lay4k / silabario Goto Github PK

# Diccionario (wordlist) generado con las 80 sílabas más usadas del español

He creado un script ya que como muchos saben es muy complicado encontrar un buen diccionario (wordlist) de palabras en español para el cracking de passwords. Por lo que tomé las 80 sílabas más populardes del español y en 4 bucles for, se genera un diccionario de 41.4M de filas. Muchas de las palabras formadas realmente son utilizadas en el español.

Solo hay que descargar los archivos y correr el archivo silabas.py junto con el CSV de las 80 sílabas más populares del español Top80-silabas.csv. Aquí podrías modificar el CSV con más o menos sílabas según lo que desees.

La lista de las sílabas fue obtenida de este blog https://www.solosequenosenada.com/2015/10/23/frecuencia-de-letras-y-de-silabas-en-espanol/. También subí una copia de su análisis en un archivo de MS Excel por si llegara a desaparecer su post silabas.xlsx.

La versión mejorada, crea además de las palabras, una línea por cada sílaba con números del 1 al 9999 delante, detrás y delante y detrás de cada línea de sílabas

Al correr el script en una PC con 8GB de RAM, tardó aproximadamente 5~10 minutos en generar la salida: silabario.txt con un total de 41'478,480 líneas un un tamaño de 438MB, por comodidad, lo he comprimido con 7Z Ultra en un archivo de 12.8 MB, bastante cómodo de manipular.

Si lo prefieres, solo descarga el resultado final en el archivo silabario.7z

Si algún día alguien encuentra una forma de validar cada palabra generada contra su existencia en la RAE. Por favor, hágamelo saber o haga su FORK.