Turbo Toolbox/Turbo_Toolbox.iso/spezial/07/silben.txt

Text File | 1989-03-07 | 28.6 KB | 624 lines

Abbildung 1: Aufrufstruktur im Silbentrennungsprogramm

Abbildung 2: Konstanten, Typen und Variablen der Silbentrennung

Abbildung 3: Struktogramm "Silbentrennung"

Abbildung 4: Struktogramm "Wortbeginn"

Abbildung 5: Struktogramm "InListe"

Abbildung 6: Struktogramm "Vor_Test"

Abbildung 7: Struktogramm "Silben_Start"

Abbildung 8: Struktogramm "Registriere"

Abbildung 9: Struktogramm "Vokal_Vokal"

Abbildung 10:Struktogramm "Konsonant_Vokal"



Wie der böse Hau-Stier zum zahmen Haus-Tier wurde:


Turbo Pascal lernt Silbentrennung

                               von Matthias Uphoff

Immer, wenn es darum geht, Text in eine bestimmte Form zu
bringen, macht es sich äußerst unangenehm bemerkbar, wenn ein
Programm keine Silbentrennung beherrscht. Besonders bei schmaler
Textbreite (Mehrspaltensatz) und langen Wörtern entstehen
häßliche Lücken im Schriftbild. Der Programmierer, der seinem
Text- oder Formatierprogramm in dieser Hinsicht gute Manieren
beibringen will, kommt jedoch alsbald in Teufels Küche: Die
Struktur der deutschen Sprache ist weit entfernt von jeder DIN-
genormten und computergerechten Regelmäßigkeit. Wie sich
trotzdem mit vertretbarem Aufwand ein sehr treffsicherer
Trennalgorithmus programmieren läßt, soll dieser Beitrag zeigen.

Betrachten wir zunächst in historischer Reihenfolge die
verschiedenen Formen der Unterstützung, die Textprogramme bei
der Silbentrennung üblicherweise bieten:

1) Weiche Trennstriche: Der Anwender gibt bereits bei der
   Texteingabe Trennstellen vor. Diese Methode ist sehr
   umständlich und wird wegen dem Klopapier-Effekt (es reißt
   überall, nur nicht an der Perforation) heutzutage kaum noch
   angewendet: Hat man ein Wort vorsorglich mit Trennfugen
   versehen, so findet dort garantiert nie ein Zeilenumbruch
   statt.

2) Provisorische Trennhilfe: Das Programm stellt fest, ob eine
   Silbentrennung den Randausgleich verbessert und hält an,
   damit der Benutzer die Trennstelle per Cursortasten festlegen
   kann. Alternativ ist ein Joystick zu empfehlen; ein Druck auf
   den Feuerknopf läßt dann das Wort mit einem lauten Knall in
   zwei Teile zerbersten.

3) Trennvorschläge: Das Programm setzt den Cursor auf eine
   Position, an der sich seiner Meinung nach eine Trennstelle
   befinden könnte. Der Anwender darf mit RETURN bestätigen oder
   eine Korrektur vornehmen (s.o.). Doch selbst bei hoher
   Treffgenauigkeit bleibt die traurige Tatsache, daß der
   Benutzer wie bei vielen semi-intelligenten Programmen unseres
   Zeitalters zum RETURN-Drücker degradiert wird.

4) Vollautomatische Silbentrennung: Diese Methode beruht auf
   zwei unabdingbaren Voraussetzungen:

   - Einem Trennalgorithmus mit nahezu hundertprozentiger
     Treffsicherheit.

   - Einem unerschütterlichen Glauben des Anwenders an die
     Unfehlbarkeit der Software.

Ein Blick in eine beliebige Tageszeitung oder Illustrierte
zeigt, wie es in der Realität aussieht. Wer gerade an einer
selbstgebastelten Trennroutine verzweifelt, kann sich hier
trösten lassen: Auch professionelle Satzmaschinen machen
haarsträubende Fehler.

Eine brutale Lösung der gesamten Problematik besteht darin, das
Textprogramm mit einer Dateiverwaltung zu verkuppeln, die auf
den gesamten deutschen Wortschatz inklusive Silbentrennungen
zugreift. Als Zugabe erhält man die Möglichkeit einer
Rechtschreib-Korrektur; allerdings steigen auch die
Anforderungen an die Hardware beträchtlich. Ohne Festplatte und
mehrere hundert KByte freien Hauptspeicher ist hier nichts zu
wollen. Und für den Heimanwender, der sich ein Formatierprogramm
schreibt, um seine alten Wordstar-Texte auf dem neuen 24-Nadel-
Drucker in Desktop-Qualität zu Papier zu bringen (siehe auch
Umbruch & Druck, Pascal 11/87), ist diese Lösung ohnehin nicht
praktikabel. Wer hat schon Lust, den gesamten Duden abzutippen?
Umsonst wird Langenscheidt die Dateien garantiert nicht
rausrücken...


