Análisis de legibilidad de textos

Al parecer en el inglés existen dos palabras que hacen referencia a la facilidad para leer un texto¹:

• legibility: legibilidad tipográfica, que se refiere a la tipografía (aspecto visual del texto)
• readability: legibilidad lingüistica, que se refiere a la estructura lingüistica como el número de palabras que se usan y la forma en las que se combinan.

Este artículo trata sobre la fórmula necesaria para calcular la legibilidad lingüistica y su implementación en python².

Medir la legibilidad de textos en español puede ser requerido para:

• evaluar la edad necesaria para comprender un texto
• calcular qué tan sencillo de entender será para nuestro público objetivo
• calcular tiempos de lectura

Algunas de las fórmulas aplicables al español son:

• Escala INFLESZ (2008)
• Legibilidad µ (2006)
• Nivel de perspicuidad - Szigriszt-Pazos (1993)
• Nivel de Comprensibilidad - Crawford (1989)
• Nivel de comprensibilidad - Gutiérrez de Polini (1972)
• Escala de lecturabilidad - Fernández Huerta (1959)

En este caso solo calcularemos la escala INFLESZ³, la cual requiere obtener el índice Flesh-Szigriszt:

Índice FLESCH-SZIGRISZT = 206,835 – (62,3 x S/P ) - P/F

Donde P es el número de palabras del texto, S el número de sílabas y F es el número de frases.

Escala Inflesz:

Para llegar a lo anterior debemos dividir el problema, por lo cual necesitaremos:

1. el número de palabras de un texto: lo podemos obtener de la siguiente manera:

::python
def count_words(text):
    return len(text.split())

2. el número de sílabas de una palabra: este punto es un tanto más complejo porque requiere utilizar las reglas del español para dividir sílabas, para nuestro caso la referencia es: https://github.com/mabodo/sibilizador

3. el número de frases de un texto: utilizamos una expresión regular para agrupar los separadores como puntos, comas, dos puntos, entre otros. Luego utilizamos el método split de un objeto regex para separar las frases y las contamos.

::python
def count_sentences(text):
    text = text.replace("\n", "")
    sentence_end = re.compile('[.:;!?\)\()]')
    sencences = sentence_end.split(text)
    return len(list(filter(None, sencences)))

Y con esto, ya solo quedaría unir los bloques para lograr el cálculo deseado. Se puede ver el script original en python en github o la versión que empaqueté para pypi.

Más información

• Código del paquete en pypi
• legible.es: web con información sobre análisis de legibilidad de textos en español
• Legibility, Readability, and Comprehension: Making Users Read Your Words: análisis del impacto de la legibilidad en la experiencia de usuario