Kor<re<la-ti-on
 174
 175   Präfix „abs-“:
 176     „Das 's' dieses Präfixes wird nicht mehr als Silbenauslaut
 177     empfunden.“ (Duden 71, K44)
 178
 179   In AR stets Trennung vor dem „s“, Schreibung in Fraktur: abſ…
 180
 181   Im Duden (06) z.B. „ab|s|trakt“, „ab|s|t|rus“. Die Trennung ab-s ist mit
 182   den amtlichen Regeln nur vereinbar, wenn „ab-“ als Präfix betrachtet wird,
 183   den die optional fremdsprachige Trennung nach §112 gilt nicht für
 184   Konsonantenverbindungen „st“ und „sp“.
 185
 186   Optionen:
 187
 188     ab<strakt;ab<s-trakt   # < lat. ab + s + trahere
 189     ab<strakt;ab<s-t-rakt  # < lat. ab + s + trahere
 190     ab<strakt;ab<st-rakt   # < lat. ab + s + trahere
 191     ab-strakt;abs-trakt    # < lat. abs + trahere
 192     ab-strakt;abs-t-rakt   # < lat. abs + trahere
 193     ab-strakt;abst-rakt    # < lat. abs + trahere
 194     ab-strakt;ab-s<trakt   # < lat. abs + trahere
 195     ab-strakt;ab-s<t-rakt  # < lat. abs + trahere
 196
 197
 198
 199 Bindungsstärke und Wichtung
 200 ---------------------------
 201
 202 Die „Bindungsstärke“ gibt die Zusammengehörigkeit von Wortteilen an.
 203 Für die oben eingeführten Kategorien gilt
 204
 205   Marker  Funktion      Bindung
 206   ------  ------------  -------
 207
 208      -    Sprechsilben  stark
 209
 210      <    Präfixgrenze  mittel
 211      >    Suffixgrenze  mittel
 212
 213      =    Wortfugen     schwach
 214
 215 Beispiele:
 216
 217   Aus<wahl=lis-te    # (Aus + wahl) + (lis-te)
 218   fern=ab<ge<le-gen  # fern + (ab + (ge + (le-gen)))
 219   Abend=lüft>chen    # Abend + (lüft + chen)
 220
 221 Präfixe sind „rechtsbindend“:¹
 222
 223   un<voll<stän-dig  # un + (voll + ständig)
 224   un<aus<ge<go-ren  # un + (aus + (ge + (go-ren)))
 225
 226   ¹ Ausnahme: Ein eingeschobenes „zu“ oder „ge“ übernimmt die Markierung der
 227     Einschubstelle auf beiden Seiten:
 228
 229       nach<zu<wei-sen  # (nach + weisen) + zu
 230
 231 Suffixe sind „linksbindend“:
 232
 233   Acht>lo-sig>keit  # (Acht + lo-sig) + keit
 234
 235 Bei mehrteiligen Komposita kann die Bindungshierarchie durch Doppelung
 236 des Trennzeichens genauer beschrieben werden:
 237
 238   Alp=horn==trio              # (Alp + horn) + trio
 239   Berg===fünf=fin-ger==kraut  # Berg + ((fünf + (fin-ger)) + kraut)
 240
 241 Trennstellen gleicher Kategorie ohne Doppelung bezeichnen entweder
 242 gleichwertige Wortbestandteile, Zerlegungsalternativen, eingeschobene Teile
 243 oder sind (noch) nicht gewichtet:
 244
 245   Abend=brot=zeit   # Abendbrot-Zeit / Abend-Brotzeit
 246   stand=zu=hal-ten  # stand+zu+halten (eingeschobenes zu)
 247
 248 Die gemischten Trennzeichen „<=“ und „=>“ kennzeichnen die
 249 Bindungsverhältnisse, wenn sich ein Affix auf mehrere Teile eines
 250 Kompositums bezieht:
 251
 252   un<=wahr=schein-lich      # un + (wahr + scheinlich)
 253   Be<=gut=ach-tungs==frist  # (Be + (gut + achtungs)) + frist
 254
 255   an-dert=halb=>fach        # (andert + halb) + fach
 256   zwei==ein=halb==>fa-che   # (zwei + (ein + halb)) + fache
 257   Vor<her=sag=>bar>keit     # (((Vor + her) + sag) + bar) + keit
 258
 259 Die Bindungsstärke nimmt dabei mit der Länge des Trennzeichens ab:
 260
 261   Bindungsstärke   Zeichen
 262   --------------   -------------
 263   stark            -
 264   .                <, >
 265   .                =
 266   .                ==, <=, =>
 267   schwach          ===, <==, ==>
 268
 269 Im Allgemeinen ist die Bindungsstärke umgekehrt proportional zur „Güte“
 270 (oder dem „Gewicht“) einer Trennstelle:¹
 271
 272   Bindungsstärke  Güte/Gewicht       Beispiel
 273   --------------  -----------------  -----------
 274   schwach         Vorzugstrennungen  Auswahl-
 275                                      liste
 276
 277   mittel          mittel             Aus-
 278                                      wahlliste
 279
 280   stark           weniger gut        Auswahllis-
 281                                      te
 282
 283   ¹ In eine genauere „Gütebestimmung“ geht auch der Abstand zu anderen
 284     Trennstellen und die Position im Wort ein.
 285
 286 Ebenso wie die Kategorisierung ist die Markierung der Bindungsstärke
 287 unvollständig.
