Siglas jurídicas españolas, con el BOE y EUR-Lex a un clic

647 siglas verificadas · resuelve referencias del BOE (España) y EUR-Lex (UE) · trae el texto íntegro de los artículos

¿Qué hace este paquete?

legal-expand expande las siglas legales de un texto jurídico, añadiendo su significado entre paréntesis, y resuelve las referencias normativas que contiene: enlaza cualquier norma citada, esté en el BOE o en EUR-Lex, y en modo online trae el texto íntegro del artículo. Encaja bien para dar contexto a modelos de IA (respuestas verificables, no de memoria) y para profesionales que necesitan la norma al instante.

Ejemplo:

Entrada: "La AEAT notifica el IVA según el art. 14 de la Ley 39/2015 y el art. 6 del RGPD"
Salida:  "La AEAT (Agencia Estatal de Administración Tributaria) notifica el IVA (Impuesto sobre el Valor Añadido) según el art. (Artículo) 14 de la Ley 39/2015 y el art. (Artículo) 6 del RGPD (Reglamento General de Protección de Datos)"

Con el enriquecimiento activado, además, cada norma citada se resuelve a su URL oficial y, en modo online, a su texto íntegro: la Ley 39/2015 desde el BOE, el RGPD desde EUR-Lex.

Características principales

• 647 siglas verificadas de leyes, organismos, impuestos, tribunales y procedimientos (fuentes: RAE, DPEJ, BOE y legislación vigente).
• Resuelve cualquier norma española del BOE por su rango y número, mediante un índice local del catálogo consolidado (10.555 normas), sin depender de una lista fija de alias.
• Trae el texto íntegro de los artículos del BOE en modo online (include_unit_text).
• Normativa de la UE en EUR-Lex: reglamentos, directivas y decisiones se enlazan por su número CELEX y traen su articulado.
• Detección inteligente de variantes (AEAT, A.E.A.T.) y de contexto (no expande dentro de URLs, emails o código, ni palabras funcionales como «la» o «lo»).
• Tres formatos: texto plano, HTML semántico con <abbr>, JSON estructurado.
• CLI oficial: expand, audit, glossary, boe, batch, info, benchmark.
• Glosarios y auditoría: exportación Markdown, CSV y JSON.
• Procesamiento de documentos: .txt, .md, .html y carpetas completas.
• Diccionarios personalizados: añade siglas propias desde JSON o CSV.
• Cero dependencias en runtime, type hints completos, compatible con Python 3.9+.

Demo interactiva

Prueba el paquete sin instalar nada:

• Web con demo en vivo: legal-expand.686f6c61.dev (corre el paquete real en el navegador con Pyodide).
• Notebook en Google Colab:

El notebook incluye ejemplos de todos los casos de uso: expansión básica, formatos de salida, configuración global, documentos reales, herramientas interactivas y una sección BOE con matriz de 25 casos, revisión explicada, salidas Markdown/HTML/por párrafos, referencias ambiguas, normativa UE resuelta a EUR-Lex y overrides manuales.

Estado de la versión 1.6.0

1.6.0 refuerza el asistente BOE sin perder su carácter conservador y determinista:

• Resuelve cualquier norma española del BOE por su número. Además de los alias curados, el paquete incluye un índice local del catálogo consolidado (10.555 normas) que resuelve por rango y número oficial (por ejemplo Ley 19/2013 → BOE-A-2013-12887) de forma offline. Se controla con BOEOptions(use_boe_index=True), activo por defecto.
• Trae el texto íntegro de los artículos. En modo online (include_unit_text=True) descarga y devuelve el contenido completo del artículo citado, no solo su URL.
• Transporte HTTP inyectable en BOEClient para usar el enriquecimiento en entornos sin urllib (navegador con Pyodide) o detrás de un proxy.
• Seguridad: el formatter HTML escapa también el texto circundante a las siglas (corrección de XSS).

La normativa de la Unión Europea (RGPD, Reglamento (UE) 2016/679, Directiva 2000/31/CE…) no está en el BOE, pero se resuelve a su página oficial en EUR-Lex por su número CELEX, y en modo online trae también el texto íntegro del artículo citado.

La verificación de la release incluye tests con cobertura y umbral mínimo del 90%, mypy, ruff y Bandit limpios, build wheel/sdist, twine check y smoke install desde wheel antes de publicar.

Índice

• Demo interactiva
• Estado de la versión 1.6.0
• Instalación
• CLI
• Uso básico
• Formatos de salida
• Diagnóstico de omisiones
• Glosario y auditoría
• Enriquecimiento BOE
• Documentos y batch
• Diccionarios personalizados
• Control global y override
• Opciones avanzadas
• Manejo de duplicados
• Funciones auxiliares
• Uso en frameworks
• Casos de uso completos
• Uso en backend para LLMs
• Protección de contextos
• Extensibilidad
• API completa
• Siglas incluidas
• Rendimiento
• Compatibilidad
• Fuentes de las siglas
• Contribuir
• Licencia

Instalación

pip install legal-expand

CLI

Al instalar el paquete se crea el comando legal-expand.

