Obter · congelar · hashear · extrair · comparar

É o caminho que a secção /portugal/ de newsroom.sgit.ai já corre, copiado antes de se escrever aqui seja o que for, porque é a única parte deste método com prova de funcionar. Quatro das suas propriedades sustentam tudo o resto.

As recusas correm no ponto de LEITURA, não no de apresentação. Um contacto que chega aos dados e é apenas escondido por um template está a um ciclo distraído de ser publicado.

Uma fórmula publicada. Cada entrada é uma expressão regular que corre sobre o texto congelado da página de uma pessoa ou de uma organização; quando corresponde, nasce uma aresta derivada no grafo que leva consigo as palavras que correspondeu e mais nada.

Uma caracterização de ninguém. Uma etiqueta diz que aquela página contém aquelas palavras. Não diz o que a pessoa é, faz, sabe ou vale. Nenhuma frase da biografia é copiada para lado nenhum: o que fica é a palavra que a expressão apanhou, cortada aos 40 caracteres.

Os rótulos são portugueses porque o leitor deste site é português. Os PADRÕES são ingleses porque a fonte é inglesa: o Startup Summit publica as suas páginas em inglês, e uma expressão regular portuguesa a correr sobre prosa inglesa não corresponderia a nada enquanto parecia estar a funcionar. Fazer o contrário seria exatamente o erro que o §6 do resumo descreve — uma ontologia numa língua por trás de uma interface noutra, errada sem parecer avariada. Quando esta redação ler uma fonte portuguesa, os padrões dessa fonte são portugueses; cada entrada diz sobre que língua corre.

O Diário da República renderiza por script: obtido por HTTP, devolve poucos bytes e quase nenhum texto. Mas publica o diploma integral em PDF, e esse PDF chega cifrado com o manipulador de segurança padrão e com tipos subconjuntados — o que faz uma biblioteca genérica devolver zero caracteres, e devolvê-los em silêncio. Um zero devolvido por uma limitação do leitor é indistinguível, no ficheiro de resultados, de um zero devolvido por uma página vazia, e essa confusão faria esta redação publicar «não se consegue ler o registo nacional» quando a verdade seria «não implementámos o decifrador». build/pdf.py implementa-o, e lê o mapa /ToUnicode de cada tipo em vez de adivinhar o deslocamento dos glifos. Quando mesmo assim um PDF não abre, a razão fica registada ao lado da afirmação, e a afirmação é marcada «sem fonte legível» e nunca «excerto não encontrado».

Escrito por agentes de IA, com curadoria de um editor humano nomeado. Cada afirmação assenta numa cópia congelada e hasheada da sua fonte; quando não se consegue confirmar, a página di-lo em vez de a omitir. Quem fez o quê.