Der algorithmische Weg


Also bleibt die Frage, ob sich eine akzeptable Silbentrennung
nicht auch mit einer Ansammlung einfacher Regeln und Algorithmen
realisieren läßt. Geht man dem nach, so sieht es zunächst
schlecht aus: Alle im Duden angegebenen Trennregeln beruhen auf
einem Wortverständnis in Verbindung mit rhythmischem
Sprachgefühl, und das ist bekanntermaßen nicht die stärkste
Seite unserer Silizium-Knechte. Auch goldene Schülerregeln wie
'Trenne nie st, denn das tut ihm weh' (in Atari-Kreisen bekannt
als 'Trenne dich nie von deinem ST...') sind sehr fragwürdig,
wie das "Hau-stier" beweist.

Wenden wir uns deshalb zunächst ein paar trivialen Grundlagen
zu. Eine provisorische Trennhilfe zählt einfach die Buchstaben
eines Wortes ab, die sich diesseits und jenseits des rechten
Textrandes befinden. Um zu entscheiden, ob eine Trennung
vorgeschlagen wird, sollte der Routine zumindest Folgendes
bekannt sein:

- Wörter bestehen aus Buchstaben und sind durch Nicht-Buchstaben
  voneinander abgegrenzt.

- Eine Silbe besteht aus mindestens zwei Buchstaben.

- Eine Silbe enthält mindestens einen Vokal (A, E, I usw.).

...woraus folgt, daß ein Wort überhaupt erst ab 4 Buchstaben und
2 Vokalen für eine Silbentrennung in Betracht kommt. Die
Beachtung dieser Regeln vermeidet unnötige Abfragen (z.B. bei
Wörtern wie 'Strumpf' oder mathematischen Ausdrücken). Zum
Repertoire einer Trenn-Routine gehört also neben dem
Zeichenzählen die Fähigkeit, Buchstaben von Nicht-Buchstaben und
Vokale von Konsonanten zu unterscheiden. Wenn die Routine dem
Anwender mit ihren Trennvorschlägen möglichst viele Cursor-
Manöver abnehmen soll, ist allerdings eine Menge zusätzliches
Wissen erforderlich. Recht exakte Trennregeln lassen sich für
den Fall angeben, daß mehrere Vokale aufeinandertreffen:

- Folgt auf einen Diphthong (AU, EI, EU...) ein weiterer Vokal,
  so wird vor diesem getrennt (Bau-er, Trau-ung).

- Zwischen bestimmten Vokalkombinationen wie etwa AE, EÄ, II, UE
  wird fast (!) immer getrennt (ge-ändert, vari-ieren, tu-en).
  Bei Vokalkombinationen, die mit U beginnen, muß
  vorsichtshalber getestet werden, ob ein Q vorangeht (qu-er
  wäre fatal).

Die zweite Regel ist eigentlich nur eine statistische Aussage,
die jedoch im deutschen Sprachraum provisorisch als 'Wahrheit'
gelten darf. Aber wie dem auch sei - die nächste Anforderung an
eine Trennroutine ist jedenfalls die Identifikation bestimmter
Buchstabenkombinationen (Wortfragmente) anhand vorgegebener
Listen, z.B. einer Liste aller Diphthonge. Allerdings helfen uns
die obigen Regeln nicht viel weiter, da sie nur einen geringen
Anteil der in einem Text anfallenden Silbentrennungen erfassen.
Der Löwenanteil fällt unter die folgende Gesetzmäßigkeit:

- Zwischen einem Vokal und dem nächsten Konsonant-Vokal-Übergang
  befindet sich immer eine Trennfuge.

Der erste Vokal in 'Computer' ist das O, darauf folgen die
Konsonant-Vokal-Übergänge 'pu' und 'te', so daß das Wort mit
Sicherheit zwei Trennstellen enthält. Diese Regel ist in
Verbindung mit den Gesetzen für Vokal-Vokal-Übergänge absolut
ausreichend, um Silben zu zählen. Mit Textanalyse-Programmen
läßt sich auf diese Weise die Verständlichkeit eines Textes
messen, indem man (neben einigen anderen Faktoren) die
durchschnittliche Silbenanzahl pro Wort ermittelt. (Vergl.
hierzu CHIP-Spezial, Sonderheft Turbo Pascal 7, S. 41 ff:
Computer liest Kant, Vogel-Verlag).


