Alfabeto grego

O que é o alfabeto grego

O alfabeto grego tem 24 letras, de alfa a ómega. Está em uso contínuo há cerca de três mil anos, o que faz dele o mais antigo alfabeto ainda hoje escrito que regista as vogais como letras de pleno direito — foi essa a sua invenção. O grego moderno usa-o como sistema de escrita corrente, tal como o português usa o latino.

Quase toda a gente o usa como reserva de símbolos. O pi é a constante do círculo, o sigma um somatório, o delta uma variação, o lambda um comprimento de onda e também uma função, o miu um milionésimo, o ómega o ohm. A estatística assenta em alfa, beta e qui; a física de partículas já percorreu o alfabeto inteiro mais do que uma vez.

A tabela acima é gerada a partir da base de dados de caracteres Unicode, portanto as letras, os nomes e os códigos vêm do ficheiro que os define e não de uma cópia de outra cópia. Cada letra mostra a forma maiúscula e a minúscula, os dois pontos de código e se o Unicode a considera confundível com uma letra latina. Clique em qualquer uma para a copiar.

Como usar esta página

1. Encontre a letra e clique nela. Clicar na maiúscula ou na minúscula copia esse carácter para a área de transferência. A coluna dos códigos diz exactamente que carácter está a levar, e isso importa mais do que parece: várias letras gregas têm gémeas latinas visualmente idênticas que não são de todo o mesmo carácter.
2. Cole no campo qualquer texto suspeito. Se um nome de utilizador, um domínio ou um ficheiro tiver letras gregas a fazer-se passar por latinas, o analisador lista-as com a posição, o nome Unicode e a letra que cada uma imita, e mostra depois como fica o texto assim que são substituídas.
3. Repare na comparação de minúsculas. O campo passa o seu texto a minúsculas duas vezes: uma tomando a cadeia inteira e outra um carácter de cada vez. Em qualquer língua excepto o grego os dois resultados são idênticos. Quando divergem, está a ver a falha explicada mais abaixo.

Porque passar o grego a minúsculas não é trabalho de um carácter

O sigma é a única letra grega com duas minúsculas. A minúscula corrente é σ, U+03C3. Em fim de palavra escreve-se ς, U+03C2, o sigma final. Qual delas é a certa depende unicamente de onde a letra cai dentro da palavra, e é isso que faz do grego o único alfabeto onde mudar de caixa não é consultar uma tabela.

Dá para ver a acontecer. A palavra grega para rua, ΟΔΟΣ, passa a minúsculas terminando em ς (U+03C2), porque o programa vê que aquele sigma é a última letra. Passe os mesmos quatro caracteres um a um e o resultado acaba em σ (U+03C3), porque um carácter isolado não tem palavra nenhuma onde ser o último. Duas grafias da mesma palavra, a partir do mesmo texto, consoante a função a que se deitou a mão.

Percorremos as 24 letras para medir quão excepcional isto é: o sigma é a única em que os dois métodos divergem. Ponha qualquer outra letra grega no fim de uma palavra e ambos os caminhos dão o mesmo. A regra é a condição Final_Sigma do Unicode, e é a única correspondência de caixa sensível ao contexto no algoritmo por omissão; todo o resto é mesmo uma tabela.

O que torna esta falha duradoura é ser invisível em todo o lado. Verificámos português, inglês, espanhol, francês, alemão e russo: passar a minúsculas carácter a carácter está certo em todos, com acentos e cedilhas incluídos. Assim, um ciclo escrito à mão, um tokenizador que baixa a caixa enquanto separa ou um gerador de slugs que trabalha carácter a carácter passam qualquer teste que ao autor ocorra escrever, e depois produzem em silêncio uma segunda grafia de cada palavra grega terminada em sigma.

