Configurar la Sonda para otro diccionario

La Sonda Léxica es genérica: la estructura sirve para cualquier diccionario del español. Lo específico de cada uno es su configuración + su lemario. Cambiándolos y reindexando, tienes el mismo buscador sobre otro repertorio. Esto es «reindexar, no reescribir» (ver como-esta-hecho).

Lo que cambia y lo que no

Cambia (por diccionario)No cambia (la estructura)
data/lemario.csv (las palabras y su nivel)template.html (el front)
La config de build.py (APIs, nº de niveles)build.py (el motor de horneado)
El nombre/marca y el dominioLos modos de búsqueda y las facetas

Pasos

1. El lemario

Sustituye data/lemario.csv. Formato: una línea por palabra, palabra,capa[,banda].

  • palabra: la voz (lema).
  • capa: el nivel (0 = más básico). Si tu diccionario no tiene niveles, pon todos a 0 (o una sola capa) y el chip de nivel deja de aportar; el resto funciona igual.

De dónde sacarlo: cualquier fuente que dé una lista de palabras (es dato, sin copyright). Ejemplo del volcado de Miniñol en procedencia.

2. El enriquecido (build.py)

build.py llama a las APIs de Wordkers para calcular sílabas, acento, AFI y rima. Su bloque CONFIGURACIÓN (arriba del fichero) es lo único a tocar:

  • API / KEY — endpoint y clave. La clave demo pública de labs vale para probar; para producción, usa una clave propia (variable de entorno WK_API_KEY).
  • WORKERS — concurrencia. Baja si el gateway da 429.
  • Diccionario grande / build interno: en vez del apifront, llama la función directa (importando el módulo del silabeador/fonética en el servidor). Evita el rate limit y es mucho más rápido. Es el modo recomendado a escala.
python3 build.py     # enriquece lo que falte (cachea en data/index.json) y genera public/index.html

3. Marca y niveles

  • En template.html: el <title>, el <h1> de marca y el subtítulo.
  • Los niveles: la rampa de color y las etiquetas N0…N4 (paleta de estratos). Si tu diccionario tiene otro número de capas, ajusta la lista de niveles y sus colores.

4. Desplegar

Estático en Cloudflare Pages, rama de producción:

python3 build.py
npx wrangler pages deploy public --project-name=<tu-proyecto> --branch=main

Y el dominio: alta del custom domain en el proyecto Pages + CNAME al *.pages.dev, en la cuenta Cloudflare que tenga la zona (para wordkers.com, la cuenta ebaste.lti).

Qué llega «gratis» y qué necesita más datos

  • Sale solo del lemario (forma): empieza/termina/contiene, longitud, sílabas, acentuación, rima, alfabético inverso, nivel, autocompletado. Ningún requisito extra.
  • Necesita definiciones (llega con el diccionario grande): «Buscar en Definición» (el buscador inverso), «Vecinas» (embeddings sobre las definiciones), atlas semántico. Se enchufan en el mismo front cuando la fuente las tenga.

Regla de oro

La lengua se calcula una vez, en el build, con nuestras APIs; el front es tonto y rápido. Nunca se reimplementa lingüística en la página ni se llama a la API en caliente (salvo el único caso de rima con palabra inventada).

En esta página