Intervallschachtelungen


Leider sagt uns die Regel nicht, wo sich die Trennfuge genau
befindet, sondern gibt für die Position nur ein Intervall an. Um
die Angelegenheit gleich computergerecht zu formulieren, führen
wir zwei Integer-Variablen ein, die auf bestimmte Stellen in
einem Wort 'zeigen' und deshalb hier kurzerhand als 'Zeiger'
bezeichnet werden, obwohl sie nichts mit dem Variablentyp
'Pointer' zu tun haben. Weiterhin soll folgende Vereinbarung
gelten: Wenn wir davon sprechen, daß ein Zeiger auf eine
Trennstelle zeigt, so gibt er die Position des nachfolgenden
Buchstaben an.

Beginnen wir also mit einer Routine, die mit den Zeigern LinksP
und RechtsP die Position der Trennstelle eingrenzt:
,,l
Suche den ersten Vokal
Solange nicht Wortende wiederhole
   Suche nächsten Konsonanten
   Setze LinksP auf den Konsonanten
   Suche nächsten Vokal
   Setze RechtsP auf den Vokal
   Ermittle Trennstelle

Nach dem ersten Schleifendurchlauf zeigt LinksP auf das M und
RechtsP auf das U von 'Computer', womit folgende
Trennmöglichkeiten zur Auswahl stehen:

             Co-mputer
             Com-puter
             Comp-uter

Die Aufgabe der Prozedur 'Ermittle Trennstelle' ist es, die
endgültige Entscheidung zu treffen. Doch wie soll sie vorgehen?
Hier hilft folgende Erkenntnis:

- Es gibt nur eine begrenzte Auswahl von Konsonantkombinationen,
  die am Anfang oder Ende einer Silbe stehen können.

Es gibt keine Silben, die mit 'mp' beginnen, und auch als Endung
ist diese Kombination zumindest sehr unwahrscheinlich (wer das
Beispiel jetzt mit einem Hinweis auf 'Lump' sabotiert, ist ein
solcher!). Damit bleibt nur die zweite Trennmöglichkeit, und mit
Hilfe zweier zusätzlicher Fragmentlisten (plausible
Konsonantkombinationen am Silbenanfang/-ende) findet der
Computer das auch heraus:

- Setze LinksP nach rechts, bis die Konsonanten ab LinksP einen
  plausiblen Silbenanfang ergeben.

- Setze RechtsP nach links, bis die Konsonanten vor RechtsP ein
  plausibles Silbenende ergeben.

Die Zeiger werden also aufeinander zubewegt. LinksP zeigt danach
auf das P von 'Computer' (ein einzelner Konsonant ist immer ein
plausibler Silbenanfang), und RechtsP weist auf die gleiche
Stelle! Damit ist die Trennfuge eindeutig bestimmt, und es wäre
wunderschön, wenn das immer so gut funktionieren würde. Doch
leider ist das nicht der Fall.


Sie konnten zusammen nicht kommen...


Erinnern wir uns an das fatale Haustier: 'st' ist sowohl am
Anfang als auch am Ende einer Silbe akzeptabel, so daß sich die
Zeiger mit dem obigen Verfahren kein Stück näher kommen. Was
nun? Folgende Regel hat sich bewährt, da sie häufiger das
Richtige trifft als die anderen Möglichkeiten:

- Wenn die zusätzliche Eingrenzung keine eindeutige Entscheidung
  herbeiführt (d.h. weiterhin LinksP < RechtsP gilt), trenne bei
  LinksP.

...und damit hätten wir den Hau-Stier am Hals. Trotzdem kann man
mit dieser Notlösung leben, da sie wie gesagt die mei-sten Fäl-
le rich-tig be-han-delt (bitte nachprüfen!). Für Trennvorschläge
mit Nachfrage ist das schon ausreichend, für eine
vollautomatische Silbentrennung jedoch noch lange nicht. Deshalb
geht die Suche weiter: Gibt es zusätzliche Maßnahmen, die die
Lücke zwischen LinksP und RechtsP schließen? Es gibt sie in der
Tat, doch der eifrige Leser sei gewarnt. Bislang war noch alles
einigermaßen klar und logisch, aber nun begeben wir uns
endgültig auf die verschlungenen Pfade des germanischen
Sprachdschungels, mit Ausnahmen und Ausnahmen von Ausnahmen...
oder mit anderen Worten: Ab jetzt wird es tierisch empirisch!