Há uma armadilha irmã nas viagens de ida e volta. Passar o grego a maiúsculas e voltar a minúsculas devolve o original nas 24 letras. Ao contrário, não: σοφοσ, escrito com sigma corrente no fim, sobe a ΣΟΦΟΣ e regressa como σοφος, com sigma final. Ambos os sigmas sobem ao mesmo Σ, portanto a distinção é destruída antes sequer de correr o passo de descida. Uniformizar a caixa do grego para comparar duas cadeias é seguro; uniformizá-la e guardar o resultado não é.

Letras que não são a letra que aparentam

Catorze das 24 maiúsculas estão marcadas pelo Unicode como confundíveis com uma letra latina básica: alfa com A, beta com B, épsilon com E, zeta com Z, eta com H, iota com l, kapa com K, miu com M, niu com N, ómicron com O, ró com P, tau com T, ípsilon com Y e qui com X. Cada um desses pares são dois caracteres distintos que a vista não consegue separar.

Vale a pena ler os pares devagar, porque as formas não seguem os sons. O ró soa como um r e tem forma de P. O eta é um e longo e tem forma de H. O qui é um som parecido com o nosso q e escreve-se X; o ípsilon é um u escrito Y. Quem translitere pela forma em vez de pelo som troca-os todos, o que é mais uma pequena razão para ter a tabela à mão.

Essa lista não é juízo nosso. Vem do confusables.txt, o ficheiro de dados do Unicode que sustenta o UTS 39, os mecanismos de segurança que registadores de domínios e navegadores usam para apanhar identificadores falsificados. Portanto as dez maiúsculas ausentes — delta, teta, lambda, xi, pi, sigma, fi, psi, ómega e gama — faltam porque o Unicode não as considera confundíveis, e não por ninguém ter olhado. Há ainda oito minúsculas assinaladas, incluindo o inquietante sigma por o e gama por y.

A parte prática: a normalização NFKD não junta nenhuma das catorze. Normalizar é o reflexo habitual para comparar cadeias que possam escrever-se de várias maneiras, e resolve mesmo acentos, ligaduras e caracteres de largura completa, mas um eta maiúsculo grego a fazer de H atravessa-a intacto, dos dois lados, e continua diferente. Um detector de sósias construído sobre normalizar e comparar não apanha uma única destas. É precisamente essa a lacuna que o analisador acima preenche.

Limites honestos

Os nomes na tabela são os nomes que o Unicode dá aos caracteres, mantidos na grafia Unicode e não traduzidos. As letras gregas têm nomes perfeitamente bons em português e, se está a escrever prosa, deve usá-los; mas a função daquela coluna é dizer que carácter está a ver, e o nome Unicode é o que o identifica sem ambiguidade.

Que duas letras se pareçam mesmo depende do tipo de letra. A lista de confundíveis do Unicode é um parecer geral, e cada fonte pode alargar ou estreitar a distância: algumas dão às maiúsculas gregas proporções um pouco diferentes das gémeas latinas, e umas quantas aproximam letras que normalmente se distinguem bem. Tome a coluna como aviso sobre que pares convém verificar, não como afirmação acerca da fonte no seu ecrã.

E sobretudo: encontrar uma letra confundível não significa que algo esteja errado. Uma palavra grega corrente está cheia delas. ΑΘΗΝΑ é quase inteiramente feita de letras que o Unicode marca como confundíveis, e não passa do nome de uma cidade. O que assinala mesmo problema é misturar alfabetos dentro da mesma sequência, porque uma palavra meio grega e meio latina não é palavra em nenhuma das duas línguas. O analisador reporta isso em separado, e é essa a linha a que se deve prestar atenção.

Porque é grátis

Porque é uma tabela e umas quantas comparações de cadeias. Tudo nesta página corre no seu navegador: nada do que colar no analisador é enviado, nada é guardado e não há servidor nenhum pelo meio para ler uma lista de 24 letras.

Portanto não há conta, nem registo, nem nada reservado. O script que gera a tabela a partir da base de dados de caracteres Unicode e do confusables.txt está no repositório ao lado da página, com as 128 verificações que conferem o comportamento do sigma, as viagens de ida e volta e as afirmações sobre sósias, incluindo os controlos negativos que impedem esses testes de passar pela razão errada.