Jacobo04/extractor_xml_tei_p5

TRADILEX Extractor XML TEI

Extractor de datos lexicográficos desde XML TEI completo o fragmentos TEI parciales.

Entradas admitidas

1. 1.XML TEI completo con <TEI> y <teiHeader>.
2. 2.Archivo con una o varias <entry>.
3. 3.Fragmento .txt con XML TEI parcial, siempre que las etiquetas estén razonablemente balanceadas.

Si el archivo no incluye año en el <teiHeader>, la interfaz permite introducir un año manual. Como respaldo, el sistema intenta inferir el año desde el nombre del archivo.

Salidas

La tabla exportada conserva estas columnas:

id, lema, termino, macroarea, marca_tecnica, marca_tecnica2, abreviatura, categoria_gramatical, etimologia, definicion, ejemplos, observaciones, ano

El campo id se exporta vacío por criterio del proyecto.

Ejecución local

pip install -r requirements.txt
python app.py

Prueba rápida

python ejecutar_prueba.py