Converti TXT in DIC

I correttori ortografici personalizzati, gli strumenti terminologici e i motori per dizionari accettano spesso il vocabolario solo in uno specifico layout .dic. Un elenco di parole gestito in .txt deve quindi essere ripulito e formattato in base al programma di destinazione, anziché essere semplicemente rinominato.

File TXT e relativo utilizzo

Un file .txt è testo normale senza una struttura obbligatoria dei campi. Gli editor di testo come Notepad, TextEdit, Notepad++ e VS Code creano file TXT; fogli di calcolo, database, sistemi terminologici e script esportano comunemente in questi file gli elenchi di parole.

Un file di origine può contenere una parola per riga, termini separati da virgole, intestazioni, definizioni, duplicati o testo in prosa. Solo i termini estratti e convalidati devono essere inseriti in un file di dizionario.

File DIC e relative varianti

L'estensione .dic non identifica un unico formato universale per dizionari. Alcune applicazioni usano un elenco di parole UTF-8 con una voce per riga, mentre altre utilizzano dizionari compatibili con Hunspell, layout di testo proprietari o file binari.

Un file .dic Hunspell contiene normalmente il conteggio delle parole nella prima riga, seguito da voci come colour/AB. I flag facoltativi sono definiti da un file .aff corrispondente, che specifica la codifica, le regole per gli affissi, le regole per le parole composte e il significato dei flag. Un file DIC privo del file AFF corretto non può aggiungere autonomamente regole valide per le flessioni.

Un file DIC formattato correttamente consente al software di destinazione di riconoscere nomi approvati, termini tecnici, abbreviazioni e varianti ortografiche. I dizionari basati su elenchi semplici sono compatti e facili da modificare, ma riconoscono solo le voci letterali fornite, a meno che l'applicazione non supporti proprie regole morfologiche.

Preparare l'elenco di origine

1. Controlla la documentazione del programma di destinazione ed esamina un file di dizionario funzionante noto in VS Code o Notepad++. Annota il nome del file, la codifica, le prime righe, gli eventuali file associati richiesti e la sintassi delle voci.
2. Apri la fonte TXT e rimuovi intestazioni, definizioni, righe vuote, voci costituite solo da punteggiatura e termini che non devono essere accettati dal correttore ortografico.
3. Inserisci una voce accettata per ogni riga. Mantieni le espressioni solo quando il formato del dizionario dell'applicazione di destinazione supporta le voci composte da più parole.
4. Scegli una politica per l'uso delle maiuscole e minuscole prima di rimuovere i duplicati. I nomi di prodotti e le abbreviazioni possono richiedere voci separate per Acme, ACME e acme.
5. Salva l'origine ripulita come UTF-8, a meno che il dizionario di destinazione non richieda esplicitamente un'altra codifica.

Creare il formato DIC richiesto

Per un'applicazione che documenta un formato DIC basato su un elenco semplice di parole, salva l'elenco ripulito con il nome file .dic richiesto tramite File → Save As. La modifica dell'estensione è valida solo quando l'applicazione tratta esplicitamente il proprio file DIC come un elenco di testo normale.

Per una destinazione Hunspell, copia la sintassi del dizionario esistente e usa il relativo file .aff. Inserisci il conteggio delle voci richiesto nella prima riga se il dizionario di esempio della destinazione lo prevede; il conteggio esclude la riga del conteggio. Aggiungi i flag solo quando sono definiti in quel file AFF. Flag arbitrari non creano plurali, forme verbali o parole composte.

In PowerShell 7, questo comando elimina gli spazi superflui da un'origine UTF-8 con un termine per riga, rimuove le righe duplicate esatte, aggiunge un conteggio in stile Hunspell e scrive in UTF-8 senza un byte-order mark:

$w = Get-Content words.txt | ForEach-Object { $_.Trim() } | Where-Object { $_ } | Sort-Object -CaseSensitive -Unique; @($w.Count) + $w | Set-Content -Encoding utf8NoBOM custom.dic

Usa il comando solo dopo aver verificato che la destinazione accetti un elenco Hunspell privo di flag e che custom.dic sia installato o registrato con il file .aff appropriato. Per le esportazioni da fogli di calcolo o le importazioni ripetibili, uno script PowerShell o Python è più sicuro della modifica manuale, perché il filtraggio, la gestione dei duplicati e il conteggio delle voci rimangono riproducibili.

Strumenti e controlli di compatibilità

VS Code e Notepad++ sono adatti per esaminare la codifica, i caratteri di fine riga e la sintassi di esempio del dizionario. PyGlossary può convertire i formati di dizionario supportati, ma non è una soluzione generica per file TXT arbitrari o varianti DIC proprietarie; verifica che i plugin di input e output selezionati corrispondano al formato di destinazione esatto.

Nessun convertitore online generico può dedurre in modo affidabile una variante DIC. Evita i servizi che promettono una conversione universale da TXT a DIC, soprattutto per nomi di clienti, terminologia interna o altri vocaboli riservati. Usa un servizio online di elaborazione del testo solo quando la sintassi e la codifica dell'output possono essere verificate rispetto alla documentazione dell'applicazione di destinazione.

Fai corrispondere esattamente la codifica della destinazione. I file AFF Hunspell contengono comunemente SET UTF-8; UTF-16, Windows-1252 o un byte-order mark non supportato possono danneggiare i caratteri accentati o impedire il riconoscimento della prima voce.

Testa il dizionario installato con una parola normale, una parola accentata, un termine in maiuscolo e una voce personalizzata. Se il caricamento non riesce, confronta il nome del file, la prima riga, la codifica, i caratteri di fine riga, il percorso di installazione e i file associati richiesti con un dizionario funzionante noto.