Danske grammatik-, kuriositets- og ordklasselister

Dette datasæt udvider Det Centrale Ordregister (COR) med en række specialiserede, sproglige og grammatiske lister til lingvister, spiludviklere, stavekontroller og ord-entusiaster.

Data er udgivet under CC0 1.0 Universal (Public Domain Dedication) af Dansk Sprognævn og er her struktureret, renset og kategoriseret.

📂 Mappestruktur og Lister

Listerne er organiseret i fire hovedkategorier:

1. grammatik/ (Grammatiske specialiteter)

• uregelmaessige_verber JSON CSV (784 verber): Verber med stærk/uregelmæssig bøjning (vokalskifte i datid/førnutid, fx komme -> kom, rive -> rev, bide -> bed). Kolonner: infinitiv, præsens, præteritum, perfektum_participium.
• substantiver_valgfrit_koen TXT JSON CSV (847 ord): Navneord der ifølge Retskrivningsordbogen officielt kan have både fælleskøn (en) og intetkøn (et), fx en/et cirkus, en/et ton, en/et virus, en/et aerosol.
• plurale_tantum_kun_flertal TXT JSON CSV (261 ord): Ord der udelukkende optræder i flertal (fx penge, kopper, trompetbukser, fagter).
• singulare_tantum_kun_ental TXT JSON CSV (6.581 ord): Navneord der kun har entalsformer (utællelige stoffer, abstrakte begreber m.m.).
• ordklasse_kamaeleoner JSON CSV (1.463 ord): Opslagsord der fungerer i to eller flere forskellige ordklasser (fx for, før, ved, tro, stille).

2. kuriositeter/ (Ordfænomener & Nørderier)

• semordnilaps_venderord JSON CSV (471 par): Ord der stavet bagfra danner et andet gyldigt ord (fx agil <-> liga, koma <-> amok, skab <-> baks).
• isogrammer_uden_gentagne_bogstaver TXT JSON CSV (2.457 ord): Lange ord (10+ bogstaver) hvor intet bogstav optræder mere end én gang (fx specialforbund, filmproducent).
• konsonanter_5_plus_i_traek JSON CSV (3.225 ord): Ord med ekstreme konsonantklynger på 5 eller 6 konsonanter i træk (fx fangstkrog, grundvandsstand, angstfuldt).
• vokaler_3_plus_i_traek JSON CSV (2.299 ord): Ord med 3, 4 eller 5 vokaler i træk (fx prisniveauet, plateauer, yoyoerne).
• tre_ens_bogstaver_i_traek TXT JSON CSV (14 ord): Ord med trippel-bogstaver (fx watttime, kilowatttime).
• paafolgende_dobbeltkonsonanter TXT JSON CSV (244 ord): Ord med to eller tre på hinanden følgende bogstavpar (fx irreelle, snobbeeffekt).
• scrabble_svaere_korte_ord TXT JSON CSV (161 ord): Korte ord (<= 4 bogstaver) med de sjældne og pointtunge bogstaver C, X, Z, Q, W (uundværlige i Scrabble og Wordfeud).
• q_uden_u TXT JSON CSV (22 ord): Samtlige godkendte ord i dansk med 'q', hvor der ikke følger et 'u' (fx iq, niqab, qatar).

3. ordklasser/ (Fuld ordklasseopdeling & statistik)

Rene grundformsudtræk (lemmaer) opdelt på de enkelte ordklasser:
- substantiver_navneord_grundformer TXT JSON CSV: 42.493
- adjektiver_tillaegsord_grundformer TXT JSON CSV: 10.646
- verber_udsnagnsord_grundformer TXT JSON CSV: 7.018
- adverbier_biord_grundformer TXT JSON CSV: 784
- udraabsord_interjektioner_grundformer TXT JSON CSV: 129
- talord_numeralier_grundformer TXT JSON CSV: 113
- praepositioner_forholdsord_grundformer TXT JSON CSV: 93
- konjunktioner_bindeord_grundformer TXT JSON CSV: 60
- pronominer_stedord_grundformer TXT JSON CSV: 36
- lydord_onomatopoietika_grundformer TXT JSON CSV: 34
- ordklasse_statistik JSON CSV: Samlet optælling over antal grundformer og bøjede former for hver ordklasse.

4. stavefejl/ (COR.SOEGEHJAELP)

• typiske_stavefejl_og_rettelser JSON CSV (8.923 rækker): Officielt udtræk af Dansk Sprognævns registrerede tastefejl, forvekslinger og fonetiske stavefejl koblet direkte til den korrekte autoriserede form (fx inklusiv -> inklusive, tredve -> tredive, foer -> for).

🔄 Genberegning

Alle lister i dette katalog kan genskabes ved at køre:

python build_extra_lists.py

📜 Licens og Kilde

• Kilde: Det Centrale Ordregister (COR & COR.SOEGEHJAELP) administreret af Dansk Sprognævn og Slots- og Kulturstyrelsen.
• Licens: CC0 1.0 Universal (Public Domain Dedication).