Die Auslieferung trägt nur, was der Browser wirklich braucht

Die Browserfassung soll künftig über Cloudflare Workers gehen, und dort gilt
eine Grenze von 25 MiB je Datei, unkomprimiert gemessen. Zwei der
ausgelieferten Dateien standen dem entgegen: Das Quelltextarchiv maß 29,7 MB
und war damit schon nicht mehr hochzuladen, das Wasm-Modul mit 24,5 MB zu
achtundneunzig Hundertsteln der Grenze und ohne jeden Spielraum.

Das Archiv war ein ungefiltertes „git archive“ des Repositoriums, und über
fünfundneunzig Hundertstel davon waren die Beispiel-PDFs. Der Quelltext selbst
misst keine dreihunderttausend Zeichen. Die Gesetzes- und Drucksachentexte sind
fremde Werke, an denen allein die Tests messen; sie sind nicht der Quelltext,
aus dem sich das Ausgelieferte herstellen ließe, und die Auflage des AGPLv3 § 13
verlangt sie deshalb nicht. Sie sind aus dem Archiv genommen, und
„quelltext-fassung.txt“ sagt fortan, dass sie fehlen, warum sie fehlen und wo
sie vollständig liegen. Damit dies nicht stillschweigend zurückfällt, bricht
„webpaket.sh“ ab, sobald das Archiv acht Mebibyte überschreitet, und ebenso,
wenn irgendeine ausgelieferte Datei die Grenze der Zielplattform reißt: Lieber
hier auffallen als beim Hochladen.

Der Korpus lag überdies unter „src/main/resources“ und wanderte deshalb in
jedes Erzeugnis: in das Klassenverzeichnis, in die ausführbare Archivdatei —
achtundzwanzig Megabyte für ein Werk von sechshundert Kilobyte Java — und auf
den Klassenpfad des Übersetzers, dessen Ressourcentabelle die Verzeichnisnamen
bis ins Wasm trug. Er liegt nunmehr unter „src/test/resources“, wo er hingehört,
und ist von der Kopie nach „target/test-classes“ ausgenommen: Die Tests lesen
ihn über Dateisystempfade, eine Kopie wäre bei jedem Bau fünfunddreißig
Megabyte umsonst.

Das Modul wiegt statt 24,5 nunmehr 17,2 Megabyte; komprimiert geht es mit 5,5
statt 7,1 Megabyte über die Leitung. Vier Ursachen liegen dem zugrunde. Der
Picocli-Annotationsprozessor meldete die Befehlszeilenklasse mit sämtlichen
Methoden zur Reflexion an, worauf die Erreichbarkeitsanalyse die ganze
Befehlszeilenfassung samt Dateizugriffen in ein Bild zog, in dem es keine
Befehlszeile gibt; im Profil „wasm“ läuft er nicht mehr, und eine von einem
früheren Lauf liegengebliebene Konfiguration wird vor dem Übersetzen entfernt,
damit die Größe nicht davon abhängt, was vorher lief. Der Ressourcen-Glob
„org/apache/fontbox/**“ bettete 3,3 Megabyte ostasiatischer CMaps, die
Schrifttabelle „Scripts.txt“ und — weil zwei Sterne auch Klassendateien treffen
— 0,7 Megabyte „.class“-Dateien ein, von denen ein deutsches Gesetzes-PDF nichts
braucht; geblieben sind die beiden Identity-CMaps. Die Metriken unter
„org/apache/pdfbox/resources“ bleiben vollständig, denn an ihnen hängt die
Breitenberechnung bei nicht eingebetteten Schriften. Übersetzt wird mit „-Os“,
und den Rest holt „wasm-opt -Oz“ im Webpaket.

Dessen Merkmale sind einzeln aufgezählt und nicht als „--all-features“ erteilt.
Der bequeme Weg war gangbar und führte doch ins Leere: Binaryen nutzte
daraufhin Vorschläge, die noch kein Browser annimmt, und das Modul scheiterte
erst beim Instanziieren — erst an einem exakten Heap-Typ aus den „custom
descriptors“, nach dessen Abschaltung an der kompakten Importsektion. Zugelassen
ist nunmehr, was ausgeliefert in den Browsern steht und was Web Image braucht.

Die Vorkompression nach „.gz“ und „.br“ entfällt als Regelfall, denn Cloudflare
komprimiert selbst und jede Beilage wäre dort eine weitere Datei; wer mit nginx
selbst ausliefert, fordert sie mit VORKOMPRIMIEREN=1 an. Das
Auslieferungsverzeichnis fällt damit von achtundsechzig auf siebzehn Megabyte,
und ein liegengebliebenes „.DS_Store“ geht nicht mehr mit hoch.

Dreihundertfünfundzwanzig Testfälle bestehen. Das Modul ist im Browser
gelaufen: Vier Dokumentenpaare — IfSG, UWG, AGG und das Bayerische Jagdgesetz,
also gii-XML wie PDF als Stammfassung, Bundesgesetzblatt, Drucksache und
Gesetz- und Verordnungsblatt als Änderungsdokument — ergeben Synopsen, deren
SHA-256-Summen denen der Befehlszeilenfassung gleichen. Der Ressourcenbeschnitt
kostet also keine Zeichen.