1. Maßnahme: Analyse des Wortanfangs.
Es gibt eine ganze Reihe Vorsilben, die mitsamt der
dazugehörigen Trennstelle anhand von Listen identifiziert werden
können. Das ist besonders dann nützlich, wenn auf die Vorsilbe
ein Vokal folgt, da unser bisheriger Algorithmus LinksP auf den
Konsonanten davor setzt und sich deshalb gründlich irrt.
Manchmal folgen sogar mehrere Vorsilben auf-ein-ander, und damit
das Programm diesen Fall richtig behandelt, muß es sowohl 'auf-'
als auch 'ein-' als Silbe erkennen.

Doch das Verfahren ist nicht ohne Tücke. Die häufige Vorsilbe
'ab-' wird z.B. irrtümlich bei 'aber' erkannt, und die Vorsilbe
'be-' darf in 'Bein' nicht abgetrennt werden, aber sehr wohl
dagegen in 'be-inhalten'! Es gibt leider eine Vielzahl solcher
Fälle, und deshalb muß die Vorsilben-Identifikation gebremst
werden:

- Es wird eine Liste mit Wörtern bzw. Wortanfängen geführt, die
  vor der Vorsilben-Routine geschützt werden müssen (Hier kann
  z.B. 'aber' auftauchen).

- Es muß getestet werden, was auf Vorsilben wie z.B. 'ein-' oder
  'er-' folgt, damit nicht Wörter wie 'einst' oder 'Ernte'
  auseinandergenommen werden. Das entscheidende Kriterium ist
  hierbei, ob nach der Vorsilbe noch ein weiterer Vokal
  auftaucht, und wenn ja, ob die Konsonanten bis zu diesem Vokal
  einen plausiblen Silbenanfang ergeben.

- Spezialisierte Listen enthalten Wortanfänge, die nach einer
  bestimmten Buchstabenanzahl getrennt werden. Hier kann man
  Vorsilben durch einige weitere Buchstaben ergänzen, die eine
  bessere Identifizierung ermöglichen. Z.B. ist es nicht ratsam,
  dem sehr ausnahmefreudigen Wortanfang 'be-' einen
  uneingeschränkten Vorsilben-Status einzuräumen. In eine Liste
  zweibuchstabiger Vorsilben werden nur Fälle eingetragen, die
  unsere bisherigen Regeln übersehen, also Fragmente wie 'beinh'
  oder 'been', damit 'be-inhalten' oder 'be-enden' erkannt wird.

- Häufig kann man beobachten, daß ein typischer Wortanfang nur
  dann mit Sicherheit eine Silbe darstellt, wenn kein 'e' folgt.
  Das gilt z.B. für die Vorsilbe 'ein-' oder das Wort 'Haus-'
  (Haus-angestellte, aber: zu Hau-se). Also wird eine
  entsprechende Liste angelegt, mit der sich auch endlich der
  Hau-Stier zähmen läßt!

Doch selbst eine gründliche Vorsilbenanalyse wird zahlreiche
Fälle übriglassen, in denen uns weiterhin die Lücke zwischen
LinksP und RechtsP angähnt. Die Positionen innerhalb des
Intervalls können mit den folgenden 3 Maßnahmen genauer
untersucht werden:

2. Maßnahme: Typisches Silbenende unter Einbeziehung von
Vokalen.

Eine Liste mit Konsonantkombinationen, die am Silbenende stehen
können, hatten wir schon. Noch schärfer wird das
Unterscheidungsvermögen, wenn das Programm ein paar besonders
häufig auftretende Silbenendungen wie '-ions-', '-ungs-' oder
'-eits-' anhand der Vokale identifiziert. Kritische
zusammengesetzte Wörter wie 'Zeitungs-ente' oder 'Sicherheits-
prüfung' (plausibler Silbenanfang spr!) werden dann richtig
behandelt. Auch hier kann es Probleme mit Überschneidungen
geben, was sich durch Trennungen wie 'Leits-atz' oder 'Zeits-
chrift' bemerkbar macht. Bewährt hat sich in diesem Zusammenhang
die Zusatzklausel, daß die Spezialendungen erst berücksichtigt
werden, wenn in dem Wort schon vorher eine Trennung registriert
wurde.