# Expandir un archivo
legal-expand sentencia.txt --expand-only-first --output sentencia-expandida.txt

# Leer de stdin
cat sentencia.txt | legal-expand --format html

# Diagnóstico completo
legal-expand audit sentencia.txt --report-format markdown --output audit.md

# Glosario único
legal-expand glossary sentencia.txt --glossary-format csv --output glosario.csv

# Procesar una carpeta completa (.txt, .md, .html)
legal-expand batch docs/ docs-expandidos/ --format html

# Metadata y benchmark
legal-expand info
legal-expand benchmark sentencia.txt --iterations 500

# Informe de referencias BOE, sin consultar red por defecto
legal-expand boe sentencia.txt --output referencias-boe.md

# Revisión explicada, HTML, informe por párrafos y plantilla de overrides
legal-expand boe sentencia.txt --report-format review-json
legal-expand boe sentencia.txt --report-format html --output referencias-boe.html
legal-expand boe sentencia.txt --report-format paragraphs --output sentencia-boe.md
legal-expand boe sentencia.txt --overrides-template --output boe-overrides.template.json

# Enriquecimiento con API BOE y caché
legal-expand boe sentencia.txt --mode cache-first --output referencias-boe.md

Uso básico

Expansión simple

El caso de uso más común es expandir siglas en un texto legal. El paquete detecta automáticamente las siglas y añade su significado entre paréntesis.

from legal_expand import expandir_siglas

texto = 'La AEAT notifica el IVA'
resultado = expandir_siglas(texto)

print(resultado)
# Salida: 'La AEAT (Agencia Estatal de Administración Tributaria) notifica el IVA (Impuesto sobre el Valor Añadido)'

Expansión de múltiples siglas

El paquete puede procesar textos complejos con múltiples siglas diferentes, manteniendo la estructura y formato original del texto.

texto = 'Según el art. 123 del CC y la LEC, la AEAT debe procesar el BOE.'
resultado = expandir_siglas(texto)

print(resultado)
# Salida: 'Según el art. (Artículo) 123 del CC (Código Civil) y la LEC (Ley de Enjuiciamiento Civil),
#          la AEAT (Agencia Estatal de Administración Tributaria) debe procesar el BOE (Boletín Oficial del Estado).'

Detección de variantes

El sistema detecta automáticamente variantes de siglas con o sin puntos, mayúsculas/minúsculas, y espacios internos.

# Todas estas variantes se detectan y expanden correctamente:

expandir_siglas('El art. 5 establece')
# Salida: 'El art. (Artículo) 5 establece'

expandir_siglas('El art 5 establece')  # Sin punto
# Salida: 'El art (Artículo) 5 establece'

expandir_siglas('La AEAT notifica')
# Salida: 'La AEAT (Agencia Estatal de Administración Tributaria) notifica'

expandir_siglas('La A.E.A.T. notifica')  # Con puntos
# Salida: 'La A.E.A.T. (Agencia Estatal de Administración Tributaria) notifica'

Formatos de salida

Formato de texto plano (por defecto)

El formato de texto plano añade el significado entre paréntesis inmediatamente después de cada sigla.

resultado = expandir_siglas('La AEAT notifica el IVA')
# Salida: 'La AEAT (Agencia Estatal de Administración Tributaria) notifica el IVA (Impuesto sobre el Valor Añadido)'

Formato HTML semántico

El formato HTML utiliza la etiqueta <abbr> con el atributo title, proporcionando tooltips nativos del navegador.

from legal_expand import expandir_siglas, ExpansionOptions

resultado = expandir_siglas('La AEAT notifica', ExpansionOptions(format='html'))
print(resultado)
# Salida: 'La <abbr title="Agencia Estatal de Administración Tributaria">AEAT</abbr> (Agencia Estatal de Administración Tributaria) notifica'

Uso en aplicaciones web (Flask, Django, FastAPI):

from flask import render_template_string
from legal_expand import expandir_siglas, ExpansionOptions

@app.route('/documento/<id>')
def documento(id):
    texto = obtener_documento(id)
    html_expandido = expandir_siglas(texto, ExpansionOptions(format='html'))
    return render_template_string('<div>{{ contenido|safe }}</div>', contenido=html_expandido)

Formato estructurado (objeto)

El formato estructurado devuelve un objeto con metadata completa sobre las siglas encontradas.

from legal_expand import expandir_siglas, ExpansionOptions

resultado = expandir_siglas('AEAT y BOE', ExpansionOptions(format='structured'))

print(resultado.original_text)      # 'AEAT y BOE'
print(resultado.expanded_text)      # 'AEAT (Agencia...) y BOE (Boletín...)'
print(resultado.stats.total_expanded)  # 2

for acronym in resultado.acronyms:
    print(f"{acronym.acronym} → {acronym.expansion}")

Caso de uso - Análisis de documento:

analisis = expandir_siglas(documento, ExpansionOptions(format='structured'))

print(f"Documento procesado:")
print(f"- Siglas encontradas: {analisis.stats.total_acronyms_found}")
print(f"- Siglas expandidas: {analisis.stats.total_expanded}")
print(f"- Siglas ambiguas no expandidas: {analisis.stats.ambiguous_not_expanded}")

for sigla in analisis.acronyms:
    print(f"  • {sigla.acronym} → {sigla.expansion}")

Diagnóstico de omisiones

Si necesitas saber por qué una sigla detectada no se expandió, usa expandir_siglas_detallado(). Devuelve la misma salida estructurada y añade omitted_acronyms con motivos estables.

from legal_expand import expandir_siglas_detallado, ExpansionOptions

resultado = expandir_siglas_detallado(
    'Visita https://aeat.es y revisa AEAT y BOE',
    ExpansionOptions(include=['AEAT'])
)

for omitida in resultado.omitted_acronyms:
    print(omitida.acronym, omitida.reason)

# Posibles razones:
# excluded, not-in-include, expand-only-first, ambiguous-unresolved,
# inside-url, inside-email, inside-code-block, inside-inline-code, not-found

Todos los objetos de salida principales tienen to_dict() y to_json().

print(resultado.to_json(indent=2))

Glosario y auditoría

from legal_expand import auditar_texto, exportar_glosario, extraer_siglas

texto = 'La AEAT gestiona el IVA. La AEAT publica aviso en el BOE. XYZ aparece.'

