Autor: Juan Ignacio P?rez Sacrist?n

El proyecto
Al programar se aprende con una peque?a base te?rica, que ya la tenemos, y sobretodo jugando y practicando con las herramientas de programaci?n. De modo, que nos planteamos un proyecto relativamente sencillo para ver con m?s claridad como se crea un Servicio Web. Se trata de ofrecer la posibilidad de traducir un texto del Ingl?s al Castellano. Esto ser?a una versi?n muy "light" del Servicio Web que ofrece Babelfish de Altavista.

Hemos escogido PHP como lenguaje de programaci?n porque es una preferencia entre muchos programadores Linux, y adem?s es muy claro e intuitivo. El Servicio Web lo vamos a desarrollar paso a paso, porque requiere varias etapas:

Buscamos un diccionario Ingl?s-Castellano.
Implementamos un traductor de palabras individuales en PHP.
Ampliamos el traductor para procesar textos completos.
Ofrecemos en Internet el Servicio Web de forma elemental.
Ampliamos el servicio, para que funcione bajo XML-RPC.
Buscamos un diccionario Ingl?s-Castellano
Si existiera para Liunx un buen programa traductor, podr?amos usarlo en nuestro desarrollo, invoc?ndolo desde l?nea de comando. Lamentablemente, por mucho que hemos buscado, parece que no hay tales programas a?n para nuestras plataforma favorita. Por lo que tendremos que conformarnos con un simple diccionario y efectuar una traducci?n completamente literal.

Diccionarios s? que podemos encontrar, aunque no muy completos. Aqui (317 Kb) tenemos el diccionario que utiliza wordtrans. Es un diccionario Ingl?s-Castellano. Lo descomprimimos como es habitual con un comando como ?ste: "tar -zxvf i2edict_20010903-2.tar.gz". Obtendremos un fichero llamado i2e.dict. Examinamos la estructura del diccionario:

$more i2e.dict  A (abbr. for ampere) : A (abrev. de amperio)  abacterial : abacteriano  abacus : ?baco  abaft : a popa  abaft : en popa  abaft : hacia popa  abandoned : abandonado  abandonee : abandonado  abandonee : desamparado  abandonment : abandono

...Podemos apreciar que la manipulaci?n de este diccionario va a resultar sencilla, ya que es un fichero de texto plano con una estructura muy clara.

Implementamos un traductor de palabras individuales en PHP

Suponiendo que tenemos unos conocimientos b?sicos de PHP, podemos r?pidamente desarrollar un script que carga en una tabla hash las palabras del diccionario Ingl?s => Castellano:

#!/usr/local/bin/php -q  <?      // Se lee el fichero del diccionario      $filename = "i2edict-20010903/i2e.dict";      $fp = @fopen($filename, "r"); if (!$fp) { die("ERROR: Imposible leer el  fichero '$filename'\n");}      while (($linea = fgets($fp, 1024)) && (!feof($fp))) {          // Se eliminan caracteres residuales          $linea = eregi_replace("\([^)]*\)", "", $linea);  /* comentarios  entre parentesis  */          $linea = eregi_replace(" : ", ":", $linea);       /* separacion  entre idiomas      */          $linea = eregi_replace("[\n\r]*", "", $linea);    /* se elimina el  cambio de linea */          // Se separan los idiomas en 2 variables          $matches = split (":", $linea);          $palabraingles = $matches[0];          $palabraespanol = $matches[1];          // Se meten las palabras en la tabla hash          $ingles2espanol[$palabraingles] = $palabraespanol;          $espanol2ingles[$palabraespanol] = $palabraingles;      }      fclose ($fp);      // Se define una rutina que sepa traducir palabras sueltas del Castellano  al Ingl?s      function palabra_espanol2ingles($espanol) {          global $espanol2ingles;          if ($espanol2ingles[$espanol] != '') {              return $espanol2ingles[$espanol];          } else {              return $espanol;          }      }      // Se define una rutina que sepa traducir palabras sueltas del Ingl?s al  Castellano      function palabra_ingles2espanol($ingles) {          global $ingles2espanol;          if ($ingles2espanol[$ingles] != '') {              return $ingles2espanol[$ingles];          } else {              return $ingles;          }      }      // Se muestran dos resultados de ejemplo del traductor      print "?rbol => " . palabra_espanol2ingles("?rbol") . "\n";      print "house => " . palabra_ingles2espanol("house") . "\n";  ?>

El resultado de la ejecuci?n de este script, que hemos decidido llamar "dicionariohash.php", es esto:

$ ./dicionariohash.php
?rbol => tree
house => casa Bien, parece que traduce bien palabra por palabra, en un sentido, como en su opuesto. Para no complicarnos vamos a centrarnos s?lo en la traducci?n del Ingl?s al Castellano.

Ampliamos el traductor para procesar textos completos

El siguiente objetivo es que este script sea capaz de traducir textos completos, aunque lo haga palabra por palabra, literalmente. A modo de ejemplo, hemos escogido el siguiente texto en Ingl?s, para probar nuestro desarrollo:

"Linux is a UNIX-like operating system that was designed to provide personal computer users a free or very low-cost operating system comparable to traditional and usually more expensive UNIX systems. Linux has a reputation as a very efficient and fast-performing system. Linux's kernel (the central part of the operating system) was developed by Linus Torvalds at the University of Helsinki in Finland. To complete the operating system, Torvalds and other team members made use of system components developed by members of the Free Software Foundation for the GNU project."