3. Maßnahme: Typischer Silbenanfang unter Einbeziehung von
Vokalen.

Das Gleiche andersherum: Da Konsonantkombinationen wie 'kr',
'fl', 'str' usw. als Silbenanfang akzeptiert werden, kommt es zu
Fehlleistungen wie 'wir-klich' oder 'Kau-fladen'. Hier lohnt es
sich, häufig auftretende Nachsilben oder Wörter, die mit einem
kritischen Konsonanten beginnen (z.B. '-lich', '-reich'), in
einer weiteren Liste abfragen zu lassen.

4. Maßnahme: Wörter, die mit einem Vokal beginnen

Besonders problematisch wird die Ermittlung der Trennstelle bei
zusammengesetzten Wörten, wenn das zweite Wort mit einem Vokal
beginnt, da LinksP als 'General-Anzeiger' immer auf den
Konsonanten davor zeigt. Deshalb geht sogar 'Tren-nalgorithmus'
daneben, was besonders peinlich ist. Abhilfe kann eine Liste
schaffen, die häufig auftretende mit einem Vokal beginnende
Silbenanfänge enthält. Die Einträge müsssen ausführlich genug
sein, um Verwechslungen vorzubeugen. Für die richtige Behandlung
von 'Trennalgoritmus' würde das Fragment 'alg' reichen (und auch
gleich alle Sorten von Algen sowie sämtliche Himmelsrichtungen
plus -algerien erschlagen), aber dann wird man eventuell durch
Chor-algesang überrascht. Also doch lieber 'algo'?

Auch wenn diese Beispiele mühsam an den Haaren herbeigezogen
wurden, so machen sie doch ein Dilemma deutlich, das bei allen
Fragmentlisten eine Rolle spielt. Je allgemeiner (kürzer) die
Wortfragmente sind, um so mehr Fälle können sie erfassen, aber
um so mehr Verwechslungsmöglichkeiten entstehen auch. Die
richtige Bestückung der Listen ergibt sich durch Versuch und
Irrtum: Man läßt den Computer trennen, schaut zu, was er
besonders gerne falsch macht und verändert die Listen
entsprechend. Dabei kommt man häufig vom Hölzchen auf's
Stöckchen. Trennungen wie Finan-zamt machen in einem Brief an
das Finanz-amt keinen besonders guten Eindruck. Also kommt
Maßnahme 4 zum Zuge und '-amt' in die Liste. Danach ist man
insges-amt zufrieden... hoppla, so war das nicht gemeint! Nach
einigem Grübeln findet man das Gegenmittel und schreibt das
zungenbrecherische Fragment 'nsge-' in die Liste der
Silbenendungen mit Vokal. Oder lieber '-samt' in die Liste der
Nachsilben? Das würde dem Straßenverkehr-samt sicher nicht
guttun, aber das wird in Zukunft sowieso nicht mehr gebraucht,
da der Computer inzwischen ein 'Alles-amt' erfunden hat, das
einfach für alles zuständig ist. Na denn Prost, wo ist der Sekt?


Das Programm


Der Trennalgorithmus wurde in Turbo Pascal 3.0 realisiert, um
ihn einem möglichst großen Anwenderkreis zugänglich zu machen.
(CP/M-Freaks, wir haben euch nicht vergessen!). Alles bisher
besprochene spielt sich in "SILBEN.PAS" innerhalb der Prozedur
Silbentrennung ab, der ein Wort oder auch ein ganzer Satz in
einem String übergeben wird. Dafür liefert sie die Anzahl der
ermittelten Silbentrennungen und sämtliche Trennpositionen in
einem Integerarray zurück.

Etwas Aufmerksamkeit erfordert die Integration der
Fragmentlisten in das Programm. Die erste Idee war natürlich,
sie als typisierte Stringkonstanten zu deklarieren. Die
Beschränkung auf 255 Zeichen wird jedoch schon von den möglichen
Konsonantkombinationen am Silbenende gesprengt, und der Turbo
3.0-Editor mag sowieso keine Stringkonstanten, die die maximale
Zeilenlänge von 127 Zeichen überschreiten. Also blieben nur
ARRAYs OF CHAR, und hier muß - oh Graus - jeder einzelne
Buchstabe durch Hoch- und Tiefkommata eingerahmt werden, was
besonders auf MS-DOS-Rechnern eine Qual ist.