# Detectar sin modificar el texto
extraccion = extraer_siglas(texto)

# Exportar glosario único
markdown = exportar_glosario(texto, 'markdown')
csv = exportar_glosario(texto, 'csv')
json_glosario = exportar_glosario(texto, 'json')

# Auditar conocidas, desconocidas, omitidas y repetidas
reporte = auditar_texto(texto)
print(reporte.stats.to_dict())

Enriquecimiento BOE

legal-expand incluye un asistente determinista para detectar referencias legales y generar un informe con enlaces oficiales: las normas españolas se enlazan al BOE y la normativa de la Unión Europea (reglamentos, directivas, decisiones y el RGPD) a EUR-Lex por su número CELEX. Esta función está pensada para revisar documentos jurídicos, sentencias, escritos administrativos, apuntes de oposición o informes donde ya aparecen citadas normas concretas.

La herramienta no interpreta el documento ni decide qué artículos deberían aplicarse. Solo trabaja con referencias explícitas o suficientemente identificables. Si el texto dice art. 14.2 de la Ley 39/2015, la referencia es clara y puede resolverse. Si el texto dice simplemente el artículo 14 o la Ley 2/2023, la herramienta puede marcarlo como ambiguo o pendiente de revisión, porque no hay información suficiente para elegir una norma con seguridad.

Esta limitación es deliberada. En derecho, enlazar una norma incorrecta es peor que no enlazar ninguna. Por eso legal-expand prefiere dejar una referencia pendiente de revisión antes que inventar una correspondencia.

Uso rápido

Por defecto el comando BOE funciona en modo offline: detecta referencias y las resuelve sin consultar red, combinando los aliases conservadores curados con un índice local del catálogo consolidado (10.555 normas) que localiza cualquier norma española por su rango y número oficial. Esto permite resultados reproducibles incluso en CI o entornos sin acceso estable al BOE.

legal-expand boe sentencia.txt --output referencias-boe.md
legal-expand boe sentencia.txt --report-format json --output referencias-boe.json
legal-expand boe sentencia.txt --report-format review-json --output revision-boe.json
legal-expand boe sentencia.txt --report-format html --output referencias-boe.html
legal-expand boe sentencia.txt --report-format paragraphs --output sentencia-con-boe.md
legal-expand boe sentencia.txt --overrides-template --output boe-overrides.template.json

Si quieres que intente completar artículos, disposiciones o anexos consultando la API de legislación consolidada del BOE, activa cache-first u online.

legal-expand boe sentencia.txt --mode cache-first --timeout 4 --output referencias-boe.md

El modo cache-first reutiliza respuestas guardadas y solo consulta BOE cuando no hay caché válida. El modo online fuerza la consulta. En ambos casos se aplican timeouts para que una caída o lentitud de BOE no bloquee indefinidamente el flujo.

Modos de salida

El subcomando boe tiene varias salidas para usos distintos:

• markdown: informe legible por defecto, con tablas de resueltas, pendientes y no soportadas.
• json: salida completa y estable para integraciones.
• review-json: salida orientada a revisión humana, con cada referencia agrupada en resolved, manual, review-required o unsupported, explicación y acción sugerida.
• html: informe semántico con enlaces seguros para incrustar en herramientas internas o revisarlo en navegador.
• paragraphs: reproduce el texto original y añade, después de cada párrafo afectado, un bloque de referencias BOE sugeridas.
• --overrides-template: genera un JSON editable solo con referencias que requieren revisión.

API Python

from legal_expand import (
    BOEOptions,
    boe_overrides_template,
    boe_report_by_paragraph_markdown,
    boe_report_to_html,
    boe_report_to_markdown,
    detectar_referencias_boe,
    enriquecer_boe,
    revisar_boe,
)

texto = 'La notificación electrónica se rige por el art. 14.2 de la Ley 39/2015.'

# Detección offline y determinista
informe = detectar_referencias_boe(texto)
print(informe.to_json(indent=2))
print(boe_report_to_markdown(informe))

# Enriquecimiento opcional con API BOE
informe_boe = enriquecer_boe(texto, BOEOptions(mode='cache-first'))
revision = revisar_boe(informe_boe)
print(revision.to_json(indent=2))

# Salidas para revisión o integración
html = boe_report_to_html(informe_boe)
por_parrafos = boe_report_by_paragraph_markdown(informe_boe)
template = boe_overrides_template(informe_boe)

Ejemplos concretos

Resolver una norma por el índice del catálogo consolidado. El índice local resuelve cualquier norma española por su rango y número, sin depender de la lista de aliases curados y sin consultar red.

from legal_expand import detectar_referencias_boe, BOEOptions

# use_boe_index está activo por defecto
informe = detectar_referencias_boe(
    'La Ley 19/2013 de transparencia obliga a publicar la información.',
    BOEOptions(use_boe_index=True),
)
# La referencia se resuelve a BOE-A-2013-12887 de forma offline

Traer el texto íntegro de un artículo en modo online. Con include_unit_text=True (por defecto) el modo online descarga el contenido completo del artículo citado, no solo su URL.

from legal_expand import enriquecer_boe, BOEOptions

informe = enriquecer_boe(
    'La notificación electrónica se rige por el art. 14.2 de la Ley 39/2015.',
    BOEOptions(mode='online', include_unit_text=True),
)
# El informe incluye la URL del BOE y el texto íntegro del artículo 14.2

Resolver normativa de la UE a EUR-Lex. Los reglamentos, directivas y decisiones, así como el RGPD, se resuelven a su página oficial en EUR-Lex por su número CELEX y, en modo online, traen su articulado.

from legal_expand import enriquecer_boe, BOEOptions

informe = enriquecer_boe(
    'El tratamiento se ampara en el art. 6 del RGPD.',
    BOEOptions(mode='online', include_unit_text=True),
)
# La referencia queda en estado 'resolved-eurlex' con enlace a EUR-Lex y el texto del artículo 6

Cuándo funciona bien

Funciona especialmente bien cuando el documento contiene citas jurídicas normales y completas: art. 217 LEC, artículo 24 de la Constitución Española, art. 14.2 de la Ley 39/2015, Real Decreto 203/2021 o Ley Orgánica 3/2018. También reconoce algunas formas abreviadas habituales, como RD 203/2021, LO 3/2018, disp. final séptima, art. 14.2.a) y artículo 14 bis.

