Convertir BGL a XML

Qué es el formato BGL

BGL es el formato de glosario binario compilado de Babylon. Las herramientas de creación de diccionarios de Babylon empaquetan lemas, definiciones, formato, información de pronunciación y, en ocasiones, imágenes o audio en archivos BGL.

Los archivos BGL suelen distribuirse como diccionarios o paquetes de idiomas descargados. Babylon y lectores como GoldenDict pueden abrir muchos archivos BGL, pero BGL no es un formato editable de propósito general y sus datos internos no son XML ordinario.

Qué es el formato XML

XML representa datos estructurados mediante elementos y atributos legibles. Los datos de diccionario XML pueden inspeccionarse en un editor de texto, consultarse con XPath, transformarse con XSLT, importarse a una base de datos o adaptarse para otra aplicación de diccionario.

No existe un esquema XML universal para diccionarios. XDXF (XML Dictionary eXchange Format) es el destino habitual basado en XML para la conversión de diccionarios, pero la aplicación receptora puede requerir sus propios elementos para entradas, ejemplos, formato, audio o imágenes. Confirma el esquema requerido antes de realizar la conversión.

Cómo convertir el diccionario

PyGlossary es la opción local más práctica para los archivos BGL de Babylon compatibles. Lee el glosario binario y escribe XDXF sin cargar los datos del diccionario en un servicio web.

1. Instala una versión actual de Python y, a continuación, instala PyGlossary con python -m pip install pyglossary.
2. Coloca el archivo de origen en un directorio de trabajo, como english.bgl.
3. Ejecuta pyglossary english.bgl english.xdxf. PyGlossary normalmente detecta los formatos de entrada y salida a partir de las extensiones de los nombres de archivo.
4. Si la detección falla, selecciona Babylon como formato de entrada y XDXF como formato de salida explícitamente en la interfaz gráfica de PyGlossary o mediante las opciones de comandos.
5. Abre english.xdxf en un editor compatible con XML y pruébalo en la aplicación de destino. Comprueba lemas representativos, marcado, texto no latino, enlaces y metadatos, en lugar de basarte únicamente en si el archivo se abre.

El resultado es contenido XDXF, basado en XML, pero no es automáticamente compatible con todas las aplicaciones que aceptan un archivo llamado .xml. Si el destino requiere un esquema propietario, transforma el XDXF con una hoja de estilos XSLT o un script personalizado. Cambiar el nombre de english.xdxf a english.xml solo cambia la extensión del nombre de archivo y no modifica el esquema.

GoldenDict y otros lectores de diccionarios similares son útiles para probar el glosario de origen, pero generalmente son lectores y no herramientas de exportación de BGL a XML. No debe darse por supuesto que exista un convertidor en línea ampliamente fiable para este formato; es posible que los servicios web especializados no sean compatibles con la variante BGL correspondiente o con el esquema de destino. Mantén la conversión local, especialmente en el caso de diccionarios protegidos por derechos de autor, a menos que un servicio documente explícitamente la entrada BGL de Babylon y la salida XML requerida.

Limitaciones de calidad y compatibilidad

Los lemas y las definiciones básicos suelen transferirse, pero la conversión puede perder o alterar el formato propietario, las imágenes incrustadas, el audio, los hipervínculos, los datos de pronunciación, los metadatos de licencia y los recursos comprimidos. El resultado también depende de la versión de BGL y de la compatibilidad del convertidor con las estructuras internas de ese diccionario.

Algunos archivos BGL utilizan variantes, empaquetado o protección que PyGlossary no puede decodificar. Una lectura fallida requiere una versión compatible del convertidor, otra copia del archivo de origen o una exportación del proyecto de creación original de Babylon; cambiar la extensión no puede reparar un archivo no compatible.

Conserva el BGL original y compara el número de entradas antes y después de la conversión. Si los archivos multimedia son esenciales, verifica que la salida contenga referencias utilizables o archivos extraídos, en lugar de suponer que se conservó cada recurso.