teqo-backup/docs/changelog/2026-09-14-c160.md

2.7 KiB
Raw Permalink Blame History

C160 — Acervo de falas: "Abrir fonte" abre o PDF oficial do Diário (2026-09-14): o officialTextUrl do acervo deixa de gravar o visualizador legado da Câmara (dc_20b.asp/dc_20.asp, que responde 302 depois de 25–135s e pendura no meta-refresh do host deprecado) e passa a gravar o PDF direto do Diário (https://imagem.camara.leg.br/Imagem/d/pdf/<arquivo>#page=<página>). Puros novos em scripts/lib/camaraSpeeches.mjs (classifyOfficialTextUrl, isLegacyDiarioUrl, parseLegacyOfficialUrl, parseMontaPdfUrl, parseDirectOfficialPdfUrl, buildOfficialPdfUrl, officialTextUrlFallback, publicationCacheKey, planOfficialLinkRepairs) classificam/parseiam a URL legada (Datain→data, txPagina→página) e normalizam coleções obsoletas (J/vazio → D, achado da varredura de produção). resolveOfficialPdfUrl (camaraFetch.mjs) reescreve o lookup .gov.br→.leg.br, segue o redirect (redirect: 'follow', response.url = montaPdf.asp?narquivo=…&npagina=…) e falha fechado fora da Câmara/host esperado; probeLink (o antigo probeVodLink, generalizado com contentType) prova o PDF com GET Range 200/206 application/pdf antes de cachear. O import normaliza no write path: uma resolução por publicação em <out>/diario/<data>-<coleção>[-s<suplemento>].json via ensureCachedDownload; falha preserva o PDF direto anterior (senão null → fallback youtubeUrl/botão oculto) e reporta stage: 'official-link'. Novo modo pnpm camara:import --repair-links [--dry-run]: varre speech.officialTextUrl (uma query, overrideAccess), agrupa por publicação, converte montaPdf offline, atualiza só quem muda, reporta cobertura em <out>/reports/repair-links-*.json (falas/datas, publicações com falha, unresolvable, remainingLegacy) e é idempotente; o write exige CAMARA_IMPORT_CONFIRM=1 fora de alvo local (--dry-run é read-only). Testes: unit dos puros com as URLs reais medidas (dc_20b/.leg.br/montaPdf/PDF direto/ano curto/J/vazio) e do fallback; int do findSpeechImportState com officialTextUrl. Prova viva em produção (teqo_1313, 2026-09-14, SHA 9687c416): o dry-run achou 965 falas legadas em 504 publicações (0 diretas; 33 em J e 1 vazia normalizadas para D) + 32 sem link; a resolução cacheou as 504 publicações (retries absorveram fetch failed transiente; PDFs provados por Range); o write atualizou as 965 falas em 58s (remainingLegacy: 0, 0 falhas/0 publicações pendentes); a validação read-only deu 965 diretas, 0 legadas e o --coverage ficou inalterado (997 discursos, 947 com trecho, 924 com vídeo, 920 com segmentos). Runbook novo em docs/ops/teqo-1313-deploy.md §C160 (dry-run → write → validação, rollback pelo previousUrl do relatório).