Evvel a szkripttel gyártsuk le a ragozott magyar szavak adatbázisát:
./unmunch.sh /usr/share/hunspell/hu_HU.dic /usr/share/hunspell/hu_HU.aff > huwords.txtA megfelelő python modullal gyorsan elválasztunk és megkeressük az ismétlődő szótaggal rendelkező szavakat:
import pyphen
dic = pyphen.Pyphen(lang='hu_HU')
with open('huwords.txt') as f:
for line in f:
syls = dic.inserted(line.strip()).split('-')
for syl in syls:
i = syls.index(syl)
if i < len(syls)-1 and syls[i+1] == syl:
print(line.strip(), '-->', syl)A maradék szűrése, rendezése után:
$ python dupsyls.py | sed '/--> *$/d' | sort | uniq
ambubaba --> ba
aposztata --> ta
arapapagáj --> pa
assisi --> si
azaz --> az
azazhogy --> az
baba --> ba
babacipő --> ba
babakelengye --> ba
békaliliom --> li
belvederei-i --> i
berber --> ber
bibi --> bi
bonbon --> bon
bruhaha --> ha
brühühü --> hü
bülbül --> bül
cecelégy --> ce
cecelegyek --> ce
cici --> ci
cicizik --> ci
citotoxikus --> to
citotoxin --> to
csacsacsa --> csa
csecsebecse --> cse
csecsemő --> cse
csecsemőgondozás --> cse
csecsemőkor --> cse
csecsemőmirigy --> cse
csicsikál --> csi
csinibaba --> ba
csivava --> va
csöcsörész --> csö
csucsukál --> csu
dada --> da
dádá --> dá
dadaista --> da
dadaizmus --> da
dakotatanítás --> ta
dédmama --> ma
dédpapa --> pa
didi --> di
dodonai --> do
egy-egy --> egy
eltotojáz --> to
ezüstfoglalatú --> la
fafaragás --> fa
fafaragó --> fa
fifika --> fi
fifikás --> fi
fifikus --> fi
filologizál --> lo
foglalatoskodik --> la
foglalatosság --> la
fonomimika --> mi
frufru --> fru
gagarinit --> ga
gégészet --> gé
gülbaba --> ba
gyagya --> gya
gyagyaság --> gya
haha --> ha
hahaha --> ha
havasililiom --> li
hehe --> he
hehehe --> he
heherész --> he
heherészik --> he
hehezetes --> he
hehezet --> he
hihihi --> hi
hogyhogy --> hogy
homokliliom --> li
húsosodik --> so
jojoba --> jo
jujuba --> ju
kakadu --> ka
kaka --> ka
kakaósdoboz --> ka
kánkán --> kán
kékliliom --> li
keltatanítás --> ta
keresztpapa --> pa
kezdődő --> dő
kikirikí --> ki
kisbaba --> ba
kismama --> ma
kispapa --> pa
kockásliliom --> li
kompetitivitás --> ti
korababa --> ba
kotuliliom --> li
kuckuc --> kuc
kukurikú --> ku
kuszkusz --> kusz
láttotokon --> to
leledzik --> le
leleményes --> le
lelemény --> le
leletez --> le
lencsibaba --> ba
liliomfehér --> li
liliom --> li
liliomtiprás --> li
liliputi --> li
lóhalálában --> lá
madonnaliliom --> li
magmagneton --> mag
mama --> ma
mezozoikum --> zo
milliliter --> li
mimiattunk --> mi
mimika --> mi
mokkakanalak --> ka
mokkakanál --> ka
morfofonetikus --> fo
morfofonológiai --> fo
nagymama --> ma
nagypapa --> pa
nagytatarozás --> ta
nagytata --> ta
nana --> na
nini --> ni
nono --> no
novokaininjekció --> in
nünüke --> nü
nyanya --> nya
nyenyere --> nye
nyihaha --> ha
összeszedettség --> sze
összvállalati --> la
ötszázszázezrek --> száz
ötszázszázezres --> száz
papagájkór --> pa
papagáj --> pa
papagájzöld --> pa
papaja --> pa
papa --> pa
pápá --> pá
papaverin --> pa
paralelepipedon --> le
pepecsel --> pe
pimpimpáré --> pim
pipi --> pi
pipitér --> pi
pótmama --> ma
pótmamaszolgálat --> ma
pörgetget --> get
prosztatagyulladás --> ta
prosztata --> ta
pulykakakas --> ka
purpur --> pur
recece --> ce
rendőrőrszoba --> őr
rendszerszervezés --> szer
rendszerszervező --> szer
rongybaba --> ba
sárgaliliom --> li
süsü --> sü
szárazdada --> da
szeszesedik --> sze
sziszifuszi --> szi
szkítatanítás --> ta
szószóló --> szó
tamtam --> tam
táncsicsi --> csi
tatami --> ta
tataroz --> ta
tata --> ta
tel-avivi --> vi
tengerililiom --> li
testes --> tes
testestől-lelkestől --> tes
testestül-lelkestül --> tes
tetejez --> te
tetemes --> te
tettet --> tet
tigrisliliom --> li
totojázik --> to
tömegmegmozdulás --> meg
tütü --> tü
veszekszek --> szek
vévégi --> vé
viviszekció --> vi
vízililiom --> li
zizi --> zi
zsezse --> zse
zsizsikes --> zsi
zsuzsu --> zsu