Deshalb wurde folgender Weg beschritten: Die Fragmentlisten
werden zunächst mit dem Turbo-Editor als ganz normale Textdatei
erfaßt. Das Listing FRAGMENT.TXT zeigt, wie das aussieht und was
dabei zu beachten ist. Sobald Sie diese Datei 'im Kasten' haben,
tritt das Dienstprogramm "ARRAY.PAS" in Aktion, das den Namen
der Fragmentdatei anfordert, die Listen in saubere ARRAY OF
CHAR-Deklarationen verwandelt und sie als FRAGMENT.INC auf
Datenträger schreibt. Diese Datei wird dann per Include-
Anweisung in SILBEN.PAS eingebunden. Hier brauchen Sie sich also
um nichts zu kümmern: ARRAY.PAS zählt die Zeichen, setzt alle
erforderlichen Kommas, ergänzt am Zeilenende ein Leerzeichen,
mit dem die Fragmente unterteilt werden, und versieht das
fertige Array noch mit einem chr(255) als Endmarkierung, damit
die Suchroutine in SILBEN.PAS nicht über das Ziel hinausschießt.

Leider war es aus Platzgründen nicht möglich, das Programm
"ARRAY.PAS" abzudrucken. Dieses ist aber auf der Diskette
"TOOLBOX Spezial VII" enthalten, bitte beachten Sie
diesbezüglich die Seite 16 dieser Beilage.

Das Hauptprogramm von SILBEN.PAS stellt zwei Testmöglichkeiten
zur Verfügung. Nach dem Programmstart wird zunächst nach einem
Dateinamen gefragt. Wenn Sie ohne eine Eingabe RETURN drücken,
erwartet das Programm von Ihnen, daß Sie die zu trennenden
Wörter/Sätze über die Tastatur eingeben. Sie erhalten sie dann
gleich retour auf dem Bildschirm, inklusive Trennstriche und
einer Umwandlung von c-k-Trennungen in k-k.

Ansonsten können Sie eine beliebigen ASCII-Textdatei angeben,
die komplett in Silben zerlegt auf dem Drucker ausgegeben wird.
Auf diese Weise läßt sich gut überblicken, wie treffsicher der
Trennalgorithmus ist. Zum Abschluß gibt das Programm die
Gesamtzahl der Silbentrennungen an. Ideal wäre natürlich eine
Meldung wie '2000 Silbentrennungen, davon 20 falsch'. Die
Implementation eines Supervisor-Modus sei jedoch dem begabten
Leser überlassen. (Dazu ein Tip: Versuchen Sie es mit iterativem
Backtracking in kreuzweise diagonalisierten Binärbäumen).

Auch hier möchten wir nochmal auf die "TOOLBOX Spezial VII"
verweisen. Auf dieser Diskette ist eine Profiversionsion des
Programmes enthalten, welche neben komfortabler
Benutzeroberfläche auch die Möglichkeit bietet, beliebige
Zeichencodes für die Trennstelle vorzugeben, so daß das Programm
beispielsweise als Trennhilfe für Low-Cost-DTP-Programme
verwendet werden kann.


Arbeitsteilung


Die Prozedur Silbentrennung ist so aufgebaut, daß sie das
Verfahren möglichst deutlich widerspiegelt und eine Umsetzung in
andere Programmiersprachen erleichtert. Auf Codelänge- oder
Geschwindigkeitsoptimierung wurde im Interesse einer klaren
Gliederung weitgehend verzichtet. Deshalb enthält die Prozedur
Silbentrennung mehrere lokale Prozeduren und Funktionen, die
signifikante Teilaufgaben übernehmen.

Einen Überblick über die Programmaufrufstruktur bietet Abbildung
1. Die Algorithmen in der Prozedur "Silbentrennung" und den
untergeordneten Prozeduren sind in den Abbildungen 2 bis 10 als
Struktogramme dargestellt.

Von zentraler Bedeutung ist die bool'sche Funktion InListe. Sie
durchsucht eine Fragmentliste nach einem Wortfragment, das an
der Position p im String Zeile beginnt, und gibt im Erfolgsfall
'true' zurück. Die zu durchsuchende Fragmentsammlung wird als
untypisierter VAR-Parameter übergeben, da die Listen ja alle
eine verschiedene Länge haben. Eine Überlagerung mit einer
Absolute-Deklaration sorgt dann für ein 'ordentliches' ARRAY OF
CHAR als Ansprechpartner. Da die Suchroutine keine Informationen
über die Länge des zu findenden Wortfragments besitzt,
orientiert sie sich an den Blanks, die als Separatoren zwischen
den Listeneinträgen stehen. Weiterhin geht sie davon aus
(wichtig!), daß die Liste nach den Anfangsbuchstaben
alphabetisch sortiert ist und gibt deshalb auf, sobald der erste
Buchstabe eines Wortfragments (genauer gesagt die ASCII-Nummer
des Buchstabens) 'größer' als der Buchstabe an der Startposition
p in Zeile ist. Auf diese Weise wird Rechenzeit gespart, und die
Array-Endmarkierung chr(255) beendet die Suche ohne Extra-
Abfrage auf jeden Fall!

