diff options
Diffstat (limited to 'src/test/resources/sampledata/Berlin/SOURCES')
| -rw-r--r-- | src/test/resources/sampledata/Berlin/SOURCES | 61 |
1 files changed, 44 insertions, 17 deletions
diff --git a/src/test/resources/sampledata/Berlin/SOURCES b/src/test/resources/sampledata/Berlin/SOURCES index abd745a..441a16f 100644 --- a/src/test/resources/sampledata/Berlin/SOURCES +++ b/src/test/resources/sampledata/Berlin/SOURCES @@ -12,6 +12,9 @@ Beispieldaten Berlin — Herkunft und Aufbereitung LAF-ErrG-alt.txt Gesetz zur Errichtung eines Landesamtes für Flüchtlingsangelegenheiten und Unterbringung vom 14. März 2016, Gültigkeit 16.04.2026–11.06.2026 LAF-ErrG-neu.txt dasselbe ab 12.06.2026, allein als Prüfmaßstab + ASOG-Bln-alt.txt Allgemeines Sicherheits- und Ordnungsgesetz in der Fassung vom + 11. Oktober 2006, Gültigkeit 16.04.2026–11.06.2026 (171 Normen) + ASOG-Bln-neu.txt dasselbe ab 12.06.2026, allein als Prüfmaßstab Bezugsweg --------- @@ -24,27 +27,51 @@ Dokumentkennungen und Stichtage: Rechtsstellung: amtliche Werke nach § 5 UrhG; im Übrigen wie in `Hessen/SOURCES` dargelegt. -Das ASOG ist nicht beigelegt — warum ------------------------------------- +Die Nummern der Anlage — wie sie geführt werden +---------------------------------------------- Artikel 1 des Änderungsgesetzes ändert zu fünf Sechsteln die *Anlage* des ASOG (Zuständigkeitskatalog Ordnungsaufgaben), und deren Einheiten sind nicht wie sonst als -Aufzählungsmarken gesetzt, sondern als *Überschriften*: „Nummer 6“, „Nummer 23“, „Nummer 31“, -jede im Portal eine eigene Einzelnorm. Der Stellenauflöser sucht dagegen eine Marke „6.“ im -Text der Anlage — und findet dort vielerlei, denn gewöhnliche Aufzählungen zählen ebenso. -Belegt ist das: Werden die Überschriften versuchsweise in Marken umgeschrieben, steigt die -Zahl der angewandten Befehle von zwei auf drei; mehrdeutig bleibt der Rest. - -Das ist keine Extraktions-, sondern eine Modellfrage: Die Nummern einer Anlage brauchen einen -eigenen Rang zwischen Norm und Absatz. Solange er fehlt, brächte die Beilage von zweimal -380 kB Stammfassung keinen Prüfgewinn. Der Bezugsweg oben führt in zwei Abrufen wieder -dorthin. - -Ein zweiter Befund für dieselbe Arbeit: Das Berliner Portal setzt die amtlichen Satznummern -nicht als Superskripte, sondern als *angeklebte Ziffern* („(2) 1Gegen einen …“). Der -kanonische Klartext verlangt Superskripte; die Umschrift gehört in die Aufbereitung, sonst -weicht die angewandte Fassung von der amtlichen Nachfassung schon in der Zählung ab. +Aufzählungsmarken gesetzt, sondern als Einheiten mit eigener Absatzzählung: „Nummer 6“, +„Nummer 23“, „Nummer 31“, jede im Portal eine eigene Einzelnorm. Ebenso werden sie jetzt +geführt — als eigene Normen, deren Bezeichnung die Anlage voranstellt: „Anlage Nummer 23“. +Damit trägt die vorhandene Absatz-Maschinerie die Befehle unverändert („Nach Nummer 6 +Absatz 2 wird folgender Absatz 2a eingefügt“). Zuvor suchte der Stellenauflöser eine Marke +„6.“ im Text der Anlage und fand dort vielerlei; von sechs Befehlen wurden zwei angewandt, +heute sind es fünf. + +Der eine Rest ist eine Grenze des Klartextformats, keine Schwäche der Anwendung: Auf den +Absatz 4a der Nummer 23 folgt der Zwischentitel „Aus dem Bereich Verkehr:“, der keine eigene +Absatzbezeichnung trägt und deshalb dem vorangehenden Absatz zugeschlagen wird. Der Befehl +„In Absatz 4a wird der Punkt am Ende durch ein Semikolon ersetzt“ findet den Punkt daher +nicht am Ende und bleibt liegen. + +Ein zweiter Befund, erledigt: Das Berliner Portal setzt die amtlichen Satznummern nicht als +Superskripte, sondern als *angeklebte Ziffern* („(2) 1Gegen einen …“). Der kanonische +Klartext verlangt Superskripte; die Umschrift geschieht in der Aufbereitung. Aufbereitung zum kanonischen Klartext ------------------------------------- Maschinell wie in Hessen. Das LAF-Errichtungsgesetz führt kein Inhaltsverzeichnis als eigene Norm; der Wortlaut beginnt deshalb beim ersten Normkopf, der für sich auf einer Zeile steht. + +Für das ASOG im einzelnen (Skript nicht im Repo, `berlin2klartext.py` im Arbeitsverzeichnis): + + 1. Vorspann samt amtlicher Inhaltsübersicht bis einschließlich der Marke + „zur Einzelansicht Inhaltsverzeichnis“ abschneiden; die gleichlautenden Rücksprungmarken + jeder Norm entfallen. + 2. Geschützte Leerzeichen zu gewöhnlichen; NFC. + 3. Normkopf und Überschrift auf eine Zeile („§ 1 Aufgaben der …“), ebenso die Gliederung + („Erster Abschnitt Aufgaben, Zuständigkeiten …“). Der Kopf einer Anlagen-Nummer bleibt + für sich; was ihm folgt, ist ihr Wortlaut. + 4. Aufzählungsmarken, die im Portalsatz allein auf der Zeile stehen, mit dem Folgetext + vereinigen und einrücken. + 5. Angeklebte Satznummern in Superskripte umschreiben. + +Der Klammerzusatz des Langtitels muss auf einer *eigenen* Zeile stehen — sonst bleiben +Kurztitel und Abkürzung ungetrennt, der Einleitungssatz findet sein Ziel nicht und es wird +kein Artikel gewählt. + +Beschaffung im Browser: Der Auszug über `get_page_text` ist bei 50000 Zeichen gekappt und +verschluckt überdies einzelne Leerzeichen. Beides umgeht, wer den Text in Stücken von 33000 +Zeichen *base64-kodiert* in die Seite schreibt und wieder ausliest; so kam der Wortlaut +zeichengenau herüber (380153 bzw. 381880 Zeichen). |