En estos casos, la herramienta puede identificar la norma, generar la URL oficial del BOE y, cuando el modo online está activado, intentar localizar el artículo, disposición o anexo dentro del índice oficial de la norma consolidada. El resultado es un informe trazable con el texto detectado, el estado de resolución, la norma, la unidad citada y la URL.

También funciona bien para documentos de preparación de oposiciones. Por ejemplo, puede separar una lista de normas completas, que solo necesitan URL, de referencias concretas como arts. 13 y 14 de la Ley 39/2015, que pueden requerir bloques específicos.

Cuándo no debe resolver automáticamente

No todas las referencias legales son seguras. Algunas normas comparten número y año, especialmente si hay normativa autonómica publicada en BOE. Por ejemplo, Ley 2/2023 puede referirse a normas distintas si no se indica fecha, título o contexto suficiente. En cambio, Ley 2/2023, de 20 de febrero sí identifica la norma estatal de protección de informantes incluida en los aliases conservadores.

Tampoco se resuelven automáticamente referencias incompletas como el artículo 14, menciones genéricas como la ley administrativa, ni frases donde aparecen varias normas y después se cita un artículo sin aclarar a cuál pertenece. En esos casos, la salida marca la referencia como ambigua, no encontrada o pendiente de revisión.

La herramienta tampoco sustituye bases de datos jurídicas ni realiza interpretación legal. No resuelve jurisprudencia, no analiza sentencias para inferir doctrina y no propone artículos aplicables que no estén citados en el texto. Las referencias de la Unión Europea, como Reglamento (UE) 2016/679 o RGPD, no están en el BOE, pero sí se resuelven: se enlazan a EUR-Lex por su número CELEX y quedan en estado resolved-eurlex.

Estados del informe

El informe usa estados estables para que puedas auditar el resultado:

• resolved: referencia resuelta con bloque concreto de BOE.
• resolved-url-only: norma enlazada, sin insertar texto de artículo.
• resolved-eurlex: normativa de la UE resuelta a su página en EUR-Lex por número CELEX.
• manual: referencia confirmada por la persona usuaria mediante overrides.
• needs-boe-search: necesita consulta BOE para intentar resolver.
• ambiguous: hay demasiada duda para elegir una norma.
• not-found: no se encontró una norma o unidad suficientemente identificable.
• unsupported: referencia fuera del alcance de las fuentes soportadas (BOE y EUR-Lex).
• network-error: BOE o EUR-Lex no respondieron dentro del timeout o falló la consulta.

Revisión y edición manual

Cuando una referencia no se puede resolver con seguridad, puedes añadirla manualmente mediante un archivo JSON de overrides. Esto permite corregir ambigüedades sin debilitar el comportamiento determinista de la herramienta.

Las referencias añadidas manualmente aparecen marcadas como manual en el informe. Así se distingue siempre entre lo detectado automáticamente por legal-expand y lo confirmado por una persona que conoce el documento.

Para acelerar la edición, genera primero una plantilla:

legal-expand boe informe.md --overrides-template --output boe-overrides.template.json

La plantilla solo incluye referencias en review-required. Cada entrada conserva el texto detectado, la unidad citada si existe, posibles candidatos devueltos por BOE y una nota de revisión. La persona revisora completa boe_id, title y, si procede, unit; después se vuelve a ejecutar el informe con --overrides.

{
  "aliases": {
    "ley de informantes": {
      "boe_id": "BOE-A-2023-4513",
      "title": "Ley 2/2023, de 20 de febrero"
    }
  },
  "references": [
    {
      "text": "la norma especial de informantes",
      "boe_id": "BOE-A-2023-4513",
      "title": "Ley 2/2023, de 20 de febrero",
      "unit": "artículo 42"
    }
  ]
}

legal-expand boe informe.md --overrides boe-overrides.json --output referencias-boe.md

Nota legal

Los textos consolidados del BOE tienen carácter meramente informativo. El informe generado por legal-expand incluye este aviso para recordar que las referencias deben verificarse antes de usarlas en un acto jurídico, una resolución o un documento profesional final.

Documentos y batch

from legal_expand import ExpansionOptions, expandir_documento, procesar_archivo, procesar_directorio

html = '<p>La AEAT notifica el IVA</p>'
resultado = expandir_documento(html, ExpansionOptions(format='html'), document_format='html')

procesar_archivo('sentencia.md', 'sentencia-expandida.md', ExpansionOptions(expand_only_first=True))
procesar_directorio('docs/', 'docs-expandidos/', ExpansionOptions(format='html'))

En HTML se preservan etiquetas y atributos, expandiendo solo nodos de texto.

Diccionarios personalizados

Puedes añadir siglas propias con JSON o CSV sin recompilar el paquete.