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
Change-Id: I31a47d1dcf3b27ffa4ae891947b1c4e083107a71

1 files changed, 55 insertions, 0 deletions

diff --git a/src/test/resources/sampledata/NRW/SOURCES b/src/test/resources/sampledata/NRW/SOURCES
new file mode 100644
index 0000000..df67eb7
--- /dev/null
+++ b/src/test/resources/sampledata/NRW/SOURCES
@@ -0,0 +1,55 @@
+Änderungsgesetz:
+- Gesetz zur Änderung des Gesetzes über den „Westdeutschen Rundfunk
+  Köln“, des Landesmediengesetzes Nordrhein-Westfalen und zur Änderung
+  weiterer Gesetze (22. Rundfunkänderungsgesetz) vom 24.03.2026,
+  verkündet am 31.03.2026 (GV. NRW. 2026 Nr. 7 S. 202), in Kraft seit
+  01.04.2026
+- https://recht.nrw.de/gvnrw/2026-7
+  (GV-NRW-2026-S202_22-Rundfunkaenderungsgesetz.pdf)
+- Das Heft ändert vier Gesetze; alle vier sind als Akzeptanzfälle
+  hinterlegt: Artikel 1 (WDR-Gesetz), Artikel 2 (Landesmediengesetz),
+  Artikel 3 (Telemedienzuständigkeitsgesetz) und Artikel 4
+  (17. RÄStV-AusfG). Artikel 5 regelt nur das Inkrafttreten.
+
+Stammfassungen (jeweils die vor dem Änderungsgesetz geltende Fassung):
+- recht.nrw.de gibt jede Fassung unter
+  recht.nrw.de/lrgv/gesetz/<TTMMJJJJ>-<Kurztitel-Slug> aus; der
+  Datumspräfix ist der Gültigkeitsbeginn. Die Seiten sind serverseitig
+  gerendertes HTML (keine Single-Page-Anwendung); die Slugs stehen im
+  Sitemap-Index (robots.txt → sitemap/page/1..47/sitemap.xml), die
+  Suchmaske findet sie nicht.
+- WDR-Gesetz-alt.txt: Gesetz über den „Westdeutschen Rundfunk Köln“
+  (WDR-Gesetz) in der Fassung der Bekanntmachung vom 25.04.1998
+  (GV. NRW. S. 265), Stand 01.01.2025, aus
+  .../01012025-gesetz-ueber-den-westdeutschen-rundfunk-koeln-wdr-gesetz-bekanntmachung-der
+- LMG-NRW-alt.txt: Landesmediengesetz Nordrhein-Westfalen (LMG NRW) vom
+  02.07.2002 (GV. NRW. S. 334), Stand 01.01.2025, aus
+  .../01012025-landesmediengesetz-nordrhein-westfalen-lmg-nrw
+- TMZ-Gesetz-alt.txt: Telemedienzuständigkeitsgesetz vom 29.03.2007
+  (GV. NRW. S. 137), Stand 27.04.2022, aus
+  .../27042022-gesetz-zur-regelung-der-zustaendigkeit-fuer-die-ueberwachung-von-telemedien
+- 17-RAEStV-AusfG-alt.txt: Gesetz zur Ausführung des Siebzehnten
+  Rundfunkänderungsstaatsvertrags (Siebzehnter
+  Rundfunkänderungsstaatsvertrag Ausführungsgesetz) vom 17.12.2015
+  (GV. NRW. S. 872), Stand 01.01.2016 — das Gesetz war bis 2026
+  unverändert, die Erstfassung ist also zugleich die Stammfassung; aus
+  .../01012016-gesetz-zur-ausfuehrung-des-siebzehnten-rundfunkaenderungsstaatsvertrags
+- Aufbereitung ins kanonische Klartextformat des LandesRechtLoaders:
+  je <section class="legaldoc-article"> ein Normkopf aus
+  field_num + field_headline, darunter die <p>-Absätze; die
+  Inhaltsübersicht der ersten Sektion wird zur Norm „Inhaltsübersicht“
+  mit Zeilen „§ N | Titel“. Einzelne Normen führen auf recht.nrw.de
+  keinen Kopf (WDR § 3a, LMG § 33e) — ihre Bezeichnung stammt dann aus
+  der Inhaltsübersicht.
+
+Abgleich:
+- Die Nachfassungen vom 01.04.2026 (Datumspräfix 01042026) dienten als
+  Sollwert; verglichen wurde normweise der Gesamttext. Es bleiben nur
+  Abweichungen, in denen die amtliche Nachfassung selbst über den
+  Befehlswortlaut hinausgeht (WDR-Gesetz § 15: „des“ vor
+  „Bundesreisekostengesetzes“ entfallen; §§ 7 und 21: ein überzähliges
+  Anführungszeichen aus dem Änderungsgesetz übernommen; LMG NRW § 93
+  Absatz 3 Nummer 11: zusätzlich die Wörter „Film (“ gestrichen).
+- Beim 17. RÄStV-AusfG stimmt das Ergebnis zeichengenau mit der
+  amtlichen Nachfassung überein, einschließlich der dort stehenden
+  amtlichen Platzhalter („[einsetzen: Datum der Bekanntmachung]“).