Os números do Tanach: versículos, palavras e letras dos 39 livros

Todo estudo quantitativo do Tanach — e as sequências de letras equidistantes são exatamente isso — depende de uma pergunta prévia: exatamente qual texto você está medindo? Esta página responde a essa pergunta para o nosso buscador com precisão de uma letra: documentamos a cadeia completa da fonte, declaramos as regras de contagem, publicamos a tabela íntegra dos 39 livros e validamos o total contra o número que os soferim guardam há séculos.

A fonte, documentada elo por elo

Nosso buscador não usa "um texto hebraico da internet". Usa uma edição específica, com história editorial pública:

• Edição: Miqra According to the Masorah (MAM, מקרא על פי המסורה) — edição digital do Tanach baseada no Códice de Alepo (כתר ארם צובא, o manuscrito massorético mais autorizado, vocalizado por Aharon ben Asher, séc. X) e em manuscritos relacionados para as partes faltantes. Cada decisão editorial do MAM está documentada publicamente.
• Onde vive: o MAM é desenvolvido e mantido no Wikisource hebraico, com licença aberta CC-BY-SA.
• Como chega até nós: a Sefaria distribui o MAM como sua versão hebraica padrão do Tanach. Isso não é suposição: a própria API da Sefaria o declara nos metadados (heVersionTitle: "Miqra according to the Masorah" e heVersionSource apontando para a página do projeto no Wikisource). Qualquer pessoa pode conferir a resposta crua da API.
• Nosso buscador carrega esse texto, livro por livro, diretamente da API da Sefaria — a mesma cadeia de ponta a ponta.

Metodologia de contagem (as regras exatas)

Contagens do Tanach só são comparáveis quando as regras são declaradas. As nossas, aplicadas identicamente nesta tabela e no corpus do buscador:

• Letra: todo caractere do alfabeto hebraico (Unicode U+05D0 a U+05EA: as 22 letras mais as 5 formas finais ך ם ן ף ץ). Sinais de vocalização (nikud) e cantilação (te'amim) não são letras e não são contados.
• Texto escrito (ketiv), não lido (qerê): onde a Massorá registra uma palavra escrita de uma forma e lida de outra, contamos exclusivamente o ketiv — o que está fisicamente escrito no rolo. É a convenção da pesquisa ELS clássica.
• Sem aparato editorial: as notas de rodapé do MAM (variantes de manuscritos), os marcadores de seção {פ}/{ס} e todo elemento de sinalização ficam fora: não são letras do Tanach.
• Palavra: sequência de letras hebraicas delimitada por espaço ou maqaf (־). Ou seja, palavras unidas por maqaf contam separadamente.
• Versículo: cada verso da divisão massorética padrão da edição.

A tabela completa

A validação: por que estes números são confiáveis

Qualquer tabela se copia; uma tabela científica se valida. A tradição dos soferim — os escribas que copiam rolos letra por letra — guarda há séculos a contagem do Sêfer Torá: 304.805 letras. Nossa contagem computada da Torá dá 304.801. Uma diferença de exatamente 4 letras, ~0,0013%.

E aqui está o ponto decisivo: essa diferença não é um erro — é uma assinatura de autenticidade. O número 304.805 corresponde à ortografia dos rolos padrão atuais (tradição consolidada pelas edições impressas tardias), enquanto o Códice de Alepo de Ben Asher difere desses rolos em um punhado de casos documentados de escrita plena/defectiva (מלא/חסר). Um texto digital corrompido se desviaria por centenas ou milhares de letras; uma edição crítica fiel ao Códice de Alepo se desvia do rolo padrão exatamente nessa ordem de grandeza minúscula e explicável. As validações convergem:

• Letras da Torá: 304.801 (MAM/Alepo) vs 304.805 (rolos padrão) — Δ de 4 letras, consistente com as diferenças plena/defectiva documentadas entre tradições.
• Palavras da Torá: 79.977 — a contagem de referência citada é 79.976 (Δ = 1, atribuível a um caso-limite de divisão de palavra entre edições).
• Versículos da Torá: 5.846 — exatamente a contagem das edições massoréticas modernas.
• Versículos do Tanach: 23.204 — dentro da faixa massorética transmitida (~23.200).

Por que outros sites publicam números diferentes?

Compare tabelas de "letras da Bíblia" na internet e você verá variações. Quase sempre elas se explicam por quatro fatores raramente declarados: a edição de base (Alepo, Leningrado, Koren, edições impressas — diferem em escrita plena/defectiva), o tratamento do ketiv/qerê (contam o escrito, o lido, ou ambos?), a regra de palavra (o maqaf une ou separa?), e a contaminação silenciosa (notas editoriais, marcadores e caracteres de formatação contados como texto). Nossa tabela declara as quatro decisões — por isso cada número é defensável e reproduzível.

De fato, preparar este estudo nos levou a melhorar o próprio buscador: detectamos que as notas editoriais do MAM e o qerê duplicado estavam inflando o corpus em cerca de 5.600 letras (~0,5%), e corrigimos. O corpus atual é exatamente o texto escrito — os números desta tabela.

Reproduza você mesmo

Não acredite em nós: abra o buscador, carregue qualquer livro (ou o Tanach completo) e compare o total de letras do painel de informações com esta tabela. Eles coincidem porque são a mesma contagem sobre o mesmo texto. O procedimento completo — fonte, limpeza, regras — está descrito acima, e qualquer programador pode replicá-lo contra a API pública da Sefaria em uma tarde.

Nota: as contagens correspondem à edição MAM tal como distribuída pela API da Sefaria na data de publicação deste artigo. O MAM é uma edição viva, com correções editoriais documentadas; mudanças futuras seriam da ordem de letras individuais.