[
  {
    "acronym": "LXP",
    "expansion": "Legal Expand Personalizado",
    "variants": ["LXP"],
    "source": "equipo-interno"
  }
]

from legal_expand import ExpansionOptions, expandir_siglas, obtener_info_diccionario

opciones = ExpansionOptions(custom_dictionaries=['mi_diccionario.json'])
print(expandir_siglas('Usa LXP en el informe', opciones))

info = obtener_info_diccionario(['mi_diccionario.json'])
print(info.to_dict())

Control global y override

Configuración global

Puedes configurar el comportamiento del paquete globalmente para toda tu aplicación.

from legal_expand import configurar_globalmente, expandir_siglas, GlobalConfig, ExpansionOptions

# Configurar opciones por defecto para toda la aplicación
configurar_globalmente(GlobalConfig(
    enabled=True,
    default_options=ExpansionOptions(
        format='html',
        expand_only_first=True
    )
))

# Ahora todas las llamadas usarán estas opciones por defecto
expandir_siglas('AEAT y BOE')  # Usará format='html' y expand_only_first=True

Desactivación global

Puedes desactivar la expansión globalmente.

from legal_expand import configurar_globalmente, expandir_siglas, GlobalConfig

# Desactivar expansión globalmente
configurar_globalmente(GlobalConfig(enabled=False))

expandir_siglas('La AEAT notifica el IVA')
# Salida: 'La AEAT notifica el IVA' (sin expandir)

Override de configuración global

El parámetro force_expansion permite anular la configuración global para llamadas específicas.

from legal_expand import configurar_globalmente, expandir_siglas, GlobalConfig, ExpansionOptions

configurar_globalmente(GlobalConfig(enabled=False))

# No se expande (respeta configuración global)
expandir_siglas('La AEAT notifica')
# Salida: 'La AEAT notifica'

# Forzar expansión aunque esté desactivado globalmente
expandir_siglas('La AEAT notifica', ExpansionOptions(force_expansion=True))
# Salida: 'La AEAT (Agencia Estatal de Administración Tributaria) notifica'

# Forzar NO expansión aunque esté activado globalmente
configurar_globalmente(GlobalConfig(enabled=True))
expandir_siglas('La AEAT notifica', ExpansionOptions(force_expansion=False))
# Salida: 'La AEAT notifica'

Resetear configuración

Restaura la configuración a sus valores por defecto.

from legal_expand import resetear_configuracion

# Después de múltiples configuraciones...
resetear_configuracion()
# Ahora todo vuelve a: enabled=True, format='plain', etc.

Opciones avanzadas

Expandir solo primera ocurrencia

Ideal para documentos largos (sentencias, contratos, informes de 100+ páginas). Con expand_only_first=True, solo se expande la primera aparición de cada sigla.

from legal_expand import expandir_siglas, ExpansionOptions

documento_largo = """
La AEAT ha notificado la liquidación. La AEAT requiere documentación adicional.
El contribuyente debe presentar ante la AEAT los justificantes. La AEAT verificará
los datos. En caso de discrepancia, la AEAT solicitará aclaraciones...
"""

resultado = expandir_siglas(documento_largo, ExpansionOptions(expand_only_first=True))

# Resultado:
# "La AEAT (Agencia Estatal de Administración Tributaria) ha notificado...
#  La AEAT requiere documentación... (resto sin expandir)"

Beneficios:

• Documentos de 100 páginas permanecen legibles
• Reduce el tamaño del documento en un 70-80% cuando hay muchas siglas repetidas
• Perfecto para sentencias judiciales, contratos, informes técnicos

Excluir siglas específicas

resultado = expandir_siglas('AEAT, BOE y CC', ExpansionOptions(exclude=['CC']))

print(resultado)
# Salida: 'AEAT (Agencia Estatal de Administración Tributaria), BOE (Boletín Oficial del Estado) y CC'

Incluir solo siglas específicas

resultado = expandir_siglas('AEAT, BOE, CC, IVA y IRPF', ExpansionOptions(include=['AEAT', 'BOE']))

print(resultado)
# Salida: 'AEAT (Agencia Estatal de Administración Tributaria), BOE (Boletín Oficial del Estado), CC, IVA y IRPF'

Combinar opciones

resultado = expandir_siglas(documento, ExpansionOptions(
    format='html',
    expand_only_first=True,
    exclude=['CC', 'art.'],
    preserve_case=True
))

Manejo de duplicados

El motor soporta siglas con múltiples significados cuando el diccionario declare conflictos explícitos. En la versión actual del diccionario incluido, obtener_estadisticas().acronyms_with_duplicates devuelve 0, por lo que las opciones de duplicados quedan preparadas para futuras ampliaciones del diccionario sin afectar a las siglas actuales.

Resolución manual

resultado = expandir_siglas(texto, ExpansionOptions(
    duplicate_resolution={
        'SIGLA': 'Significado elegido manualmente'
    }
))

Auto-resolver duplicados

resultado = expandir_siglas(texto, ExpansionOptions(auto_resolve_duplicates=True))

Consultar duplicados

from legal_expand import obtener_estadisticas

stats = obtener_estadisticas()
print(stats.acronyms_with_duplicates)
# 0 en el diccionario actual

Funciones auxiliares

Buscar sigla específica

from legal_expand import buscar_sigla

info = buscar_sigla('AEAT')
print(info)
# AcronymSearchResult(acronym='AEAT', meanings=['Agencia Estatal de Administración Tributaria'], has_duplicates=False)

Listar todas las siglas

from legal_expand import listar_siglas

siglas = listar_siglas()
print(f"Total de siglas: {len(siglas)}")
print(f"Primeras 10: {siglas[:10]}")
# Salida: ['AEAT', 'AENA', 'AIE', 'AJD', 'AMI', ...]

