| Commit message (Collapse) | Author | Age | Files | Lines |
|---|
| |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| |
Seit der Inbetriebnahme setzte die Startseite voraus, was gerade nicht hat, wer
sie zum ersten Mal aufruft: geeignete Dateien. Über dem Formular stand die
Tätigkeitsbeschreibung, darunter zwei leere Dateifelder, und wer nie mit
gii-Norm-XML oder einem BGBl-Regelungstext zu tun hatte, konnte das Werkzeug
nicht einmal ausprobieren. Ein zugeklappter Block tritt hinzu, der zwei
durchgerechnete Fälle mit Verweisen auf die amtlichen Fundstellen anbietet.
Zugeklappt kostet er eine Zeile; das Formular bleibt, wo es war.
Angeboten werden ein verkündetes Änderungsgesetz — das UWG nebst dem Dritten
Gesetz zu seiner Änderung (BGBl. 2026 I Nr. 43), neunzehn Befehle an sechs
Normen ohne Rest — und ein Gesetzentwurf — das AGG nebst BT-Drs. 21/6178,
dreiundzwanzig Befehle an vierzehn Normen, einer zur Prüfung markiert. Der
zweite Fall war zunächst als ProdHaftG nebst BT-Drs. 21/4297 gedacht und ist
verworfen: Die Modernisierung löst das Gesetz ab, statt es zu ändern, und ergibt
einen einzigen Befehl an einer einzigen Norm. Ein Beispiel, das nichts zeigt,
ist keines.
Mitausgeliefert wird nichts, und die Seite ruft von sich aus nichts ab; sie
verweist. Die Verweise öffnen ein eigenes Fenster, weil ein im selben Fenster
geöffnetes PDF die bereits gewählten Dateien aus dem Formular nähme. Das
Stilblatt bekommt .einfuehrung im Zuschnitt der übrigen Kästen und keine einzige
neue Farbe, sodass Hell- und Dunkelfassung ohne Zutun stimmen.
Dabei stellte sich heraus, dass gesetze-im-internet.de das Norm-XML gar nicht
als solches ausgibt: Es gibt allein …/<kurz>/xml.zip, der unmittelbare
BJNR….xml-Pfad ist 404. Eine Einführung, die auf die Fundstelle verweist, wäre
ohne Weiteres eine Anleitung zum Entpacken von Hand gewesen. Der Ladepfad nimmt
das Archiv deshalb nun unmittelbar an (ZipAuspacker, vorgeschaltet in
Pipeline.ladeStammgesetz; DateiTyp kennt die Art ZIP). Die Änderungsdokumente
bleiben unberührt — Gesetzblätter und Drucksachen kommen nirgends als Archiv.
Das Format wird von Hand gelesen, und zwar aus einem Grund, der außerhalb der
Browserfassung sinnlos wäre: Von den Archivklassen des JDK trägt dort allein der
Inflater, den InflaterErsatz auf jzlib zurückführt; ZipInputStream, ZipFile und
CRC32 beruhen auf nativen Bindungen, die Web Image nicht kennt. Auch die
Prüfsumme rechnet die Klasse deshalb selbst. Gelesen wird über das
Zentralverzeichnis am Dateiende, nicht über die örtlichen Vorspanne, deren
Größenangaben bei nachgestellten Beschreibern erst hinter den Daten stehen.
Gewählt wird der einzige auf .xml endende Eintrag: Den Gesetzen mit Anlagen legt
die Fundstelle deren Bilddateien mit ins Archiv, es ist also nicht einerlei,
welchen man nimmt. Die ZIP-Signatur wird vor der PDF-Signatur geprüft, weil sie
am ersten Byte verankert ist, während jene ein Vorschaufenster durchsucht — ein
Archiv mit der Zeichenfolge „%PDF-“ in seinen gepackten Daten wäre sonst als PDF
angesprochen worden.
