Converti BGL in HTML

Un glossario Babylon deve essere convertito quando le sue voci devono essere pubblicate come pagina web leggibile con un browser invece di essere aperte in un software per dizionari. HTML rende inoltre il testo estratto più facile da modificare, ospitare, archiviare e cercare con gli strumenti del browser.

Che cos'è il formato BGL

In questo contesto, .bgl indica un file Babylon Glossary: un dizionario binario compilato contenente lemmi, traduzioni, definizioni e, a seconda del glossario, formattazione, esempi, dati di pronuncia, link, immagini o audio. Il software per dizionari Babylon e Babylon Glossary Builder hanno creato e utilizzato questi file.

BGL è un contenitore proprietario per dizionari, non un documento web. Un browser non può interpretarlo direttamente e rinominare .bgl in .html modifica solo il nome del file, non il formato dei dati. Alcuni file BGL possono inoltre essere protetti o utilizzare strutture che gli strumenti di estrazione meno recenti non riescono a leggere completamente.

Che cos'è il formato HTML

HTML è un linguaggio di markup testuale che descrive la struttura dei documenti visualizzati dal browser. Un glossario può utilizzare <dl>, <dt> e <dd> per lemmi e definizioni, con CSS per la presentazione e JavaScript per la ricerca lato client.

A differenza di BGL, un file HTML può essere aperto senza il software Babylon, modificato in un editor di testo, ospitato su un web server o archiviato come testo semplice. La visualizzazione nel browser non fornisce automaticamente le funzioni di pronuncia, indicizzazione, traduzione o ricerca del dizionario di Babylon; tali funzionalità devono essere esportate o ricreate separatamente.

Come convertire BGL in HTML

Utilizzare prima PyGlossary. È un'utilità open source per la conversione di dizionari, mantenuta attivamente, che supporta l'input Babylon BGL e può scrivere diversi formati di dizionari testuali e orientati al web. Controllare l'elenco dei formati attualmente supportati prima di convertire un glossario specifico, poiché il supporto per i contenuti multimediali incorporati e il markup proprietario varia a seconda della versione.

1. Creare una copia di backup del file originale .bgl e installare PyGlossary dalla fonte ufficiale del progetto. Evitare di scaricare eseguibili di conversione non identificati pubblicizzati come BabylonToHtml; molte utilità meno recenti non sono supportate e potrebbero non gestire in modo sicuro glossari più nuovi o protetti.
2. Eseguire la conversione da un terminale, consentendo a PyGlossary di rilevare i formati quando supportato: pyglossary glossary.bgl glossary.html. Se la versione installata richiede formati espliciti, selezionare Babylon BGL come input e HTML come output nelle opzioni della riga di comando o nell'interfaccia grafica.
3. Aprire il file glossary.html risultante in diversi browser. Controllare i caratteri accentati, gli alfabeti non latini, il testo da destra a sinistra, i lemmi duplicati, gli esempi, i link, i simboli di pronuncia e le eventuali immagini o audio.
4. Impostare la codifica del documento su UTF-8 e aggiungere i metadati della lingua corretti se il convertitore non lo ha fatto. Per una pagina di dizionario, utilizzare elementi semantici come <dl> invece di inserire ogni voce in un blocco di testo non strutturato.

Se PyGlossary non riesce a leggere il file, utilizzare un lettore Babylon compatibile con BGL o un'utilità di estrazione per esportare testo semplice, testo delimitato da tabulazioni o CSV. Scegliere File → Export o il comando equivalente, mantenere Unicode e selezionare UTF-8 quando disponibile. Identificare le colonne del lemma e della definizione prima di generare HTML.

Per un'esportazione TSV UTF-8 a due colonne denominata terms.tsv, questo script Python minimale crea un glossario statico valido:

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)

Salvarlo come tsv_to_html.py ed eseguire python tsv_to_html.py. Per l'input CSV, sostituire delimiter="\t" con delimiter=","; modificare row[0] e row[1] se le colonne esportate sono diverse.

Opzioni di conversione online

Non si deve presumere che servizi generici affidabili come Zamzar e CloudConvert supportino l'input Babylon BGL; verificare che BGL sia elencato come formato sorgente accettato prima del caricamento. Un servizio online da CSV a HTML può elaborare una tabella già esportata, ma non decodificherà i dati BGL né conserverà le funzionalità specifiche di Babylon.

Non caricare glossari concessi in licenza, privati o protetti da copyright su un servizio online senza autorizzazione. L'estrazione locale con PyGlossary o con un lettore BGL affidabile evita tale divulgazione e offre un maggiore controllo sulla codifica e sulla mappatura dei campi.

Limitazioni relative a qualità e compatibilità

Di solito i lemmi e le definizioni semplici sopravvivono all'estrazione, ma la formattazione, i simboli di pronuncia, il layout da destra a sinistra, le immagini incorporate, l'audio, i collegamenti ipertestuali, gli esempi, le voci duplicate e i riferimenti interni possono andare persi o essere convertiti in modo errato. Esaminare l'output confrontandolo con il dizionario originale, soprattutto per il giapponese, l'arabo, l'ebraico, il testo traslitterato e le voci contenenti markup simile a HTML.

Eseguire l'escape del testo esportato prima di inserirlo in HTML. In caso contrario, una definizione contenente <, > o virgolette può danneggiare la pagina, mentre definizioni non attendibili contenenti markup possono creare un rischio di cross-site scripting quando il file viene ospitato. Un file HTML generato è una rappresentazione statica; aggiungere separatamente CSS, un indice di ricerca o JavaScript se il glossario pubblicato necessita di filtri o di una ricerca full-text.