Idiomas expandidos (Módulo 8 — Fase 16)

Cubre el ítem #8 de VISION.md: Tier 1 → 10 idiomas, sign-language registry, traducción preservando referencias.

Cambios al registry

jw_core/languages.py ahora incluye:

ISO	JW code	lp-tag	wol_resource	default_bible
en	E	lp-e	r1	nwtsty
es	S	lp-s	r4	nwt
pt	T	lp-t	r5	nwt
fr	F	lp-f	r30	nwt
de	X	lp-x	r10	nwt
it	I	lp-i	r6	nwt
ru	U	lp-u	r8	nwt
ja	J	lp-j	r7	nwt
ko	KO	lp-ko	r46	nwt
zh	CHS	lp-chs	r23	nwt

get_language("fr") y get_language("F") ambos funcionan, igual que antes para los originales.

Nota: los wol_resource para los idiomas nuevos son valores aproximados/probables; verifica una URL real (/<iso>/wol/h/r{N}/lp-{x}) antes de un release. Si una URL devuelve 404, ajusta el número en el registry — todos los clientes/parsers ya leen el valor desde aquí.

Lenguas de señas

SIGN_LANGUAGES registra ASL/LSM/LSC/Libras con su broadcasting_root. Esto desbloquea (Fase posterior) la indexación de JW Broadcasting en señas — un agente futuro puede scrapear los listados de videos.

from jw_core.languages import SIGN_LANGUAGES
for key, info in SIGN_LANGUAGES.items():
    print(info["display"], "→", info["broadcasting_root"])

Traducción preservando referencias

VISION.md exige que cualquier traducción automática conserve las citas exactas. El nuevo módulo jw_core/translation.py ofrece el sandwich:

from jw_core.translation import mask_references, restore_references

source = "Read John 3:16 and Romans 12:2 carefully."

# 1. Mask before sending to the LLM.
masked = mask_references(source)
print(masked.text)
# 'Read <<REF:0>> and <<REF:1>> carefully.'

# 2. The LLM translates, freely, the masked text.
translated_es = "Lee <<REF:0>> y <<REF:1>> con cuidado."

# 3. Restore in target language using the canonical BOOKS table.
final = restore_references(translated_es, masked.references, target_language="es")
print(final)
# 'Lee Juan 3:16 y Romanos 12:2 con cuidado.'

Por qué este sandwich:

1. Los LLMs son inconsistentes traduciendo nombres de libros bíblicos cuando el contexto es ambiguo (“John” → “Juan” o “Joan”?).
2. Los rangos 12:1-3 a veces se mal-traducen como 12:1 a 3.
3. Si el LLM “ayuda” cambiando el versículo (alucinación), pierdes verificabilidad.

Con el sandwich: el LLM solo ve un token, no la cita; al final inyectamos la cita textual y canónica en el idioma destino.

render_reference(book_num=43, chapter=3, verse_start=16, verse_end=18, language="es") → "Juan 3:16-18". Funciona para los 3 idiomas registrados en BOOKS; otros idiomas caen elegantemente a inglés (warning silencioso — el LLM puede pedir un BOOKS más completo).

Cómo extender BOOKS para los 7 nuevos idiomas

packages/jw-core/src/jw_core/data/books.py ya tiene 66 libros × en/es/pt. Para añadir fr/de/etc:

1. Edita el TypedDict BookNames para añadir fr: list[str].
2. Apenda los nombres en cada BOOKS[i].names (idealmente con 3-5 spellings/abrevs por libro).
3. El parser de referencias se autoreconstruye al import.

Esto es trabajo de catálogo, no de código. Cualquier publicador con conocimiento del idioma puede contribuir.

Tests

8 tests en packages/jw-core/tests/test_languages_module.py:

• Tier 1 completo registrado.
• Resolution por ISO y JW code (fr ↔ F).
• Sign-language registry con broadcasting roots.
• Mask + restore roundtrip en/es preservando refs.
• Mask preserva texto sin referencias intacto.
• render_reference con rangos, fallback a inglés.

uv run pytest packages/jw-core/tests/test_languages_module.py -v

Pendiente

• Verificar los wol_resource numbers en jw.org para fr/de/it/ru/ja/ko/zh.
• Añadir nombres de libros para los 7 idiomas nuevos en BOOKS.
• Scraper de JW Broadcasting en sign-language.