 288
 289
 290 ungünstige Trennungen
 291 ---------------------
 292
 293 Ungünstige (irreführende oder sinnentstellende) Trennstellen sind mit einem
 294 Punkt markiert.  Der Punkt folgt auf Trennzeichen zur Kategorisierung.
 295
 296   An<den-.ken, Ost=en-.de
 297
 298 Besonders ungünstige Trennstellen können mit mehreren Punkten gekennzeichnet
 299 sein.
 300
 301   Symbol  Qualität           Beispiele
 302   ------  -----------------  ------------------------------------
 303     .     ungünstig          An<den-.ken, Ost=en-.de, Re<im<.port
 304     ..    sehr ungünstig     Ge<winn=er<..war-tung
 305     ...   äußerst ungünstig  An<=al-...pha=bet
 306
 307 Auch die Markierung ungünstiger Trennstellen ist weder eindeutig noch
 308 vollständig.  Bei der Generation der Trennmustern für TeX werden alle als
 309 ungünstig markierten Trennstellen als nicht vorhanden gewertet.
 310
 311
 312 Randtrennungen
 313 --------------
 314
 315 Nach § 107 E1 gilt (vgl. K79 in (Duden 71)):
 316
 317   Einzelne Vokalbuchstaben am Wortanfang oder -ende werden nicht ab-
 318   getrennt, auch nicht bei Komposita.
 319
 320 Eine Ausnahme sind Notentexte: Hier muss jede getrennt gesprochene Silbe
 321 abgeteilt werden. In Zweifelsfällen wird die Trennung in der Wortliste
 322 mit „·“ markiert:
 323
 324   A·i-da        # getrennt gesprochen
 325   Ka-sta-ni·e   # getrennt gesprochen
 326   A<·s-pekt     # Wahltrennung nach §113: Präfix „a-“ oder Sprechsilbe
 327   A·p-ri-ko-se  # Wahltrennung nach §112: Herkunfstsprache oder Sprechsilbe
 328
 329 Hinweis: Die Wahltrennung nach §113 wird im Inneren mit „-“ markiert:
 330
 331   Areopag;-2-;A·re·o<pag;A·re-o<pag
 332
 333 Nach den amtlichen Regeln sind „Are-opag“ und „Areo-pag“ regulär zulässige
 334 Trennungen.
 335
 336
 337 spezielle Trennungen
 338 --------------------
 339
 340 Folgende Notation wird verwendet, um spezielle Trennungen (für die
 341 traditionelle Rechtschreibung) zu kennzeichnen:
 342
 343   {„ungetrennt“/„getrennt“}
 344
 345 Dreikonsonantenregel:
 346
 347   Ab-fa{ll/ll=l}a-ger
 348
 349 Trennung von „ck“:
 350
 351   Dru{ck/k-k}er
 352
 353 Um z.B. eine Wortliste für TeX zu konstruieren (traditionelle
 354 Rechtschreibung), das solche speziellen Trennungen nicht benutzen kann, ist
 355 folgender regulärer Ausdruck in „perl“ anzuwenden, um sie zu entfernen:
 356
 357   s|\{ (.*?) / .*? \}|$1|gx
 358
 359
 360 doppeldeutige Trennungen
 361 ------------------------
 362
 363 Abweichende Trennstellen in mehrdeutigen Wörtern werden folgendermaßen
 364 deklariert:
 365
 366   [„Variante A“/„Variante B“]
 367
 368 Beispiel:
 369
 370   er[<b/b=]recht         # Erb=recht    / er<brecht
 371   Kin[-der=/d=er<.]satz  # Kin-der=satz / Kind=er<.satz
 372
 373 Für TeX-Trennmuster ist es vielleicht am besten, solche Einträge zu
 374 entfernen und die häufigeren Fälle in einem \hyphenation-Block zu behandeln.
 375 Hier ein passender regulärer Ausdruck für „perl“:
 376
 377   s|\[ (.*?) / .*? \]|$1|gx
 378
 379 Sowohl in „[…/…]“ als auch in „{…/…}“ können alle Arten von Trennstellen
 380 auftreten.