Ao contrário da versão anterior, o Houaiss 3.0 parece rodar perfeitamente no Linux através do Wine. A única precaução é que, assim como o Houaiss 2.0, a versão mais recente também precisa da instalação das Core Fonts da Microsoft, senão o programa fica ilegível. Não adianta instalar as fontes Liberation, da Red Hat, porque o Wine (ainda) não faz a substituição automática.

A maior novidade do Houaiss 3.0 é o acordo ortográfico, mas também chamam a atenção o visual laranja (dispensável, a meu ver) e o aumento do desempenho, especialmente da pesquisa por palavras semelhantes.

Pessoalmente, eu gostaria muito de ter uma versão nativa para Linux. Numa conversa com a Editora Objetiva, responsável pela versão eletrônica do dicionário, me disseram que para lançar uma versão nativa seria necessária uma previsão de pelo menos mil vendas. Naturalmente o número de brasileiros usuários de GNU/Linux é ordens de grandeza maior, mas não tenho como dizer quantos botariam a mão no bolso para comprar o dicionário.

Como para tudo existe um jeito, eu descobri como decifrar (em parte) os arquivos em que o dicionário armazena seus dados. Seria possível, em teoria, desenvolver um aplicativo para GNU/Linux que lesse os arquivos adquiridos (legalmente!) com o software para Windows. Na prática, alguns aspectos ainda não estão claros para mim, e a implementação do software está além das minhas habilidades e do meu tempo para adquiri-las.

Espero que alguém se proponha a realizar esse projeto, mas até lá fico feliz em saber que graças ao trabalho árduo dos desenvolvedores do Wine nós já podemos usar o dicionário no Linux.

A Infopédia reúne diversas publicações da Porto Editora, como um dicionário de português (com ou sem acordo ortográfico), um vocabulário ortográfico (análogo ao publicado pela Academia Brasileira de Letras), vários dicionários de tradução (por exemplo, português/inglês e vice-versa), outros dicionários, e uma enciclopédia. (Se bem que ainda sou mais a Wikipédia.)

Não vou entrar na discussão de qual dicionário é melhor ou pior que os outros, até porque não sou filólogo. Mas a Infopédia é extremamente conveniente por permitir pesquisas diretamente através do URL. Ao pesquisar saúde no dicionário adaptado ao Acordo Ortográfico da Língua Portuguesa, por exemplo, o endereço é http://www.infopedia.pt/lingua-portuguesa-ao/saúde (desde que o navegador da web saiba lidar com caracteres UTF-8). Isso permite a criação de Marcadores Inteligentes, como descrito no artigo Vocabulário Padrão: marcador inteligente para Firefox, Epiphany, Konqueror etc.

Existe outro dicionário que oferece um recurso parecido, o Michaelis. Mas os caracteres especiais (com acento, cedilha etc.) têm um tratamento especial no Michaelis, não se usa a UTF-8, gerando a necessidade de abrir a página inicial e preencher o formulário de pesquisa.

E você, que dicionário usa?

Vale lembrar que o Acordo deixou algumas situações indefinidas, e foi necessário, no Brasil, que a Academia Brasileira de Letras se pronunciasse sobre o assunto. Não posso afirmar, portanto, se os conversores seguem o que a ABL especificou, ainda mais que os conversores foram criados por portugueses, e a Academia de Ciências de Lisboa ainda não publicou um novo vocabulário ortográfico.

Para os tradutores de software livre, o negócio é esperar o trabalho de João Bueno, tradutor do GIMP e criador de um script usado pela equipe do GNOME para agilizar a correção de iniciais maiúsculas nos arquivos PO do GNOME 2.24. A ferramenta será aprimorada para atender a essa mesma necessidade, e poderá ser usada sem medo. Isso porque as mensagens corrigidas são marcadas como aproximadas (fuzzy), possibilitando que o tradutor revise as modificações antes de tomarem efeito. Outro requisito já foi cumprido: o corretor ortográfico Aspell já segue o Acordo Ortográfico da Língua Portuguesa.

Graças a um outro projeto meu, o Classix, estou cada vez mais familiarizado com o Python. Escrevi então uns scripts para recuperar e processar uma grande quantidade de texto da Agência Brasil, uma agência de notícias do governo federal. Pode-ser dizer que atingi aquilo que queria, mas percebi que o conteúdo é muito especializado para o propósito. Só para vocês terem uma noção, após retirar uma série de stop words, a “governo” é a 11ª palavra mais frequente.

Acabei de perguntar aos mantenedores dos sites Domínio Público e eBooksBrasil se eles têm como separar material adequado para mim, mas tenho poucas esperanças, já que no primeiro as obras parecem não estar catalogadas por data, e no segundo todo (ou quase) o conteúdo é antigo. Não acredito que vasculhar o site da Folha Online ou outro jornal seja considerado legal, pois o resultado seria considerado (imagino) uma obra derivada de outra com direitos autorais reservados. Na Agência Brasil, pelo menos, o conteúdo está disponível sob uma licença da Creative Commons.

Se eu não puder arranjar outro fonte de texto de treinamento, vou criar um treinamento novo para o Dasher e pedir para voluntários escreverem frases com um e com outro treinamento, para ver qual dá mais agilidade. Quando tiver novidades, escrevo mais por aqui.

Atualização (13/11/2009): O responsável pelo eBooksBrasil me disse que está “solenemente ignorando este acordo.”