Die Prozedur 'Registriere' wird von verschiedenen Stellen aus
aufgerufen und ist für die Buchführung zuständig. Sie zählt die
erkannten Trennstellen und trägt die Positionen in ein Integer-
Array ein. Sie weiß übrigens als einzige, daß es keine
einbuchstabigen Silben geben darf, und unterschlägt sie einfach,
damit z.B. 'Atomenergie' nicht zur Katastrophe wird. Die
aufrufenden Programmteile merken davon nichts!

Eine wichtige Testhilfe stellt die bool'sche Funktion
Silben_Start dar. Sie untersucht, ob an der Zeilenposition p ein
plausibler Silbenanfang vorliegt und gibt 'true' zurück, wenn
dort

- ein Vokal steht

- auf einen Konsonanten direkt ein Vokal folgt

- die Konsonanten bis zum nächsten Vokal einen plausiblen
  Silbenanfang darstellen.

Die nächsten drei lokalen Prozeduren kümmern sich um die
Ermittlung von Trennstellen und machen dabei regen Gebrauch von
der Suchfunktion InListe. Die Arbeitsteilung sieht wie folgt
aus:

- Wortanfang an der Position p analysieren. Hier kommt Maßnahme
  1 zum Zuge. (Procedure Wortbeginn)

- Eventuelle Trennstelle zwischen Vokalen in einem Intervall
  LinksP...RechtsP ermitteln. (Procedure Vokal_Vokal)

- Bei einem Konsonant-Vokal-Übergang das Intervall
  LinksP...RechtsP durch plausible Silbenenden bzw. -anfänge
  eingrenzen. Fällt hierbei keine eindeutige Entscheidung, wird
  das verbleibende Intervall mit den Maßnahmen 2 bis 4 einer
  genaueren Analyse unterzogen. (Procedure Konsonant_Vokal)

Für den Hauptteil der Prozedur Silbentrennung bleibt nur noch
der organisatorische Rahmen. Zunächst werden einige
Vorbereitungen getroffen: Der Aufruf von Uppercase konvertiert
die zu trennende Zeile in Großbuchstaben (unter Berücksichtigung
der Umlaute!), und dann kommt noch ein chr(0) als neutrale
Endmarkierung hinten dran. Die folgende REPEAT...UNTIL-Schleife
filtert successive alle Wörter aus der Zeile heraus, indem sie
die Positionszeiger StartP und EndP auf den ersten und hinter
den letzten Buchstaben des jeweils nächsten Wortes setzt. Hier
wird also klar zwischen Buchstaben und Nicht-Buchstaben
unterschieden, und deshalb ist die gesamte Prozedur sehr
tolerant: Man kann ihr alles zu fressen geben, einschließlich
Assemblerlistings und Blockgrafiken, ohne daß sie sich beirren
läßt. Immerhin enthalten ja auch normale Texte massenweise
Nicht-Buchstaben wie Satzzeichen, Klammern, Bindestriche usw.!

Nach dem Herausfiltern eines Wortes geht es dann zur Sache: Ist
es länger als 3 Buchstaben, so werden nach der Analyse des
Wortanfangs in einer WHILE-Schleife die Intervalle abgesteckt,
in denen sich die Prozeduren Vokal_Vokal und Konsonant_Vokal
nach einer Trennstelle umschauen dürfen.


Ausblicke


So, und nun wollen Sie vermutlich noch wissen, wie gut der
Algorithmus in der Praxis funktioniert. Einige Testläufe fördern
Erstaunliches zu Tage: Trotz der Probleme mit dem Finanzamt (wer
hat die nicht?) und einiger anderer Unsicherheiten erhält man
eine durchschnittliche Trefferquote von über 99%; das Resultat
für diesen Artikel lautet 20 Fehler bei 3500 Trennungen. Da beim
Formatieren eines Textes vielleicht nur alle drei Zeilen eine
Silbentrennung anfällt, lohnt es sich also schon, ohne Nachfrage
zu arbeiten.

