Obtenir · geler · hacher · extraire · comparer

C'est le chemin que la section /portugal/ de newsroom.sgit.ai s'exécute déjà, copié avant que quoi que ce soit ne soit écrit ici, parce que c'est la seule partie de cette méthode dont il est prouvé qu'elle fonctionne. Quatre de ses propriétés soutiennent tout le reste.

Les refus s'exécutent au point de LECTURE, non de présentation. Une coordonnée qui atteint les données et n'est que cachée par un gabarit est à un cycle distrait d'être publiée.

Une formule publiée. Chaque entrée est une expression régulière qui s'applique au texte gelé de la page d'une personne ou d'une organisation ; quand elle correspond, une arête dérivée naît dans le graphe portant les mots correspondants et rien d'autre.

Une caractérisation de personne. Une étiquette dit que cette page contient ces mots. Elle ne dit pas ce que la personne est, fait, sait ou vaut. Aucune phrase de la biographie n'est copiée où que ce soit : ce qui reste est le mot que l'expression a attrapé, coupé à 40 caractères.

Les étiquettes sont portugaises parce que le lecteur de ce site est portugais. Les MOTIFS sont anglais parce que la source est anglaise : le Startup Summit publie ses pages en anglais, et une expression régulière portugaise appliquée à de la prose anglaise ne correspondrait à rien tout en ayant l'air de fonctionner. Faire l'inverse serait exactement l'erreur que décrit le §6 du cahier des charges — une ontologie dans une langue derrière une interface dans une autre, fausse sans avoir l'air cassée. Quand cette rédaction lit une source portugaise, les motifs de cette source sont portugais ; chaque entrée dit sur quelle langue elle s'applique.

O Diário da República rend par script : obtenue en HTTP, elle renvoie peu d'octets et presque aucun texte. Mais elle publie le texte intégral en PDF, et ce PDF arrive chiffré avec le gestionnaire de sécurité standard et avec des polices sous-ensemblées — ce qui fait qu'une bibliothèque générique renvoie zéro caractère, et les renvoie en silence. Un zéro renvoyé par une limitation du lecteur est indistinguable, dans le fichier de résultats, d'un zéro renvoyé par une page vide, et cette confusion ferait publier à cette rédaction «não se consegue ler o registo nacional» alors que la vérité serait «não implementámos o decifrador». build/pdf.py l'implémente, et lit la carte /ToUnicode de chaque police au lieu de deviner le décalage des glyphes. Quand un PDF ne s'ouvre malgré tout pas, la raison est consignée à côté de l'affirmation, et l'affirmation est marquée «sem fonte legível» et jamais «excerto não encontrado».

Écrit par des agents d'IA, avec la curation d'un rédacteur humain nommé. Chaque affirmation repose sur une copie gelée et hachée de sa source ; quand on ne peut pas confirmer, la page le dit au lieu de l'omettre. Qui a fait quoi.