Die Quellenzeile der Synopse nennt weiterhin die angegebene Datei (uwg.zip),
nicht den Eintrag; sie soll den Weg zur Fundstelle zurück beschreiben. Den
Eintragsnamen trägt die ausgepackte Quelle gleichwohl, damit Protokoll und
Ladefehler das Gesetz benennen und nicht seine Verpackung.
Geprüft ist beides gegen die Fundstelle selbst, nicht nur gegen den
Beispielkorpus: 312 Prüfungen laufen durch, darunter acht neue zum Auspacken.
Das unmittelbar bezogene uwg.zip ergibt auf der Befehlszeile mit dem
BGBl-Regelungstext dieselbe Ausfertigung wie die entpackte Fassung — die beiden
unterscheiden sich allein in der Quellenzeile —, und dieselben 19/0/6 ergeben
sich im neu gebauten Wasm-Modul im Browser, ohne eine Beanstandung in der
Konsole. Der Block hält bei 320 Pixeln Breite ohne Überlauf.
Unberührt bleiben pom.xml, deploy/webpaket.sh und die nginx-Vorlage: Da nichts
mitausgeliefert wird, braucht es weder einen zweiten Ressourcen-Block noch neue
MIME-Typen — deren types-Block ersetzt die Zuordnung vollständig und wäre sonst
die Falle gewesen.
Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
Change-Id: I5f6566ca89aa5198452b0b29ac5b38da9eb26137
|
| |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| |
Die mehrschrittige Umnummerierungssequenz galt bislang als wesenseigene Grenze:
Ihre Folgeänderungen gingen in den Abschnitt „Manuell prüfen“, im bayerischen
Belegfall drei von 154 Anweisungen (48. a) ee), 48. a) gg), 48. b) cc), sämtlich
aus der Neunummerierung des Bußgeldkatalogs in Art. 56 BayJG). Die Prüfung gegen
die amtliche Nachfassung zeigt, dass es keine Grenze war, sondern drei
voneinander unabhängige Mängel. Erst die Diagnose vor jeder Änderung — die
Begründungen der drei Fälle ausgeben — hat sie getrennt; die Vermutung, alles
sei eine Frage der Reihenfolge, traf nur auf einen von ihnen zu.
Geordnet werden nun Schritte statt Befehle (BefehlAnwender). Ein Verbund aus
Umnummerierung und Begleitänderung trägt zwei gegenläufige zeitliche Ansprüche:
Die Umnummerierung gehört vor denjenigen, der ihre Bezeichnung neu besetzt, die
Begleitänderung an ihre Stelle im Dokument, denn sie setzt die vorangegangenen
Punkte als vollzogen voraus. Bisher setzte sich der erste Anspruch für die ganze
Einheit durch. Bei gg) — „Die bisherige Nr. 11 wird Nr. 12 und die Angabe
„schriftliche“ wird gestrichen“ — stand die Angabe vorgezogen noch zweimal im
Artikel und war zu Recht mehrdeutig; an ihrer Dokumentstelle hat ee) die zweite
Fundstelle längst ersetzt. Die Befehlsliste wird dazu vor der Anwendung zu
Schritten aufgefaltet (je Teilbefehl einer); protokolliert wird unverändert je
Befehl, ein Verbund gilt nur als angewandt, wenn jeder Teil gegriffen hat.
Die Ordnungsregel selbst bleibt wörtlich dieselbe („wer eine Bezeichnung räumt,
kommt vor dem, der sie neu besetzt“), wird aber erst jetzt vollständig
durchgesetzt. Bisher rückte ein Befehl nur einmal vor seinen ersten
Kollisionspartner; auf Schritten zerreißt das die Ketten — von „Nr. 15 wird
Nr. 16“, „Nrn. 13 und 14 werden Nrn. 14 und 15“, „nach Nr. 12 wird Nr. 13
eingefügt“ zog die Einfügung nur das letzte Glied vor sich her. An die Stelle
tritt eine Tiefensuche auf der Dokumentordnung: vor jedem Schritt erst rekursiv
seine Räumer, eine ringförmige Abhängigkeit bricht ab. Kein Kahn mit „frühester
bereiter Knoten“ — der zieht unbeteiligte Schritte vor und bricht genau die
Begleitänderung wieder.