O Dasher já tem um texto de treinamento, mas na minha experiência o Dasher prevê (as próximas letras e palavras) muito melhor em inglês que em português>. Abrindo o texto de treinamento para português encontrei absurdos como «aspas angulares», e resolvi que o Dasher precisava de um novo texto de treinamento.

O site Domínio Público é interessante, mas não permite pesquisa por data de publicação de textos em geral. No caso dos trabalhos acadêmicos ele permite pesquisa por data, mas não por palavras do conteúdo. Eu já tenho uma lista das palavras mais comuns da língua portuguesa, e gostaria de pesquisá-las nos textos disponíveis, extraindo as frases que contenham as palavras pesquisadas.

Outra opção é a Agência Brasil. Suas notícias estão disponíveis sob uma licença livre, e já vislumbrei um modo de automatizar a extração das frases desejadas. Na verdade, deve funcionar tão bem que agora estou preocupado com os vieses que possam surgir do uso exclusivo dessa fonte. Os nomes de autoridades e de órgãos do Estado brasileiro, por exemplo, provavelmente serão muito mais frequentes nessas frases que no nosso dia a dia.

Então, eu gostaria de saber se alguém aí conhece outra fonte eletrônica de textos livres e escritos com a nova ortografia. Isso não é indispensável, mas é muito importante para o aprimoramento do texto de treinamento do Dasher.

Agradeço as sugestões!

Interessados podem usar o formulário de contato do blog ou enviar um e-mail para leonardof em gnome ponto org.

pt_BR:aspell,myspell,ispell

Enchant é o nome de uma biblioteca que os aplicativos GTK+/GNOME usam para incorporar o recurso de verificação ortográfica sem precisar desenvolver suporte qualquer verificador ortográfico (confira também a origem do nome). Quando o aplicativo pede que o texto tenha a ortografia verificada, o aplicativo não precisa se preocupar em saber em qual verificador está sendo usado; o Enchant cuida disso. Quando houver mais de um verificador disponível, o Enchant usa dois arquivos de configuração para determinar a ordem de preferência: /usr/share/lib/enchant/enchant.ordering e ~/.enchant/enchant.ordering. O primeiro vale para todos os usuários, e (ao menos nas versões 1.4.x e 1.5.x) define o Myspell como o verificador ortográfico preferencial para a maioria dos idiomas, inclusive para o português do Brasil. Por isso, se você tiver o Aspell e o Myspell instalados em paralelo (o que é bem comum), o Enchant vai ignorar o Aspell por padrão. Se você quiser fazer o Enchant dar preferência ao Aspell, precisa ou editar o primeiro arquivo, ou criar o segundo, acrescentando a linha de código já citada.

(Reparem que esse artigo foi escrito corretamente, não importando se adotamos a nova ortografia ou a velha.)

Essa é, essencialmente, uma versão para Aspell 0.60.x do vocabulário desenvolvido como parte do Vero, o verificador ortográfico do BrOffice.org, mantido por Raimundo Moura. Se o Aspell aceitar uma palavra errada, ou rejeitar uma palavra correta, entre em contato com Raimundo. Repare, no entanto, que ao usar o Aspell com outros aplicativos (como o Gedit) através do Enchant, palavras com um hífen são verificadas como se fossem duas palavras (veja o relatório de erro).

Algumas distribuições terão esse vocabulário em poucas semanas, mas algumas podem demorar vários meses. Se você não se importar de sujar as mãos com a linha de comando, pode baixar o pacote, descompactá-lo, e executar os comandos “./configure && make && make install”. Não dê atenção a eventuais mensagens de erro não fatais (aquelas que não interrompem a execução do comando). Atualização: se você usa aplicativos GTK+/GNOME, pode precisar configurar o Enchant para usar o Aspell em vez do Myspell.

Outra opção é instalar a versão 2.0.4 ou mais nova (a atual é 2.0.5) do vocabulário pt_BR para Myspell ou para OpenOffice. Cada distribuição chama de um jeito, mas é sempre o do Vero. Depois é só seguir essas instruções de como fazer o Enchant usar o vocabulário do Myspell em vez do do Aspell. O Enchant é usado principalmente por aplicativos GTK+/GNOME; o KDE 4 ia usá-lo como backend do Sonnet, mas não sei se o projeto foi em frente.

I know Owen Taylor told spell checking didn’t belong in GTK+, but that was years ago. Reading Project Ridley’s wiki page, Enchant can be used anywhere, so it would make a lot of sense for GTK+ to use it.

I don’t pretend to know better than GTK+ developers, or better than GTK+-based application developers. I’d like some feedback on the idea, and then I might actually request it.

Update: Javier commented that there’s already a bug report about this. To be honest, the bug report has been open for a few years now. I hope the feature gets implemented someday.

In May I’ll increase my participation in the great Brazilian GNOME translation team, I’ll update the Brazilian Portuguese vocabulary for Aspell and Vim, and I’ll start contributing to an offline ICD-10 lookup application. (I’m not a developer, but I learned a little pygtk.) Outside the free software helm, I’ll be working harder on my master dissertation, comparing Family Health Strategy to legacy Primary Care in Brazil with regard to hospitalizations by Ambulatory Care Sensitive Conditions (the better the ambulatory care, the fewer the hospitalizations). If I have the opportunity, I hope I can help improving the health politics in Linhares city (even if my job should be restricted to clinical practice) and start writing a blog about health (in Portuguese).