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

1 line
2.7 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters

This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.

**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).