Die beiden übrigen Mängel lagen anderswo:
* Das Muster der lokativen Klausel (BefehlErkenner) schloss mit einer
Wortgrenze. Hinter einem abgekürzten Bezeichnungswort steht aber schon der
Abkürzungspunkt, und zwischen ihm und dem Leerzeichen liegt keine Wortgrenze;
der Klausel entging deshalb jede Kurzform („in Abs. 2 …“, „in Buchst. b …“).
Die unabgekürzten Formen trafen zu, weshalb es nie auffiel.
* Der StellenAufloeser verlangte hinter der Aufzählungsmarke Text auf derselben
Zeile. Eine Einheit, die sich vollständig in ihre Untergliederung ergießt,
führt ihre Marke allein (Art. 56 Abs. 2 Nr. 12 BayJG, darunter nur die
Buchstaben a und b) und galt als nicht auffindbar.
Der bayerische Belegfall steht damit auf 154 angewandten Anweisungen ohne Rest
(zuvor 151), die Ausschussfassung der Beschlussempfehlung zum GEG auf 68 statt
67 — dort greift nun eine Bereichs-Umnummerierung in § 108, die vorher nur ihr
erstes Glied vorziehen konnte; § 108 liegt jedoch in der bekannten Zone, in der
das Beispiel-XML eine andere Fassung ist als die vorausgesetzte, taugt also
nicht als Beleg. Belegt ist die Ordnung an Art. 29a und Art. 56 BayJG und an den
Kaskaden des WDR-Gesetzes. Alle übrigen Bezugszahlen des Bundes und der Länder
sind unverändert; 304 Prüfungen laufen durch.
Der Akzeptanztest hält zwei Mängel fest, die er nicht behebt. Beide bestanden
schon zuvor, was ein Lauf gegen den Ausgangsstand belegt:
* Der Block aus „Nach Nr. 4 werden die folgenden Nrn. 5 bis 7 eingefügt“ tritt
an das Ende des Absatzes statt hinter die Nr. 4, und der leere Platzhalter
„7. (aufgehoben)“ der Altfassung bleibt zwischen den Nrn. 9 und 10 stehen.
Dass jede Anweisung greift, heißt eben nicht, dass die Norm in allem der
amtlichen Nachfassung gleicht; der Test sagt das ausdrücklich.
* Die Heilung doppelter Leerzeichen nach einer Streichung wirkt auf den
gesamten Zieltext und verkürzt dabei die Einrückung der Aufzählungszeilen.
Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
Change-Id: Id61babe60226d27b5c05ff971927d61713b01781
|
| |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| |
Bisher wurde eine Beschlussempfehlung erkannt und mit Begründung übergangen:
Ihre maßgebliche Fassung steht in der zweispaltigen Zusammenstellung, deren
rechte Spalte für sich unlesbar ist. Sie druckt Unverändertes nicht ab,
sondern vermerkt bloß „unverändert“ — und zwar nicht nur je
Gliederungspunkt, sondern auch zeilenweise innerhalb zitierter Blöcke,
weshalb ihre Anführungszeichen nicht aufgehen. Eine Auflösung über die
Gliederungspfade scheitert daran nachweislich (45 statt 117 Befehlen).
Maßgeblich ist die Grundlinie: Beide Spalten sind zeilensynchron gesetzt,
jeder Vermerk steht auf der Höhe der Entwurfszeile, die er meint. Der neue
`ZusammenstellungsLeser` führt sie über Seite und Grundlinie in eine
gemeinsame Lesereihenfolge zusammen und entscheidet dann Zeile für Zeile:
„unverändert“ holt den Wortlaut aus der Entwurfsspalte, „entfällt“ streicht
ihn, sonst gilt die Ausschussspalte. Das Vokabular der rechten Spalte ist
ausgezählt genau zweiteilig — 166-mal „unverändert“, 17-mal „entfällt“.