Obtener estadísticas

from legal_expand import obtener_estadisticas

stats = obtener_estadisticas()
print(stats)
# DictionaryStats(total_acronyms=647, acronyms_with_duplicates=5, acronyms_with_punctuation=55)

print(f"El diccionario contiene {stats.total_acronyms} siglas")

Uso en frameworks

FastAPI

from fastapi import FastAPI
from pydantic import BaseModel
from legal_expand import expandir_siglas, ExpansionOptions

app = FastAPI()

class TextoRequest(BaseModel):
    texto: str
    formato: str = 'plain'

@app.post("/expandir")
async def expandir(request: TextoRequest):
    resultado = expandir_siglas(
        request.texto,
        ExpansionOptions(format=request.formato)
    )
    return {"resultado": resultado}

Flask

from flask import Flask, request, jsonify
from legal_expand import expandir_siglas, ExpansionOptions

app = Flask(__name__)

@app.route('/expandir', methods=['POST'])
def expandir():
    data = request.get_json()
    resultado = expandir_siglas(
        data['texto'],
        ExpansionOptions(format=data.get('formato', 'plain'))
    )
    return jsonify({'resultado': resultado})

Django

# views.py
from django.http import JsonResponse
from django.views.decorators.csrf import csrf_exempt
import json
from legal_expand import expandir_siglas, ExpansionOptions

@csrf_exempt
def expandir_view(request):
    if request.method == 'POST':
        data = json.loads(request.body)
        resultado = expandir_siglas(
            data['texto'],
            ExpansionOptions(format=data.get('formato', 'plain'))
        )
        return JsonResponse({'resultado': resultado})

Streamlit

import streamlit as st
from legal_expand import expandir_siglas, ExpansionOptions

st.title("Expansor de Siglas Legales")

texto = st.text_area("Introduce el texto legal:")
formato = st.selectbox("Formato:", ['plain', 'html', 'structured'])

if st.button("Expandir"):
    resultado = expandir_siglas(texto, ExpansionOptions(format=formato))
    if formato == 'structured':
        st.json({
            'original': resultado.original_text,
            'expandido': resultado.expanded_text,
            'siglas': len(resultado.acronyms)
        })
    else:
        st.write(resultado)

Casos de uso completos

Procesamiento de sentencias judiciales

from legal_expand import expandir_siglas, ExpansionOptions

def procesar_sentencia(sentencia: str) -> str:
    return expandir_siglas(sentencia, ExpansionOptions(
        format='html',
        expand_only_first=True,
        exclude=['art.', 'núm.']  # Muy comunes, no expandir
    ))

sentencia = """
Visto el recurso de casación interpuesto por la AEAT contra
la sentencia dictada por la AN el 15 de marzo de 2024, en
relación con la liquidación del IVA correspondiente al ejercicio
2023, y de conformidad con el art. 123 de la LEC...
"""

sentencia_expandida = procesar_sentencia(sentencia)

Generación de glosarios automáticos

from legal_expand import expandir_siglas, ExpansionOptions

def generar_documento_con_glosario(texto: str) -> str:
    resultado = expandir_siglas(texto, ExpansionOptions(
        format='structured',
        expand_only_first=True
    ))

    # Generar glosario único (sin duplicados)
    glosario = {}
    for sigla in resultado.acronyms:
        if sigla.acronym not in glosario:
            glosario[sigla.acronym] = sigla.expansion

    # Construir documento final
    documento_final = resultado.expanded_text

    if glosario:
        documento_final += '\n\n## Glosario de Siglas\n\n'
        for sigla, significado in sorted(glosario.items()):
            documento_final += f"- **{sigla}**: {significado}\n"

    return documento_final

documento = 'La AEAT gestiona el IVA y el IRPF según normativa del BOE.'
con_glosario = generar_documento_con_glosario(documento)
print(con_glosario)

Uso en backend para LLMs

Una de las aplicaciones más potentes del paquete es pre-procesar textos legales antes de enviarlos a un LLM.

Beneficios de pre-formatear para LLMs

1. Mayor precisión: El LLM entiende el contexto completo sin tener que adivinar significados
2. Control centralizado: Toda la lógica de expansión está en el backend
3. Consistencia: Todos los textos procesados siguen las mismas reglas

FastAPI + OpenAI

from fastapi import FastAPI
from pydantic import BaseModel
from openai import OpenAI
from legal_expand import expandir_siglas, ExpansionOptions

app = FastAPI()
client = OpenAI()

class AnalisisRequest(BaseModel):
    texto_legal: str

@app.post("/analizar-legal")
async def analizar_legal(request: AnalisisRequest):
    # 1. Expandir siglas en el backend
    texto_expandido = expandir_siglas(request.texto_legal, ExpansionOptions(
        format='plain',
        expand_only_first=True
    ))

    # 2. Enviar al LLM con contexto completo
    completion = client.chat.completions.create(
        model="gpt-4",
        messages=[
            {"role": "system", "content": "Eres un asistente legal experto en derecho español."},
            {"role": "user", "content": texto_expandido}
        ]
    )

    return {
        "texto_original": request.texto_legal,
        "texto_expandido": texto_expandido,
        "analisis_llm": completion.choices[0].message.content
    }

AWS Lambda

import json
import boto3
from legal_expand import expandir_siglas, ExpansionOptions

bedrock = boto3.client('bedrock-runtime', region_name='us-east-1')

def lambda_handler(event, context):
    body = json.loads(event['body'])
    documento = body['documento']

    # Expandir siglas
    documento_expandido = expandir_siglas(documento, ExpansionOptions(
        format='plain',
        expand_only_first=True
    ))

    # Usar AWS Bedrock con modelo de tu eleccion
    response = bedrock.invoke_model(
        modelId='amazon.titan-text-express-v1',
        body=json.dumps({
            "inputText": f"Analiza este documento legal:\n\n{documento_expandido}",
            "textGenerationConfig": {
                "maxTokenCount": 4096,
                "temperature": 0.7
            }
        })
    )

    resultado_modelo = json.loads(response['body'].read())

    return {
        'statusCode': 200,
        'body': json.dumps({
            'documento_expandido': documento_expandido,
            'analisis': resultado_modelo['results'][0]['outputText']
        })
    }

Protección de contextos

El paquete incluye detección inteligente de contextos donde las siglas no deben expandirse.

