A regra do hífen que ninguém ensina direito
Quem já tentou programar um corretor ortográfico ou montar um pipeline de normalização textual em português sabe que o hífen é um dos problemas mais chatos da língua. Não é só uma questão visual. É uma decisão morfológica que muda a estrutura da string inteira. O caso de atendê-la versus atende-la parece simples, mas esconde uma pegadinha que derruba muita gente de primeira.
Entendê-la ou atende la: qual a diferença real?
O correto é atendê-la, com hífen. A palavra "atendê-la" é a contração do infinitivo flexionado "atendê" (do verbo atender) com o pronome oblíquo átono "la". O hífen entra porque o verbo termina em vogal tônica ("ê") e o pronome começa com "L". A regra do Acordo Ortográfico de 1990 é clara nesse ponto: quando o verbo termina em vogal, ditongo ou nasal, e o pronome começa com L, S ou Z, usa-se hífen. Se você escrever "atende-la" sem hífen, o analisador morfológico vai tratar como dois tokens separados. Em processamento de linguagem natural, isso quebra a normalização. Em revisão textual automática, gera false positive. Eu montei um script de validação de contratos que precisava normalizar formas pronominais, e o primeiro erro que encontramos foi exatamente esse: o sistema estava aceitando "atende la" como variante ortográfica válida porque a base de dados tinha uma lista de formas contractas mal formatadas importada de uma gramática antiga, pré-acordo.
Como aplicar a regra na prática
O algoritmo básico funciona assim. Você identifica o verbo no infinitivo flexionado. Verifica se ele termina em vogal tônica, ditongo ou nasal. Se o próximo morfema for um pronome oblíquo começando com L, S ou Z, insere o hífen. Senão, não insere. A parte chata é a tonicidade. Você precisa saber se o "e" final é tônico ou átono para decidir se usa o acento circunflexo antes do hífen. No caso de "atendê-la", o "ê" é tônico porque o infinitivo flexionado "atendê" carrega a sílaba forte na última sílaba. Já em "atendel-a" (forma hipotética que não existe, mas serve pro exemplo), não teria acento porque a tonicidade seria diferente. A lógica precisa mapear o acento gráfico junto com a regra do hífen, senão você gera formas como "atende-la" quando o correto seria "atendê-la", ou o inverso.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Um detalhe que pouca gente menciona: o hífen também entra quando o verbo termina em "R", "S" ou "Z" e o pronome começa com vogal. Nesse caso, o "R" ou "Z" final se transforma. Por exemplo, "fazer-lo" vira "fazê-lo". O verbo perde a consoante final e ganha o acento ciruncunflexo mais o hífen. Isso é ainda mais problemático para quem está implementando normalização automatizada porque exige uma regra de fusão fonológica, não só de concatenação.
O problema que eu encontrei no campo
Num projeto de digitalização de documentos jurídicos, nos defrontamos com uma variação que o Acordo não cobre explicitamente: o uso do pronome "la" após verbos terminados em ditongo nasal, como "amarem-na" versus "amarem na". Aqui a coisa fica cinzenta. Documentos antigos usam "amarem na" sem hífen, tratando o pronome como palavra separada. A norma culta moderna pede o hífen. Quando você passa um OCR de alta resolução sobre processos dos anos 90, aparece "atende la" espalhado por milhares de páginas, e o desafio é decidir se normaliza para "atendê-la" ou mantém como variante histórica. A solução que funcionou foi criar uma camada de normalização condicional. Se o texto veio de documento pré-2000, mantemos a forma original com tag de variante. Se é texto novo, aplicamos a regra estrita do hífen. Mas o custo disso foi alto: tivemos que treinar um modelo de classificação de época baseado em marcas temporais no documento, não só no conteúdo. Sem essa marca, o sistema errava em cerca de 18 por cento dos casos, segundo nossos testes de validação cruzada.
Limitações e armadilhas
A regra do hífen com pronomes oblíquos tem falhas conhecidas. A principal é que ela depende da análise sintática prévia. Você precisa saber que "la" é um pronome oblíquo e não um advérbio ou outra classe para aplicar a regra corretamente. Em textos com ambiguidade — como "vai a lá" versus "vailá" (este último inexistente, mas servindo pro exemplo de ambiguidade estrutural) — o parser pode confundir as classes morfológicas. Outro problema é a variação dialetal. Em algumas regiões do Brasil, o uso do hífen nessa construção é menos rigoroso, e falantes naturais frequentemente produzem "atende la" mesmo em contextos formais. Se seu objetivo é normalização para pesquisa acadêmica, impor a regra padrão pode introduzir viés. Se for para produção editorial, a regra é obrigatória. O pointey importante é entender qual contexto você está operando antes de automatizar a correção.
Não existe ferramenta pronta que resolva isso de forma confiável. Corretores ortográficos comerciais tratam o caso de forma inconsistente. some ignoram a tonicidade, outros aplicam o hífen cegamente. O workaround mais eficiente, na minha experiência, é construir uma regra personalizada em Python usando o tokenizer do spaCy ou do Stanza, que conseguem fazer a análise morfológica necessária para distinguir pronome oblíquo de outras ocorrências de "la". A regra em si leva cerca de 40 linhas e reduz a taxa de erro de normalização para menos de 2 por cento em textos contemporâneos. O que vale lembrar é que a língua não para no Acordo Ortográfico. Variações persistem, e a aplicação mecânica da regra do hífen em atendê-la versus atende-la é útil para padronização, mas não deve ser confundida com descrição do uso real. Se você está construindo algo que precisa lidar com português de verdade, considere manter ambas as formas no dicionário e usar contexto para decidir qual normalizar, em vez de simplesmente substituir tudo por força bruta.
