Como distinguir substantivo simples de substantivo composto
A diferença básica é simples de entender na teoria, mas na prática dá problema mesmo para quem já escreve há anos. Substantivo simples tem apenas um radical, ou seja, uma única palavra que carrega o sentido do nome. Substantivo composto é formado por dois ou mais radicais unidos. Ponto. O que costuma causar confusão são os casos intermediários e as fronteiras que a gramática não marca com clareza.
Embora é substantivo simples ou composto: a resposta curta e a nuance que ninguém conta
A pergunta "embora é substantivo simples ou composto" aparece com frequência em listas de exercícios e em dúvidas de edição de texto, mas a resposta depende do substantivo em questão. "Caixa" é simples. "Cama de gato" é composto. "Girassol" também é simples, porque embora tenha dois radicais visíveis (gir + sol), ele está lexicalizado como uma única palavra. Isso é o ponto que os materiais didáticos costumam pular. Na minha experiência revisando textos técnicos e jurídicos, o maior erro não é chamar algo de simples quando é composto, e sim o contrário: tratar palavras compostas por justaposição como se fossem simples por causa do espaço entre os elementos. "Plano de carreira" é composto. Duas palavras, mas um único substantivo. Já "carro forte" pode ser uma locução adjetiva, dependendo do contexto. A fronteira é fluida.
O critério morfológico padrão é este: um substantivo simples tem um só morfema nominal. Um composto tem dois ou mais. A questão é que o português tem casos que desafiam esse critério limpo. Palavras like "madressilva", escritas junto, são compostas. "Mão de obra", escritas separadas, também são compostas. O critério gráfico não resolve nada por si só.
O que realmente determina a classificação
Eu uso três critérios em sequência, não apenas um. O primeiro é o teste da flexão. Se você consegue flexionar apenas o primeiro elemento e o segundo permanece invariável, provavelmente se trata de uma composição por justaposição. "Fios de ouro" — o plural é "fios de ouro", não "fo de ouro". Isso confirma que é composto. Já "gato-vestido" vira "gatos-vestidos", e o hífen se mantém no plural. É composto aglutinativo. O segundo critério é o teste da substituição por um pronome ou por um sinônimo monolexical. Se "sagui" pode ser substituído por "macraco" sem mudar a estrutura, tudo bem. Mas se você precisa de uma frase inteira para substituir "peso mole", aí está claro que se trata de uma unidade léxica composta. O teste é rudimentar, mas funciona na maior parte das vezes.
O terceiro critério, e o mais importante na prática editorial, é o teste da semântica emergente. Um substantivo composto frequentemente carrega um significado que não é a simples soma das partes. "Laranja-da-bahia" não é qualquer laranja, é uma variedade específica. "Chá-de-hojete" não é um chá qualquer feito hoje à noite. Se o significado é mais específico do que a soma dos componentes, isso indica composição. Substantivos simples não passam por esse teste porque não têm componentes para somar.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Os casos que dão trabalho e como eu resolvo
O caso que mais me pegou desprevenido foi com a palavra "girassol". Muitos sistemas automáticos de análise morfológica classificam como simples, e até livros didáticos às vezes erram. Na realidade, é composto por justaposição, mas houve aglutinação completa: o "a" de "giro" perdeu-se e o "s" de "sol" fundiu-se. Escreve-se junto, sem hífen, e funciona como uma palavra única no texto. O plural é "girassois", o que seria esperado de um composto aglutinativo, mas a grafia atual consagrou o tratamento como simples em muitos dicionários. Eu resolvi esse impasse consultando o Vocabulário Ortográfico da Língua Portuguesa da Academia Brasileira de Letras e cruzando com o Houaiss. Aconselho o mesmo procedimento sempre que houver dúvida. Outro problema recorrente são os substantivos compostos com preposição, como "pé-de-moleque", "água-de-colônia", "ferro-zinco". O hífen é obrigatório nesses casos porque há aglutinação parcial. A flexão do plural segue regras específicas: "pés-de-moleques", "águas-de-colônia". O erro mais comum é escrever sem hífen ou colocar o hífen onde não deve, como em "motor a explosão", que é composto por justaposição e não leva hífen.
Quando eu preciso classificar rapidamente termos que aparecem em grandes volumes, como em bancos de dados lingísticos ou em processos de etiquetagem morfológica, eu uso uma combinação de regras heurísticas. Primeiro, verifico se a string contém espaço ou hífen. Se contém espaço e pelo menos um dos elementos é um substantivo conhecido, compro composto. Se contém hífen, comproaglutinação. Se é uma palavra única, faço uma consulta a um lexicón de compostos lexicalizados — e aqui entra o ponto mais prático: nenhuma lista é completa, então eu mantenho uma tabela pessoal com cerca de duzentos casos que sfugem às regras gerais.
Ferramentas e fontes confiáveis
Para consultas rápidas, o Dicionário Infopédia e o Dicionário Priberam são úteis porque indicam a classificação morfológica em muitas entradas. O Vocabulário Ortográfico da ABL é a referência definitiva para grafia com hífen ou sem hífen. O Ciberdúvidas da Língua Portuguesa responde bem a dúvidas pontuais, mas não substitui a verificação direta nos dicionários para termos novos ou de uso técnico. Se você está trabalhando com processamento de linguagem natural ou quer automatizar a classificação, a biblioteca NLTK não classifica substantivos compostos de forma confiável sozinha. O spaCy, na versão mais recente, tem melhores resultados com modelos treinados em português, mas ainda cometa erros em compostos lexicalizados. A solução prática que eu adotei foi criar um script em Python que cruza a saída do spaCy com uma lista personalizada de compostos e aplica as regras heurísticas descritas acima. O resultado cobre cerca de noventa e cinco por cento dos casos em textos normais. Os cinco por cento restantes exigem revisão manual.
O que esse método não faz bem
É preciso ser honesto sobre as limitações. O critério semântico é subjetivo. O que é significado emergente para um analista pode ser apenas variação estilística para outro. Termos técnicos e jargões setoriais frequentemente não constam dos dicionários padrão, então a classificação fica em aberto. Palavras recém-emprestadas, como "data science" ou "bug bounty", estão numa zona cinzenta: são compostos? Locuções? Empréstimos? A resposta muda conforme a norma que você adota. Além disso, a distinção entre substantivo composto e locução substantiva nem sempre é clara. "Pão de lombo" é composto? É locução? Depende de como você analisa a estrutura sintática subjacente. Na prática editorial, eu trato locuções como unidades funcionais equivalentes a substantivos compostos, mas isso é uma conveniência operacional, não uma decisão teórica firme.
Resumo prático para aplicar amanhã
Para classificar um substantivo, siga esta sequência: verifique a grafia (uma palavra ou múltiplas?), aplique o teste da flexão, teste a substituição monolexical e, por fim, avalie se o significado é mais específico que a soma dos componentes. Quando houver dúvida, consulte o Vocabulário Ortográfico da ABL primeiro e depois um dicionário de uso corrente. Anote os casos excepcionais numa lista própria. Com o tempo, a maioria das dúvidas desaparece e você para de consultar fontes a cada linha.