Dabei meint „unverändert“ den Wortlaut, nicht die Zählung: Streicht der
Ausschuss einen Punkt, rücken die folgenden auf, und sein „5. unverändert“
steht der Entwurfsnummer 6 gegenüber. Die Marke kommt deshalb von rechts,
der Wortlaut von links.
Voraussetzung dafür war, die Geometrie aus dem `FontgroessenFilter`
herauszuführen. Sonst verließ ihn nur das End-X der Zeile; jetzt trägt jede
Zeile Seite, Grundlinie und End-X (`FontgroessenFilter.Zeile`). Die
Metadaten reisen weiterhin im Textstrom mit, statt nebenher gesammelt zu
werden: Nur so ist ihre Zuordnung zu den Zeilen gesichert, denn PDFBox
schreibt Zeilentrenner an mehreren Stellen. Der Schritt ist reine
Umstrukturierung, sämtliche gepinnten Zahlen bleiben unverändert.
Drei Fehler standen im Weg, alle in der Spaltentrennung:
* Der Steg wurde einschließlich der Leerzeichen-Glyphen gemessen, die im
Textstrom fast bis an die nächste Spalte reichen. Ein 7-pt-Steg schrumpfte
so auf 4,7 pt und galt als durchlaufender Text, was in BT-Drs. 20/7619 die
gesperrte Marke des Punktes 14 mitten entzweiriss. Gemessen wird jetzt an
den sichtbaren Zeichen; die Schwelle sinkt von 12 auf 6 pt und liegt damit
belegt zwischen dem schmalsten echten Steg (6,9 pt) und dem breitesten
Wortzwischenraum einer ganzseitenbreiten Zeile (5,4 pt) — in beiden
Belegdokumenten übereinstimmend.
* Gedrehter Text hat Koordinaten in seinem eigenen Bezugssystem. Der
Randvermerk „Vorabfassung – wird durch die lektorierte Fassung ersetzt“
lief mit seiner vermeintlichen Grundlinie quer durch beide Spalten und
zerschnitt deren Zeilenfolge. Beim Spaltenauszug bleibt er nun draußen;
beim ungeteilten entfernt ihn wie bisher der TextBereiniger.
* Die Zeilenenden müssen je Spalte klassifiziert werden, bevor die Spalten
zusammenkommen: Ihre Satzspiegelränder liegen verschieden, in der
gemischten Fassung fände keine ihren eigenen Ausrichtungs-Cluster wieder
und die Silbentrennung bliebe ungeheilt („An- gabe“).
Die Quellenzeile weist die verwendete Spalte als „[Beschlussempfehlung …,
Ausschussfassung]“ aus. Lässt sich die Zusammenstellung nicht auflösen,
wird die Datei nach wie vor mit Begründung übergangen — eine halb
aufgelöste Fassung auszugeben wäre schlimmer als keine.
Zwei Belegfälle: BT-Drs. 20/7619 (GEG) mit 67 angewandten Befehlen, wobei
die Ausschussfassung mehr Befehle trägt als der Regierungsentwurf daneben —
der Ausschuss hat zwei Artikel ergänzt —, und BT-Drs. 19/24334 (Drittes
Bevölkerungsschutzgesetz) mit 47. Der große manuelle Rest hat denselben
Grund wie beim Entwurf: Das Beispiel-XML ist die Urfassung des GEG von 2020,
geändert wird eine Fassung von 2023. Die verbliebenen zwei unerkannten
Befehle gehen auf Setzfehler der amtlichen Drucksache zurück (fehlender
Schlusspunkt, überzähliges Anführungszeichen) und sind zeichengenau so
übernommen.
Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
Change-Id: Id5db19cb8f27a51af0c23cfd4a9969dd4120f569
|
| |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| |
Bisher lief die Weboberfläche auf einem JDK-HttpServer: Uploads landeten als
temporäre Dateien auf dem Server, die Synopse entstand dort. Das kostete
Betrieb (systemd, Reverse Proxy, Rate-Limiting, Timeouts) und verlangte ein
Datenschutzversprechen, das nur zusicherbar, nicht nachprüfbar war — gerade
Entwurfstexte verließen den Rechner der Nutzer:innen.
Neu übersetzt `./mvnw -Pwasm package` dieselbe Pipeline mit GraalVM Web Image
(`native-image --tool:svm-wasm`) nach WebAssembly, PDFBox eingeschlossen.
Ausgeliefert werden nur noch statische Dateien; gerechnet wird im Browser.
Die erzeugte Synopse ist byteweise identisch mit der der Befehlszeile
(SHA-256 verglichen für IfSG 48/27/21 und BayJG 151/3/54).
Die Befehlszeile bleibt unberührt: `./mvnw package` erzeugt unverändert das
JAR, alle Optionen und Meldungstexte sind gleich, das Wasm-Profil ist rein
additiv und verlangt Oracle GraalVM 25.1+ (die CE hat kein Web Image).
Portabilitätsschnitt (nützt beiden Fassungen):
* `Quelle` (Name + Bytes) ersetzt `Path` in der Pipeline; nur die
Befehlszeile kennt noch ein Dateisystem. Der Name trägt genau den
bisherigen `getFileName()`-Text, damit Warnungen und Quellenzeile
wortgleich bleiben.
* `DateiTyp` erkennt PDF/XML/Klartext an den Signaturbytes. Tika entfällt —
eine schwergewichtige Abhängigkeit samt ServiceLoader- und
XML-Konfiguration weniger, was der Wasm-Übersetzung unmittelbar zugutekommt.
Vier Eigenheiten von Web Image, die der Quelltext jeweils an Ort und Stelle
vermerkt:
* `java.util.zip.Inflater` ist nicht angebunden (GR-65205), ohne Inflate ist
kein PDF lesbar. `InflaterErsatz` substituiert ihn durch jzlib.
* Typisierte JS-Felder lassen sich nicht nach `byte[]` umsetzen
(„byteArrayHub is not defined“); der Dateiinhalt wandert als Base64.
* JULs Standardformatter ruft `StackWalker`, den es dort nicht gibt.
* Im Worker fehlt `document.currentScript`, worauf die Laufzeit das
Wasm-Modul neben `worker.js` sucht; die VM wird deshalb mit ausdrücklichem
Pfad ein zweites Mal gestartet.
Die Reachability-Metadaten stammen aus einem Lauf des Tracing-Agents über die
Pipeline; die PDFBox- und FontBox-Ressourcen sind als Globs ergänzt, sonst
scheitern PDFs an „Could not find referenced cmap stream Identity-H“.
Entfallen: WebMain, UploadHandler, StaticHandler, Multipart und die
systemd-Unit. Die nginx-Vorlage liefert jetzt statische Dateien aus, und die
Datenschutzseite sagt, was nun stimmt: Die Dateien verlassen den Rechner
nicht.
Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
Change-Id: I38faf2ac0f764d601f080d4276babe4747773683
|
| |
|
|
| |
Change-Id: I51c63959e75af9373625a52b74d1d31f727a67ed
|
| |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| |
Bisher nahm ÄndGgner nur verkündete Artikelgesetze und Gesetzentwürfe an, ohne
den Unterschied zu kennen. Dokumente, die einen Entwurf ändern statt ein
Gesetz, lieferten still null Befehle.
Neu:
* Dokumentart-Erkennung aus dem Rohtext (DokumentErkenner, DokumentArt,
DokumentKopf) — vor der Bereinigung, weil gerade die Drucksachenköpfe als
Kolumnentitel wegfallen. Erkannt wird nie am Dateinamen: Die Beispieldaten
enthalten eine Datei namens Beschlussempfehlung, die in Wahrheit ein
Entschließungsantrag ist. Dokumente ohne Befehle erzeugen jetzt eine
benannte Warnung statt stiller Leere.
