korrekturen.de | Korrektorat und Lektorat

Hallo.

Ich bin dabei, ein Programm zu schreiben, das einen deutschen Text auswertet und suche eine allgemeingültige Lösung für das Unterscheiden zwischen einem "CH" Digraph und einem "SCH" Trigraph.

Die ursprüngliche Idee für das Parsing war, zuerst alle "sch"-Vorkommen durch den [sch] Laut zu ersetzen und anschließend alle im Wort übrig gebliebenen "ch" als [ch] auszuwerten - das funktioniert aber nicht zuverlässig, denn z.B. das Wort "bisschen" würde dann als "bis[sch]en" und nicht als "biss[ch]en" ausgewertet werden.

Ist meine Vermutung korrekt, dass jedes deutsche Wort, dass die aufeinanderfolgenden Zeichen "ssch" beinhaltet, immer ein "ss[ch]" ist und nie ein "s[sch]"?

Gibt es eine andere allgemeine Regel oder weitere Ausnahmen, bei denen die sch/ch-Unterscheidung scheitern wird? Was gibt es für Lösungsansätze für das maschinelle Unterscheiden?

Gruß
Daniel