Convertir TXT en DIC

Les correcteurs orthographiques personnalisés, les outils de terminologie et les moteurs de dictionnaires acceptent souvent le vocabulaire uniquement dans une structure .dic spécifique. Une liste de mots conservée au format .txt doit donc être nettoyée et mise en forme pour correspondre au programme cible, plutôt que simplement renommée.

Fichiers TXT et utilisation

Un fichier .txt est un texte brut sans structure de champs obligatoire. Les éditeurs de texte tels que Notepad, TextEdit, Notepad++ et VS Code créent des fichiers TXT ; les feuilles de calcul, les bases de données, les systèmes de terminologie et les scripts y exportent couramment des listes de mots.

Un fichier source peut contenir un mot par ligne, des termes séparés par des virgules, des titres, des définitions, des doublons ou du texte courant. Seuls les termes extraits et validés doivent être placés dans un fichier de dictionnaire.

Fichiers DIC et leurs variantes

L’extension .dic n’identifie pas un format de dictionnaire universel. Certaines applications utilisent une liste de mots UTF-8 avec une entrée par ligne, tandis que d’autres utilisent des dictionnaires compatibles avec Hunspell, des structures textuelles propriétaires ou des fichiers binaires.

Un fichier .dic Hunspell contient normalement un nombre de mots sur sa première ligne, suivi d’entrées telles que colour/AB. Les indicateurs facultatifs sont définis par un fichier .aff correspondant, qui spécifie l’encodage, les règles d’affixes, les règles de mots composés et la signification des indicateurs. Un fichier DIC sans le fichier AFF correct ne peut pas ajouter à lui seul des règles de flexion valides.

Un fichier DIC correctement formaté permet au logiciel cible de reconnaître les noms approuvés, les termes techniques, les abréviations et les variantes orthographiques. Les dictionnaires sous forme de listes simples sont compacts et faciles à modifier, mais ils ne reconnaissent que les entrées littérales fournies, sauf si l’application prend en charge ses propres règles morphologiques.

Préparer la liste source

1. Consultez la documentation du programme cible et examinez un fichier de dictionnaire fonctionnel connu dans VS Code ou Notepad++. Notez son nom de fichier, son encodage, ses premières lignes, les fichiers associés requis et la syntaxe des entrées.
2. Ouvrez la source TXT et supprimez les titres, les définitions, les lignes vides, les entrées composées uniquement de signes de ponctuation et les termes qui ne doivent pas être acceptés par le correcteur orthographique.
3. Placez une entrée acceptée sur chaque ligne. Ne conservez les expressions que lorsque le format de dictionnaire de l’application cible prend en charge les entrées contenant plusieurs mots.
4. Choisissez une stratégie de gestion de la casse avant de supprimer les doublons. Les noms de produits et les abréviations peuvent nécessiter des entrées distinctes pour Acme, ACME et acme.
5. Enregistrez la source nettoyée au format UTF-8, sauf si le dictionnaire cible exige explicitement un autre encodage.

Créer le format DIC requis

Pour une application qui documente un format DIC constitué d’une liste simple de mots, enregistrez la liste nettoyée avec le nom de fichier .dic requis via File → Save As. Modifier l’extension n’est valide que lorsque l’application traite explicitement son fichier DIC comme une liste de texte brut.

Pour une cible Hunspell, reproduisez la syntaxe de son dictionnaire existant et utilisez son fichier .aff correspondant. Placez le nombre d’entrées requis sur la première ligne si le dictionnaire d’exemple de la cible le prévoit ; le nombre exclut la ligne de comptage. Ajoutez des indicateurs uniquement lorsqu’ils sont définis dans ce fichier AFF. Des indicateurs arbitraires ne créent pas de pluriels, de formes verbales ou de mots composés.

Dans PowerShell 7, cette commande nettoie une source UTF-8 contenant un terme par ligne, supprime les lignes exactement dupliquées, ajoute un nombre au format Hunspell et écrit un fichier UTF-8 sans marque d’ordre des octets :

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

Utilisez la commande uniquement après avoir confirmé que la cible accepte une liste Hunspell sans indicateurs et que custom.dic est installé ou enregistré avec le fichier .aff approprié. Pour les exportations de feuilles de calcul ou les importations répétables, un script PowerShell ou Python est plus sûr qu’une modification manuelle, car le filtrage, la gestion des doublons et le calcul du nombre d’entrées restent reproductibles.

Outils et vérifications de compatibilité

VS Code et Notepad++ conviennent pour examiner l’encodage, les fins de ligne et la syntaxe d’un dictionnaire d’exemple. PyGlossary peut convertir les formats de dictionnaires pris en charge, mais ce n’est pas une solution générale pour les fichiers TXT arbitraires ou les variantes DIC propriétaires ; vérifiez que ses plugins d’entrée et de sortie sélectionnés correspondent exactement au format cible.

Aucun convertisseur en ligne générique ne peut déduire de manière fiable une variante DIC. Évitez les services qui promettent une conversion universelle de TXT vers DIC, en particulier pour les noms de clients, la terminologie interne ou tout autre vocabulaire confidentiel. N’utilisez un service de traitement de texte en ligne que lorsque la syntaxe et l’encodage de sa sortie peuvent être vérifiés par rapport à la documentation de l’application cible.

Faites correspondre exactement l’encodage de la cible. Les fichiers AFF Hunspell contiennent souvent SET UTF-8 ; UTF-16, Windows-1252 ou une marque d’ordre des octets non prise en charge peuvent altérer les caractères accentués ou entraîner l’échec de la première entrée.

Testez le dictionnaire installé avec un mot normal, un mot accentué, un terme en majuscules et une entrée personnalisée. Si le chargement échoue, comparez le nom de fichier, la première ligne, l’encodage, les fins de ligne, l’emplacement d’installation et les fichiers associés requis avec ceux d’un dictionnaire fonctionnel connu.