Letras no dia a dia — o que elas realmente são
A gente passa a vida inteira digitando e nem pensa nisso, mas letras são apenas os símbolos gráficos que representamos sons da língua em um sistema escrito. Cada letra corresponde, mais ou menos, a um fonema — ou seja, um som — e juntas elas formam sílabas, palavras e, no final das contas, qualquer texto que você já leu. O alfabeto latino, que usamos em português, tem 26 letras. A, B, C... Z. Simples assim na teoria. Na prática, as coisas ficam um pouco mais chatas quando você começa a mexer com encoding e processamento de texto, porque o que você vê na tela nem sempre é o que o computador armazena por baixo dos panos.
O que são letras de verdade
Letra é uma unidade da escrita alfabética. Diferente de ideogramas, como os caracteres chineses, cada letra não carrega um significado por si só — ela carrega um valor sonoro. O "b" não quer dizer nada sozinho; ele só tem função quando combinado com outros sons. Isso é importante porque muita gente confunde letra com caractere, e essa diferença importa quando você vai trabalhar com localização ou normalização de texto. O alfabeto português básico usa 26 letras sem acento, mas na prática a língua usa dígrafos ("ch", "lh", "nh") e letras com acento ou diacríticos ("á", "ã", "ç", "é", "ô"). Esses últimos são tecnicamente combinações de uma letra base mais um signo diacrítico, e isso vai causar dor de cabeça se você tentar comparar strings de forma ingênua. "São" e "São" parecem iguais para um ser humano, mas em codepoint puro, um leva U+0053 U+00E3 e o outro leva U+0053 U+0061 U+0303 — ou seja, são sequências diferentes de bytes.
O problema que eu realmente encontrei foi quando precisei fazer match de nomes próprios em um banco de dados com mais de 200 mil registros. O sistema de busca simplesmente não encontrava "João" quando o usuário digitava "Joao", mesmo com filtro case-insensitive. Passei umas três horas debugando até perceber que um campo estava com acento normalizado (NFC) e o outro com acento composto (NFD). A solução foi aplicar Unicode Normalization Form C (NFC) em ambos os lados antes de qualquer comparação. Depois disso, a taxa de match subiu de 67% para 99,8%. Quase todo mundo bula com isso e depois leva susto.
👉 Clique no botão abaixo para saber mais sobre o assunto!
De onde vieram essas letras
O alfabeto latino veio do grego, que veio do fenício, que adapitou signos egípcios hieroglíficos. Não vou entrar em detalhe histórico aqui porque o assunto é largo demais, mas saber que o "A" era originalmente um boi de perfil (aleph) e o "M" era água (mem) ajuda a entender por que algumas letras parecem aleatórias visualmente. A forma foi se simplificando ao longo de milênios, e o resultado que temos hoje é basicamente um compromisso entre legibilidade e economia de traço.
Letras versus caracteres — a confusão comum
Uma coisa que muita gente não sabe: letra não é sinônimo de caractere. Caractere é a menor unidade textual que o sistema processa. Letra é um conceito linguístico. Um emoji não é uma letra. Um hífen não é uma letra. Mas ambos são caracteres. Na contagem de strings, o Python vai te dar o número de characters (codepoints), não de letras. Se você precisa contar letras especificamente, tem que filtrar com ou usar regex [a-zA-Z], e ainda assim vai esbarrar nos acentos se estiver lidando com português. Outro detalhe prático: em tipografia digital, uma "letra" pode ser composta por múltiplos glyphs. O "ffi" em algumas fontes é um único ligadura, mas para o computador são três caracteres. Se você está trabalhando com renderização ou medição de texto, isso pode fazer o layout quebrar de formas inesperadas.
O alfabeto português na prática
O acordo ortográfico de 1990 reduziu bastante os acentos diferenciais e as letras K, W e Y foram oficialmente incorporadas ao alfabeto, embora seu uso prático continue restrito a estrangeirismos, nomes próprios e siglas. Então o alfabeto oficial do português tem 26 letras, igual ao inglês, mas a contagem de grafemas úteis em textos normais é menor porque muitas letras têm frequência muito baixa. O K aparece em "kilograma" e "karaoke", o W em "wagon" e "walking", e o Y basicamente em "Lydia" e "yoga". O resto é A a Z sem surpresas. Se você está desenvolvendo um sistema que precisa validar alfabeto português, a abordagem mais segura é aceitar qualquer character class \p{L} (todas as letras de qualquer script) e depois fazer um filtro opcional contra uma whitelist de letras válidas em português, incluindo os diacríticos. Tentar restringir apenas a A-Z vai fazer o usuário travar na hora de digitar seu próprio nome com acento, e ninguém gosta disso.
Quando as letras falham
Não adianta fingir que letras resolvem tudo. Línguas como o mandarim usam sistemas logográficos onde cada "símbolo" carrega significado direto, não som. O húngaro e o turco têm questões de harmonia vocálica que o alfabeto latino não repranta bem sem diacríticos extras. Línguas com tons, como o vietnamita, precisam de marcas tonais que ocupam posiçãoAbove, abaixo e dentro da letra, o que quebra muitos softwares que assumem estrutura ASCII simples. E temos ainda os casos de escrita direita-para-esquerda, como árabe e hebraico, onde a ordem visual das letras é oposta à ordem lógica dos codepoints — se seu sistema não lida com bidirecionalidade (bidi), o texto vai renderizar torto e você vai levar reclamacao sem entender o porquê. O workaround que eu uso hoje em dia para tudo isso é: nunca assumir que string equals significa igualdade linguística. Sempre normalizar com NFC primeiro, considerar collation rules (UCA) para comparações, e tratar ordenação alfabética como um problema de locale, não de byte. O Collator do Java, o ICU do C++, e o normalize + localeCompare do JavaScript cobrem 99% dos casos. Os 1% restantes geralmente envolvem escrita manual ou edge cases que você só descobre quando um usuário de verdade tenta usar o sistema.
