Převod souboru BGL do HTML

Slovníček Babylon je nutné převést, pokud mají být jeho položky publikovány jako webová stránka čitelná v prohlížeči namísto otevření v dictionary software. HTML také usnadňuje úpravy, hostování, archivaci a vyhledávání extrahovaného textu pomocí nástrojů prohlížeče.

Co je formát BGL

V tomto kontextu .bgl znamená soubor Babylon Glossary: zkompilovaný binární slovník obsahující hesla, překlady, definice a v závislosti na konkrétním slovníčku také formátování, příklady, údaje o výslovnosti, odkazy, obrázky nebo zvuk. Tyto soubory vytvářely a používaly Babylon dictionary software a Babylon Glossary Builder.

BGL je proprietární dictionary container, nikoli webový dokument. Prohlížeč jej nedokáže přímo interpretovat a přejmenování .bgl na .html změní pouze název souboru, nikoli datový formát. Některé soubory BGL mohou být také chráněné nebo mohou používat struktury, které starší extraction tools nedokážou plně přečíst.

Co je formát HTML

HTML je textový markup language, který popisuje strukturu dokumentů vykreslovaných v prohlížeči. Slovníček může pro hesla a definice používat <dl>, <dt> a <dd>, pro prezentaci CSS a pro client-side search JavaScript.

Na rozdíl od BGL lze soubor HTML otevřít bez Babylon software, upravovat v textovém editoru, hostovat na web serveru nebo archivovat jako prostý text. Zobrazení v prohlížeči automaticky neposkytuje funkce Babylonu pro výslovnost, indexování, překlad ani vyhledávání ve slovníku; tyto funkce je nutné exportovat nebo znovu samostatně vytvořit.

Jak převést BGL na HTML

Nejprve použijte PyGlossary. Jedná se o aktivně udržovaný open-source nástroj pro převod slovníků, který podporuje vstup Babylon BGL a dokáže zapisovat několik textových a webově orientovaných formátů slovníků. Před převodem konkrétního slovníčku zkontrolujte aktuální seznam formátů, protože podpora vložených médií a proprietárního markup se v jednotlivých verzích liší.

1. Vytvořte zálohu původního souboru .bgl a nainstalujte PyGlossary z oficiálního zdroje projektu. Vyhněte se stahování neidentifikovaných conversion executables označovaných jako BabylonToHtml; mnoho starších nástrojů již není podporováno a nemusí bezpečně zpracovávat novější nebo chráněné slovníčky.
2. Spusťte převod z terminálu a umožněte PyGlossary rozpoznat formáty, pokud je podporuje: pyglossary glossary.bgl glossary.html. Pokud nainstalovaná verze vyžaduje explicitní formáty, zvolte Babylon BGL jako vstup a HTML jako výstup v jejích command-line options nebo graphical interface.
3. Výsledný soubor glossary.html otevřete v několika prohlížečích. Zkontrolujte znaky s diakritikou, nelatinská písma, text psaný zprava doleva, duplicitní hesla, příklady, odkazy, symboly výslovnosti a případné obrázky nebo zvuk.
4. Nastavte kódování dokumentu na UTF-8 a přidejte správná metadata jazyka, pokud to převodník neudělal. U slovníkové stránky používejte sémantické prvky, například <dl>, místo umístění každé položky do nestrukturovaného bloku textu.

Pokud PyGlossary nedokáže soubor přečíst, použijte Babylon reader kompatibilní s BGL nebo extraction utility k exportu prostého textu, textu odděleného tabulátory nebo CSV. Zvolte File → Export nebo ekvivalentní příkaz, zachovejte Unicode a podle dostupnosti vyberte UTF-8. Před generováním HTML určete sloupce s hesly a definicemi.

Pro dvousloupcový UTF-8 TSV export s názvem terms.tsv vytvoří tento minimální Python script platný statický slovníček:

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)

Uložte jej jako tsv_to_html.py a spusťte python tsv_to_html.py. Pro vstup CSV nahraďte delimiter="\t" hodnotou delimiter=","; pokud se exportované sloupce liší, změňte row[0] a row[1].

Možnosti online převodu

Nelze automaticky předpokládat, že běžné renomované služby, jako jsou Zamzar a CloudConvert, podporují vstup Babylon BGL; před nahráním ověřte, zda je BGL uveden jako podporovaný zdrojový formát. Online služba pro převod CSV na HTML může zpracovat již exportovanou tabulku, ale nedokáže dekódovat data BGL ani zachovat funkce specifické pro Babylon.

Bez povolení nenahrávejte licencované, soukromé ani autorsky chráněné slovníčky do online služby. Lokální extrakce pomocí PyGlossary nebo důvěryhodného BGL readeru tomuto zveřejnění zabrání a poskytne větší kontrolu nad kódováním a mapováním polí.

Omezení kvality a kompatibility

Prostá hesla a definice extrakci obvykle přežijí, ale formátování, symboly výslovnosti, rozvržení zprava doleva, vložené obrázky, zvuk, hypertextové odkazy, příklady, duplicitní položky a interní odkazy se mohou ztratit nebo být převedeny nesprávně. Výstup porovnejte s původním slovníkem, zejména u japonštiny, arabštiny, hebrejštiny, transliterovaného textu a položek obsahujících markup podobný HTML.

Exportovaný text před vložením do HTML escapujte. Jinak může definice obsahující <, > nebo uvozovky poškodit stránku, zatímco nedůvěryhodné definice obsahující markup mohou při hostování souboru vytvořit riziko cross-site scriptingu. Vygenerovaný soubor HTML je statická reprezentace; pokud publikovaný slovníček potřebuje filtrování nebo full-text search, přidejte CSS, search index nebo JavaScript samostatně.