O que realmente são as palavras que terminam em au
Na prática, palavras terminadas em "au" seguem um padrão ortográfico relativamente simples no português, mas há exceções que costumam confundir quem não presta atenção. A maioria dos dicionários aceita cerca de 300 a 400 palavras com esse final, dependendo da variação regional. Se você está revisando textos ou criando filtros para algum sistema de NLP, saiba que a confiabilidade dos dados varia muito conforme a fonte consultada. A regra básica é: o dígrafo "au" aparece no final de palavras quando a sílaba tônica ou átona fecha o vocábulo com esse som fechado. Palavras como "paul", "bauru" e "vaqueiro" (nesse caso, o "au" não está no final) devem ser diferenciadas com cuidado. O problema é que muitos sistemas automatizados tratam "au" como um suffixo produtivo, o que não é verdade. É apenas uma sequência de fonemas, não um morfema derivacional.
Listas e bancos de dados de palavras que terminam com au
Existem vários bancos de dados disponíveis online, desde listas estáticas em CSV até APIs que cruzam com outras propriedades morfológicas. Eu prefiro trabalhar com o corpus do NLPCP e fazer um filtro manual por terminação, porque as listas prontas frequentemente trazem duplicatas e palavras obsoletas que o usuário final não reconhece mais. Minha configuração típica envolve baixar o arquivo .txt com o vocabulário do português brasileiro, aplicar um grep simples por "au$" e depois remover os falsos positivos manualmente. O resultado costuma ficar entre 280 e 340 entradas, dependendo se você inclui topônimos e nomes próprios ou não. Para a maioria dos usos correntes, ficar com as 300 principais já resolve sem burocracia.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Como montar sua própria lista do zero
A abordagem mais limpa que eu uso é a seguinte: pegue um corpus consolidado, aplique a regex ^.*au$ e depois valide contra o Vocabulário Ortográfico da Língua Portuguesa (VOLP) do Portal da Língua Portuguesa. Isso elimina siglas, abreviaturas e termos fora do padrão cultos que acabam entrando nas listas gratuitas. Eu passei por um problema específico recently que ainda me incomoda. Ao montar um filtro para um pipeline de tokenização em Python, todas as palavras com "au" final estavam sendo marcadas como erro ortográfico pelo corretor ortográfico padrão. O problema não estava na lista em si, mas no dicionário interno do corretor, que interpretava o "au" como ambíguo quando a palavra vinha de um contexto de transcrição automática de áudio. A solução foi simples, mas demorei para descobrir: usei a biblioteca `langcodes` para forçar a validação no módulo `pt_BR` do corrector, em vez do padrão genérico. Assim, palavras como "santuário" e "verdadeiro" (que não têm "au" final) pararam de gerar falsos positivos em sequência.
Pegadinhas comuns que ninguém menciona
Muita gente não considera que "au" também aparece em palavras de origem tupi, como "araraúna" ou "curau". Essas são menos frequentes, mas aparecem com certa regularidade em textos regionais e literários. Se seu objetivo é cobrir 99% dos usos, essas podem ser ignoradas. Se precisa de cobertura total, inclua. Outro ponto que passa despercebido: há palavras compostas que terminam em "au" mesmo quando o segundo elemento não tem essa terminação isoladamente. Um exemplo clássico é "ferro-au", um termo técnico da metalurgia que às vezes aparece em artigos especializados. Listas genéricas raramente capturam esses casos.
Quando essa abordagem não funciona
Se você precisa de uma lista atualizada dinamicamente, baseada em corpus em tempo real, as abordagens estáticas falham. A linguagem evolui, neologismos entram e saem, e uma lista fixa de palavras que terminam com au fica desatualizada em poucos anos. Nesses cenários, o ideal é usar um modelo de linguagem fine-tuned em português brasileiro e extrair as palavras por frequência e terminação sob demanda. É mais custoso computacionalmente, mas evita o problema de manutenção contínua. Também vale lembrar que palavras técnicas, nomes próprios estrangeiros e jargões setoriais frequentemente fogem do padrão. Se seu domínio de aplicação é específico — como direito, medicina ou engenharia —, considere construir uma lista customizada a partir de corpora da área, em vez de depender de listas gerais. O ganho em precisão costuma valer o esforço adicional de curadoria.
