Convertir BGL a HTML

Un glosario de Babylon debe convertirse cuando sus entradas deban publicarse como una página web legible en un navegador en lugar de abrirse en un software de diccionario. HTML también facilita editar, alojar, archivar y buscar el texto extraído mediante herramientas del navegador.

Qué es el formato BGL

En este contexto, .bgl significa un archivo Babylon Glossary: un diccionario binario compilado que contiene lemas, traducciones, definiciones y, dependiendo del glosario, formato, ejemplos, datos de pronunciación, enlaces, imágenes o audio. El software de diccionario Babylon y Babylon Glossary Builder creaban y utilizaban estos archivos.

BGL es un contenedor de diccionario propietario, no un documento web. Un navegador no puede interpretarlo directamente, y cambiar el nombre de .bgl a .html solo cambia el nombre del archivo, no el formato de los datos. Algunos archivos BGL también pueden estar protegidos o utilizar estructuras que las herramientas de extracción antiguas no pueden leer por completo.

Qué es el formato HTML

HTML es un lenguaje de marcado de texto que describe la estructura de los documentos representados por el navegador. Un glosario puede utilizar <dl>, <dt> y <dd> para los lemas y las definiciones, con CSS para la presentación y JavaScript para la búsqueda del lado del cliente.

A diferencia de BGL, un archivo HTML puede abrirse sin el software Babylon, editarse en un editor de texto, alojarse en un servidor web o archivarse como texto sin formato. La visualización en el navegador no proporciona automáticamente las funciones de pronunciación, indexación, traducción o búsqueda de diccionario de Babylon; esas funciones deben exportarse o reconstruirse por separado.

Cómo convertir BGL a HTML

Utilice PyGlossary primero. Es una utilidad de conversión de diccionarios de código abierto con mantenimiento activo que admite la entrada Babylon BGL y puede escribir varios formatos de diccionario orientados al texto y a la web. Consulte su lista de formatos actual antes de convertir un glosario concreto, ya que la compatibilidad con medios incrustados y marcado propietario varía según la versión.

1. Realice una copia de seguridad del archivo original .bgl e instale PyGlossary desde la fuente oficial del proyecto. Evite descargar ejecutables de conversión no identificados anunciados como BabylonToHtml; muchas utilidades antiguas no tienen soporte y podrían no gestionar de forma segura glosarios más recientes o protegidos.
2. Ejecute la conversión desde un terminal, permitiendo que PyGlossary detecte los formatos cuando sea compatible: pyglossary glossary.bgl glossary.html. Si la versión instalada requiere formatos explícitos, seleccione Babylon BGL como entrada y HTML como salida en sus opciones de línea de comandos o en su interfaz gráfica.
3. Abra el archivo glossary.html resultante en varios navegadores. Compruebe los caracteres acentuados, los alfabetos no latinos, el texto de derecha a izquierda, los lemas duplicados, los ejemplos, los enlaces, los símbolos de pronunciación y cualquier imagen o audio.
4. Establezca la codificación del documento en UTF-8 y añada los metadatos de idioma correctos si el conversor no lo hizo. Para una página de diccionario, utilice elementos semánticos como <dl> en lugar de colocar cada entrada en un bloque de texto sin estructura.

Si PyGlossary no puede leer el archivo, utilice un lector de Babylon compatible con BGL o una utilidad de extracción para exportar texto sin formato, texto delimitado por tabuladores o CSV. Elija File → Export o el comando equivalente, conserve Unicode y seleccione UTF-8 cuando esté disponible. Identifique las columnas del lema y de la definición antes de generar el HTML.

Para una exportación TSV UTF-8 de dos columnas llamada terms.tsv, este script mínimo de Python crea un glosario estático válido:

import csv
import html

entries = []
with open("terms.tsv", encoding="utf-8", newline="") as source:
    for row in csv.reader(source, delimiter="\t"):
        if len(row) >= 2 and row[0].strip():
            word = html.escape(row[0].strip())
            definition = html.escape(row[1].strip()).replace("\n", "<br>")
            entries.append(f"<dt>{word}</dt><dd>{definition}</dd>")

page = """<!doctype html>
<html lang="en">
<head>
<meta charset="utf-8">
<meta name="viewport" content="width=device-width, initial-scale=1">
<title>Glossary</title>
</head>
<body><main><h1>Glossary</h1><dl>""" + "".join(entries) + """</dl></main></body>
</html>"""

with open("glossary.html", "w", encoding="utf-8", newline="") as output:
    output.write(page)

Guárdelo como tsv_to_html.py y ejecútelo con python tsv_to_html.py. Para entradas CSV, sustituya delimiter="\t" por delimiter=","; cambie row[0] y row[1] si las columnas exportadas son diferentes.

Opciones de conversión en línea

No debe darse por sentado que servicios generales de confianza como Zamzar y CloudConvert admiten la entrada Babylon BGL; verifique que BGL aparezca como formato de origen aceptado antes de cargar el archivo. Un servicio en línea de CSV a HTML puede procesar una tabla ya exportada, pero no descodificará los datos BGL ni conservará las funciones específicas de Babylon.

No cargue glosarios con licencia, privados o protegidos por derechos de autor en un servicio en línea sin permiso. La extracción local con PyGlossary o un lector BGL de confianza evita esa divulgación y ofrece más control sobre la codificación y la asignación de campos.

Limitaciones de calidad y compatibilidad

Los lemas y las definiciones sin formato suelen conservarse durante la extracción, pero el formato, los símbolos de pronunciación, la disposición de derecha a izquierda, las imágenes incrustadas, el audio, los hipervínculos, los ejemplos, las entradas duplicadas y las referencias internas pueden perderse o convertirse incorrectamente. Revise el resultado comparándolo con el diccionario original, especialmente en el caso del japonés, el árabe, el hebreo, el texto transliterado y las entradas que contengan marcado similar a HTML.

Escápese el texto exportado antes de insertarlo en HTML. De lo contrario, una definición que contenga <, > o comillas puede dañar la página, mientras que las definiciones no confiables que contengan marcado pueden crear un riesgo de cross-site scripting cuando el archivo se aloja. Un archivo HTML generado es una representación estática; añada CSS, un índice de búsqueda o JavaScript por separado si el glosario publicado necesita filtrado o búsqueda de texto completo.