Подсчет букв в тексте на валлийском языке

Как посчитать буквы в Llanfairpwllgwyngyllgogerychwyrndrobwllllantysiliogogogogoch?

print(len('Llanfairpwllgwyngyllgogerychwyrndrobwllllantysiliogogogoch'))

Говорит 58

Ну, если бы это было так просто, я бы не спрашивал тебя, не так ли ?!

Википедия говорит (https://en.wikipedia.org/wiki/Llanfairpwllgwyngyll#Placename_and_toponyname_and_toponymy)

print(len(['Ll','a','n','f','a','i','r','p','w','ll','g','w','y','n','g','y','ll','g','o','g','e','r','y','ch','w','y','r','n','d','r','o','b','w','ll','ll','a','n','t','y','s','i','l','i','o','g','o','g','o','g','o','ch']))
51

https://en.wikipedia.org/wiki/Welsh_orthography#Digraphs

Итак, поехали. Сложим длину, а затем снимем двойной счет.

word='Llanfairpwllgwyngyllgogerychwyrndrobwllllantysiliogogogoch'
count=len(word)
print('starting with count of',count)
for index in range(len(word)-1):
  substring=word[index]+word[index+1]
  if substring.lower() in ['ch','dd','ff','ng','ll','ph','rh','th']:
    print('taking off double counting of',substring)
    count=count-1
print(count)

Это заводит меня так далеко

starting with count of 58
taking off double counting of Ll
taking off double counting of ll
taking off double counting of ng
taking off double counting of ll
taking off double counting of ch
taking off double counting of ll
taking off double counting of ll
taking off double counting of ll
taking off double counting of ch
49

Похоже, я тогда вычел слишком много. Я должен получить 51. Теперь одна проблема в том, что с llll он нашел 3 ll и снял три вместо двух. Так что это нужно исправить. (Не должно перекрываться.)

А тут еще одна проблема. ng. Википедия ничего не говорит о том, что в имени есть буква ng, но она указана как один из диграфов на странице, которую я цитировал выше.

Википедия дает нам еще одну подсказку: может потребоваться дополнительная информация, чтобы отличить настоящий диграф от сопоставления букв. И это дает пример llongyfarch, где ng - это просто сопоставление букв, и llong, где это орграф.

Таким образом, кажется, что «Llanfairpwllgwy ng yllgogerychwyrndrobwllllantysiliogogogoch» - одно из тех слов, где -ng- - это просто сочетание букв.

И, очевидно, компьютер не может это узнать. Так что мне придется предоставить ему дополнительную информацию, о которой говорит Википедия.

Так или иначе, я решил поискать в онлайн-словаре http://geiriadur.ac.uk/gpc/gpc.html, и вы увидите, что если вы посмотрите llongyfarch (пример из Википедии, в котором есть сопоставление букв), он отобразит его с вертикальной линией между n и g, но если вы посмотрите вверх, он этого не сделает.

Итак, я решил, что хорошо, что нам нужно сделать, это предоставить дополнительную информацию, поместив | во входную строку, как это делается в словаре, просто чтобы алгоритм знал, что бит ng на самом деле состоит из двух букв. Но, очевидно, я не хочу, чтобы сама | считалась буквой.

Итак, теперь у меня есть эти данные:

word='llong'
ANSWER NEEDS TO BE 3 (ll o ng)

word='llon|gyfarch'
ANSWER NEEDS TO BE 9 (ll o n g y f a r ch)

word='Llanfairpwllgwyn|gyllgogerychwyrndrobwllllantysiliogogogoch'
ANSWER NEEDS TO BE 51 (Ll a n f a i r p w ll g w y n g y ll g o g e r y ch w y r n d r o b w ll ll a n t y s i l i o g o g o g o ch)

и еще этот список орграфов:

['ch','dd','ff','ng','ll','ph','rh','th']

и правила будут такими:

1. игнорировать регистр

2. если вы видите орграф, засчитайте его как 1

3. работайте слева направо, чтобы llll было ll + ll, а не l + ll + l

4. если вы видите |, не считайте его, но вы не можете полностью игнорировать его, он должен перестать ng быть диграфом

и я хочу, чтобы он считал его 51 и делал это по правильным причинам, а не просто случайно.

Теперь я получаю 51, но он ошибается, потому что он считает | как букву (1 слишком высокий), а затем вылетает слишком много с llll (1 слишком мало) - ОШИБКИ ОТМЕНА

Становится llong правильно (3).

Неправильно llon|gyfarch (10) - снова считая |

Как я могу это исправить?