Die Trennroutine im Textverarbeitungsprogramm ConText PC 2.0
arbeitet übrigens nach dem gleichen Prinzip wie SILBEN.PAS. Sie
wurde jedoch komplett in Assembler codiert und enthält neben
etwas umfangreicheren Fragmentlisten noch ein paar zusätzliche
Feinheiten. Wer gerne auf Maschinenebene herumturnt, sollte die
Umsetzung in Assembler probieren, es lohnt sich! Inklusive
Listen erhält man weniger als 2000 Bytes Code, und die ganze
Angelegenheit wird kompakt und schnell genug, um sie problemlos
in andere Programme integrieren zu können.

Die Pascal-Version ist leider nicht besonders hurtig, was im
wesentlichen an der Suchfunktion InListe und den zeitraubenden
Mengenabfragen liegt. Weiterhin macht sich bemerkbar, daß die
strengen Pascal-Strukturen einem derart chaotischen Problem
nicht unbedingt entgegenkommen. Die Umstände mit den typisierten
Konstanten (die ohnehin schon über den Pascal-Standard
hinausgehen) und die lästigen Fesseln der WHILE- und REPEAT-
Schleifen entfallen in Assembler: Hier bringt man die Listen mit
DB-Anweisungen unter und verläßt ohne moralische Bedenken bei
der nächstbesten Abbruchbedingung eine Schleife per JUMP.
Dadurch lassen sich mit zwei bis drei zusätzlichen Befehlen
weitere Regeln einbauen, die in Pascal sehr umständliche
Konstruktionen zur Folge hätten. Problematisch werden in
Assembler nur die Mengenabfragen. Hier hilft eine 256 Bytes
lange Tabelle, in der bestimmte Attribut-Bits für jedes Zeichen
anzeigen, zu welchem Typ es gehört (Vokal, Konsonant, Nicht-
Buchstabe usw.). Diese Methode erlaubt einen sehr schnellen
Zugriff.

Man kann jedoch auch in eine andere Richtung ausweichen. Die
Verarbeitung von Listen in Verbindung mit einem komplexen
Regelwerk lädt dazu ein, es in einer KI-Sprache wie Lisp oder
Prolog zu versuchen. Im Prinzip stellt ein Trennprogramm ja
nichts anderes als eine Art Expertensystem dar! Besonders schön
wäre natürlich ein lernfähiges System, das seine Listen und
Regeln gemäß den Benutzerkorrekturen selbst ergänzt.
Problematisch dürfte jedoch die Einbindung in andere Programme
werden: Hat man das Trennprogramm in Lisp geschrieben, wird man
sich für die Textverarbeitung drumherum vielleicht doch eine
andere Sprache wünschen.

Also zurück zu Pascal: Wer die Trennroutine noch verbessern
will, wird vermutlich zuerst bei den Listen ansetzen. Nach
einigem Probieren bekommt man ein Gefühl dafür, was man wie und
wo eintragen muß, um bestimmte Fehler zu unterbinden. Aber auch
im Programm sind Verbesserungen denkbar. So ist z.B. die
Erkennung von Silben/Wörten, die mit einem Vokal beginnen, noch
nicht besonders effektiv organisiert. Falls Ihnen zum Thema
Silbentrennung etwas Konstruktives einfällt, so schreiben Sie -
wer eine Möglichkeit findet, die Treffsicherheit deutlich zu
verbessern, ohne daß sich der Aufwand drastisch erhöht, hat die
Chance, eine Spezialversion des Programms ConText PC 2.0 zu
gewinnen, in der sein Vorschlag eingebaut wurde. Die Beurteilung
erfolgt durch die Toolbox-Redaktion und den Autor; der Rechtsweg
ist selbstverständlich ausgeschlossen.

Zum Abschluß jedoch eine Warnung (und hier spricht der Autor aus
Erfahrung): Eine zu intensive Beschäftigung mit Silbentrennung
führt leicht in einen bedenklichen Geisteszustand. Hat man das
Programm endlich dazu gebracht, irgendeinen komplizierten Fall
richtig zu trennen, so haut es dafür garantiert in 10 anderen
Fällen wieder daneben, und spätestens nach einem Monat rastlosem
Prototyping irrt der perfektionsbesessene Programmierer mit
katatonischem Kichern durch die Gegend und zer-legt zwang-haft
al-les, was ihm zu Oh-ren und vor Au-gen kommt, in Sprech-sil-
ben....

                           (Mat-thi-as Up-hoff/ms)