Wiktextract

Wiktextract es una utilidad diseñada para analizar archivos de volcado de Wiktionary y extraer amplios datos de diccionario multilingües. Procesa varias ediciones de Wiktionary, particularmente la versión en inglés, para recuperar glosas, partes del habla, información de flexión y traducciones. La herramienta expande plantillas y macros de Lua para mejorar la calidad de extracción, lo que la hace adecuada para aplicaciones en procesamiento de lenguaje natural, análisis semántico y traducción automática. Salida de los datos extraídos en formato JSONL, facilitando la integración con otras herramientas.