Para pasar de traducir una sola palabra a traducir un texto completo, simplemente hay que considerar que un texto est? formado por palabras separadas entre s? por espacios en blanco o signos de puntuaci?n. Aplicamos esta idea sobre el c?digo, obteniendo el siguiente script:

<?      $texto='Linux is a UNIX-like operating system that ... etc.';      // Se define una rutina que cargue en memoria un diccionario      function cargadiccionario($filename) {          global $ingles2espanol, $espanol2ingles;          // Se lee el fichero del diccionario          $fp = @fopen($filename, "r"); if (!$fp) { die("ERROR: Imposible leer  el fichero '$filename'\n");}          while (($linea = fgets($fp, 1024)) && (!feof($fp))) {              // Se eliminan caracteres residuales              $linea = eregi_replace("\([^)]*\)", "", $linea);  /* comentarios  entre parentesis  */              $linea = eregi_replace(" : ", ":", $linea);       /* separacion  entre idiomas      */              $linea = eregi_replace("[\n\r]*", "", $linea);    /* se elimina el  cambio de linea */              // Se separan los idiomas en 2 variables              $matches = split (":", $linea);              $palabraingles = $matches[0];              $palabraespanol = $matches[1];              // Se meten las palabras en la tabla hash              $ingles2espanol[$palabraingles] = $palabraespanol;              $espanol2ingles[$palabraespanol] = $palabraingles;          }          fclose ($fp);      }      // Se carga el diccionario que trae la aplicaci?n libre i2edict      cargadiccionario("i2edict-20010903/i2e.dict");      // Se define una rutina que sepa traducir palabras sueltas del ingl?s al  espa?ol      function palabra_ingles2espanol($ingles) {          global $ingles2espanol;          if ($ingles2espanol[$ingles] != '') {              return $ingles2espanol[$ingles];          } else {              return $ingles;          }      }      // Se lee un fichero con texto en ingles      $lineas = split ("\n", $texto);      while (list($key, $val) = each($lineas)) {          $linea = $val;          // Se reemplazan los signos de puntuaci?n, para preservarlos          $linea = eregi_replace("\.", " --PUNTO-- ", $linea);          $linea = eregi_replace("\,", " --COMA-- ", $linea);          $linea = eregi_replace("\;", " --PUNTOYCOMA-- ", $linea);          $linea = eregi_replace("\(", " --PARABR-- ", $linea);          $linea = eregi_replace("\)", " --PARCIE-- ", $linea);          // Se desglosa la linea en palabras individuales          $matches = split (" ", $linea);          // Se efectua la traduccion de cada palabra, recorriendo el array obtenido         $linea_traducida = '';          while (list($key, $val) = each($matches)) {              $linea_traducida .= palabra_ingles2espanol($val) . " ";          }          // Se reemplazan a la inversa los signos de puntuaci?n          $linea_traducida = eregi_replace(" --PUNTO-- ", ".", $linea_traducida);          $linea_traducida = eregi_replace(" --COMA-- ", ",", $linea_traducida);          $linea_traducida = eregi_replace(" --PUNTOYCOMA-- ", ";", $linea_traducida);          $linea_traducida = eregi_replace(" --PARABR-- ", "(", $linea_traducida);          $linea_traducida = eregi_replace(" --PARCIE-- ", ")", $linea_traducida);          // Se muestra en pantalla la linea traducida          print $linea_traducida . "\n";      }  ?>

Si probamos el script encontraremos como resultado una traducci?n bastante inexacta, debida a la imprecis?n del diccionario con el que trabajamos. Con un peque?o truco podemos mejorar el diccionario agregando o suplantando algunos terminos. Para ello, incorporamos al c?digo esta dos l?neas:

// Se carga un diccionario con terminos adicionales que podemos personalizar  cargadiccionario("mio.dict");

y creamos un fichero llamado "mio.dict" que contiene las siguientes palabras:

is : es
the : el
was : fue
designed : dise?ado
provide : proveer
users : usuarios
low-cost : bajo coste
systems : sistemas
has : tiene
fast-performing : alto rendimiento
developed : desarrollado
by : por
University : Universidad
Finland : Finlandia
members : miembros
made : hecho
components : componentes
project : proyecto
to : para
that : que
Ahora, probamos nuevamente el script, y ?ste el fant?stico resultado:

"Linux es un UNIX-like operativo sistema que fue dise?ado para proveer personal ordenador usuarios un libre o muy bajo coste operativo sistema comparable para tradicional y usualmente m?s caro UNIX sistemas. Linux tiene un reputaci?n como un muy eficaz y alto rendimiento sistema. Linux's n?cleo (el central pieza de el operativo sistema) fue desarrollado por Linus Torvalds a el Universidad de Helsinki en Finlandia. To completo el operativo sistema, Torvalds y otros equipo miembros hecho uso de sistema componentes desarrollado por miembros de el Free Software Foundation por el GNU proyecto."

Autor: Juan Ignacio P?rez Sacrist