Wiktextract

Wiktextract ist ein Dienstprogramm, das entwickelt wurde, um Wiktionary-Dump-Dateien zu parsen und umfangreiche mehrsprachige Wörterbuchdaten zu extrahieren. Es verarbeitet verschiedene Ausgaben von Wiktionary, insbesondere die englische Version, um Glossare, Wortarten, Flexionsinformationen und Übersetzungen abzurufen. Das Tool erweitert Vorlagen und Lua-Makros, um die Extraktionsqualität zu verbessern, wodurch es für Anwendungen in der Verarbeitung natürlicher Sprache, der semantischen Analyse und der maschinellen Übersetzung geeignet ist. Es gibt die extrahierten Daten im JSONL-Format aus, was eine einfache Integration mit anderen Tools erleichtert.