URLs

texto = 'Visita https://aeat.es para más información sobre AEAT'
resultado = expandir_siglas(texto)

print(resultado)
# Salida: 'Visita https://aeat.es para más información sobre AEAT (Agencia Estatal de Administración Tributaria)'
# La URL queda intacta

Direcciones de email

texto = 'Contacta con info@aeat.es o con la AEAT directamente'
resultado = expandir_siglas(texto)

print(resultado)
# Salida: 'Contacta con info@aeat.es o con la AEAT (Agencia...) directamente'

Bloques de código

texto = """
Para usar AEAT en código:
```python
AEAT = require('aeat')

La AEAT es un organismo oficial. """

resultado = expandir_siglas(texto)

El código dentro de ``` no se toca, pero "La AEAT es..." sí se expande

## Extensibilidad

### Crear formatter personalizado

```python
from legal_expand import FormatterFactory, Formatter
from legal_expand.types import MatchInfo

class MarkdownFormatter(Formatter):
    def format(self, original_text: str, matches: list[MatchInfo]) -> str:
        if not matches:
            return original_text

        # Ordenar por posición descendente
        sorted_matches = sorted(matches, key=lambda m: m.start_pos, reverse=True)

        result = original_text
        for match in sorted_matches:
            acronym = original_text[match.start_pos:match.end_pos]
            replacement = f"**{acronym}** ({match.expansion})"
            result = result[:match.start_pos] + replacement + result[match.end_pos:]

        return result

# Registrar el formatter
FormatterFactory.register_formatter('markdown', MarkdownFormatter())

# Usar el formatter personalizado
resultado = expandir_siglas('La AEAT notifica', ExpansionOptions(format='markdown'))
print(resultado)
# Salida: 'La **AEAT** (Agencia Estatal de Administración Tributaria) notifica'

API completa

expandir_siglas(texto, opciones?)

Función principal que expande siglas en un texto.

Parámetros:

• texto (str): Texto a procesar
• opciones (ExpansionOptions, opcional): Configuración de expansión

Retorna: str | StructuredOutput según el formato especificado

expandir_siglas_detallado(texto, opciones?)

Expande siglas y devuelve diagnóstico completo de omisiones.

Retorna: DiagnosticOutput

extraer_siglas(texto, opciones?, incluir_desconocidas=True)

Detecta siglas sin modificar el texto.

Retorna: ExtractionOutput

generar_glosario(texto, opciones?)

Genera entradas únicas de glosario.

Retorna: list[GlossaryEntry]

exportar_glosario(texto, formato='markdown', opciones?)

Exporta el glosario como markdown, csv o json.

auditar_texto(texto, opciones?)

Genera informe de auditoría con conocidas, desconocidas, omitidas, repetidas y glosario.

Retorna: AuditReport

detectar_referencias_boe(texto, opciones?)

Detecta referencias legales sin consultar red. Combina los aliases conservadores con un índice local del catálogo consolidado (10.555 normas) para resolver normas españolas por rango y número, enlaza la normativa de la UE a EUR-Lex por su número CELEX, protege URLs/emails/código y marca referencias dudosas como ambiguas o pendientes.

Retorna: BOEEnrichmentOutput

enriquecer_boe(texto, opciones?)

Detecta referencias y, si BOEOptions.mode es cache-first u online, intenta completar normas y bloques concretos: las españolas mediante la API de legislación consolidada del BOE y las de la UE mediante EUR-Lex, trayendo el texto íntegro del artículo citado cuando include_unit_text está activo.

Retorna: BOEEnrichmentOutput

boe_report_to_markdown(informe)

Convierte un BOEEnrichmentOutput en un informe Markdown legible.

revisar_boe(informe)

Agrupa un BOEEnrichmentOutput en secciones de revisión: resolved, manual, review-required y unsupported. Cada elemento incluye explicación y acción sugerida.

Retorna: BOEReviewOutput

explicar_referencia_boe(referencia)

Devuelve una explicación breve y determinista del estado de una referencia BOE.

Retorna: str

boe_report_to_html(informe)

Convierte un BOEEnrichmentOutput en HTML semántico con enlaces escapados.

boe_report_by_paragraph_markdown(informe)

Devuelve el texto original y añade un bloque de referencias BOE sugeridas tras cada párrafo afectado.

boe_overrides_template(informe)

Genera un diccionario JSON editable con las referencias que requieren revisión manual.

BOEOptions

@dataclass
class BOEOptions:
    mode: Literal['offline', 'cache-first', 'online'] = 'offline'
    timeout_seconds: float = 4.0
    max_results: int = 5
    include_unit_text: bool = True
    infer_single_active_norm: bool = True
    use_curated_aliases: bool = True
    use_boe_index: bool = True
    cache_path: Optional[str] = None
    cache_ttl_days: int = 30
    overrides_path: Optional[str] = None

expandir_documento(), procesar_archivo(), procesar_directorio()

Procesan texto, Markdown, HTML o carpetas completas preservando estructura básica.

obtener_info_diccionario(custom_dictionaries?)

Devuelve metadata del diccionario base y diccionarios personalizados.

benchmark_texto(texto, opciones?, iterations=100)

Mide rendimiento de expansión.

ExpansionOptions

@dataclass
class ExpansionOptions:
    format: Literal['plain', 'html', 'structured'] = 'plain'
    force_expansion: Optional[bool] = None
    preserve_case: bool = True
    auto_resolve_duplicates: bool = False
    duplicate_resolution: dict[str, str] = field(default_factory=dict)
    expand_only_first: bool = False
    exclude: list[str] = field(default_factory=list)
    include: Optional[list[str]] = None
    custom_dictionaries: list[str] = field(default_factory=list)

StructuredOutput

@dataclass
class StructuredOutput:
    original_text: str
    expanded_text: str
    acronyms: list[ExpandedAcronym]
    stats: Stats

DiagnosticOutput

@dataclass
class DiagnosticOutput(StructuredOutput):
    omitted_acronyms: list[OmittedAcronym] = field(default_factory=list)

@dataclass
class OmittedAcronym:
    acronym: str
    position: Position
    reason: OmittedAcronymReason
    details: Optional[str] = None

configurar_globalmente(config)

Configura el comportamiento global del paquete.

@dataclass
class GlobalConfig:
    enabled: bool = True
    default_options: Optional[ExpansionOptions] = None

obtener_configuracion_global()

Retorna la configuración global actual.

resetear_configuracion()

Restaura la configuración global a valores por defecto.

buscar_sigla(sigla)

Busca información sobre una sigla específica en el diccionario.

Retorna: AcronymSearchResult | None

@dataclass
class AcronymSearchResult:
    acronym: str
    meanings: list[str]
    has_duplicates: bool

listar_siglas()

Retorna lista con todas las siglas disponibles.

Retorna: list[str]

obtener_estadisticas()

Retorna estadísticas del diccionario.

@dataclass
class DictionaryStats:
    total_acronyms: int
    acronyms_with_duplicates: int
    acronyms_with_punctuation: int

Siglas incluidas

El paquete incluye 647 siglas legales españolas, organizadas en las siguientes categorías:

Impuestos y tributos (45 siglas)

AEAT, IVA, IRPF, IS, ISD, ITP, AJD, IVTM, IBI, IAE, ICIO, IEPPF, IGIC, IGTE, II.EE., IIVTNU, IMIVT, IP, IPC, IRNR, etc.

Leyes y normativa (80+ siglas)

CC, CCom, CE, LEC, LECrim, LEF, LES, LG, LGDCU, LGEP, LGP, LGSS, LGT, LH, LHL, LIRPF, LIS, LISOS, LIVA, LJCA, LOCE, LODE, LOFAGE, LOFCA, LOGSE, LOLS, LOPJ, LOTC, LOTCu, LOTJ, LPA, LPACAP, etc.

Organismos e instituciones (60+ siglas)

AENA, AN, AP, BCE, BEI, BOCG, BOE, BOICAC, BOP, CC.AA., CEOE, CES, CGPJ, CNMV, DGCHT, DGRN, DGT, EE.GG., EE.LL., FEADER, FEDER, FEOGA, FFAA, FNMT, FOGASA, FSE, ICAC, IMSERSO, INEM, etc.

Abreviaturas comunes (30+ siglas)

art., apdo., cfr., disp. adic., disp. derog., disp. final, disp. trans., DNI, expte., Excmo., Ilmo., núm., párr., rec., recl., Rgto., Rs., S., Ss., ss., etc.

Tipos de sociedades (15+ siglas)

S.A., S.A.L., S.Coop., S.L., S.R.L., S.A.T., s.en C., SLNE, SCE, AIE, UTE, etc.

Rendimiento

El paquete está optimizado para procesar documentos legales de forma eficiente:

• Tiempo de procesamiento:
  • Textos pequeños (100 palabras): menos de 5ms
  • Textos medianos (1,000 palabras): menos de 20ms
  • Textos grandes (10,000 palabras): menos de 100ms
• Optimizaciones:
  • Regex pre-compilada al cargar el módulo
  • Diccionario indexado para búsquedas O(1)
  • Sin dependencias en runtime

Compatibilidad

• Python: 3.9, 3.10, 3.11, 3.12, 3.13, 3.14
• Frameworks: FastAPI, Flask, Django, Streamlit, y otros
• Sin dependencias en runtime

Fuentes de las siglas

El diccionario de siglas ha sido compilado de múltiples fuentes oficiales:

Fuentes institucionales

Real Academia Española (RAE) - Libro de Estilo de la Justicia

Apéndice 2: Siglas más usualmente empleadas en textos jurídicos españoles.

• URL: https://www.rae.es/libro-estilo-justicia/apéndice-2-siglas

Diccionario Panhispánico del Español Jurídico (DPEJ) - RAE

Diccionario especializado con definiciones jurídicas enriquecidas.

• URL: https://dpej.rae.es/contenido/siglas-jurídicas

Fuentes propias

• Boletín Oficial del Estado (BOE)
• Legislación española vigente
• Documentación de organismos públicos (AEAT, Seguridad Social, etc.)
• Práctica jurídica habitual en España

Proceso de validación

Todas las siglas incluidas han sido:

1. Verificadas contra fuentes oficiales
2. Normalizadas según criterios de la RAE
3. Priorizadas según frecuencia de uso en textos legales
4. Depuradas eliminando duplicados y variantes incorrectas

Contribuir

Las contribuciones son bienvenidas. Para contribuir:

1. Haz fork del repositorio
2. Crea una rama para tu funcionalidad (git checkout -b feature/nueva-funcionalidad)
3. Realiza tus cambios y añade tests si es necesario
4. Asegúrate de que todos los tests pasan (pytest)
5. Haz commit de tus cambios
6. Crea un Pull Request

Añadir nuevas siglas

Para añadir nuevas siglas, edita el archivo src/legal_expand/data/dictionary.json siguiendo el formato existente.

Licencia

Desde la versión 1.6.0, PolyForm Noncommercial License 1.0.0 (uso no comercial: personal, investigación, educación y organizaciones sin ánimo de lucro). El uso comercial no está permitido. Ver el archivo LICENSE.

Las versiones anteriores publicadas (1.5.x y previas) permanecen bajo licencia MIT.

Créditos

Desarrollado con el diccionario de 647 siglas legales españolas verificadas de fuentes oficiales (RAE, BOE, DPEJ).

Basado en el paquete npm legal-expand.