* Änderungsanträge (AenderungsantragParser, EntwurfsPatcher): Der Antrag wird
auf den Entwurfstext angewandt, der geänderte Entwurf danach wie gewohnt auf
das Stammgesetz — eine komponierte Synopse. Drucksachen- und Gesetzesstellen
bleiben getrennte Typen; die Zuordnung Antrag→Entwurf läuft über die
Drucksachennummer, nicht über die Argumentreihenfolge. Der 1910 Zeilen große
BefehlAnwender bleibt unberührt.
* Beschlussempfehlungen werden erkannt und mit Begründung übergangen, die den
brauchbaren Entwurf beim Namen nennt. Die Spaltentrennung der
Zusammenstellung ist gebaut (FontgroessenFilter.Spalte, koordinatenbasiert
am Steg) und belegt: Die linke Spalte ergibt Befehl für Befehl den
Regierungsentwurf. Die rechte Spalte bleibt bewusst offen — sie vermerkt
„unverändert“ auch zeilenweise innerhalb zitierter Blöcke, ihre
Anführungszeichen gehen daher nicht auf; nötig ist die zeilenweise Zuordnung
beider Spalten über die gemeinsame Grundlinie.
Die Synopse kennzeichnet eine Entwurfsfassung als solche.
296 Tests grün (vorher 269); alle gepinnten Akzeptanzzahlen unverändert.
Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
Change-Id: I0001d25fcbd9969fc06eea675edc4326ce2e02f9
|
| |
|
|
|
|
|
|
|
|
| |
Extracts the CLI pipeline into a reusable Pipeline class and exposes it
via a dependency-free JDK HttpServer (upload form, bounded worker pool
with 503 on overload, per-request size/time limits, no persisted
uploads), plus nginx/systemd deploy templates and Impressum/Datenschutz
placeholders for public operation.
Change-Id: I6e8e7afa3c4b1082cdf9e82da0fae0b5b49470ad
|
| |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| |
The Hesse GVBl issue 5/2026 amends the ordinance on traffic-law
competences. All 21 commands of its article 1 are now recognised.
The blocked letterspacing that was expected to be the hard part turns
out to affect only the signature block, not a single command. What did
need work was three other things: the running GVBl footer and the
masthead remainder are now stripped as page furniture, and so is the
heading's asterisk footnote ("* Ändert FFN 61-60"), which sits at the
foot of a page between two enumeration items and stuck to the command
above it.
Two command forms are new, both general rather than Hessian: "am Ende"
may be absent from a punctuation replacement — the definite article then
requires the unit to carry exactly one such mark, which the applier
checks — and the object after "durch" may be elided in the form without
a location, as it already could in the form with one. Where a
punctuation replacement follows a renumbering in the same sentence it
binds to the renumbered unit: unlike a word operation it has no
distinguishing target text, so resolving it norm-wide would be useless.
A full acceptance test stays out of reach: hessenrecht.hessen.de is the
same login-only juris application as the Schleswig-Holstein and Berlin
portals. Checking landesrecht-bw.de too, that now covers all four
portals that could have supplied an annex-bearing statute, so the
LandesRechtTextParser's missing annex headings will need a stem from
recht.nrw.de instead.
Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
Change-Id: Ief04164ee25653345a011f3ffbbfaa6df1f5c64b
|
| |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| |
The 22nd Rundfunkänderungsgesetz amends five laws in one gazette issue.
Article 3 (TMZ-Gesetz) was already an acceptance case; this adds the two
big ones — Article 1 (WDR-Gesetz, 101 commands across 31 norms) and
Article 2 (LMG NRW, 18 commands). Both stem versions come from
recht.nrw.de, whose URLs address a version by its date of entry into
force, so the results could be checked norm by norm against the official
1 April 2026 consolidations.
Applying them turned up work at every layer:
Order of application. Renumbering always refers to the original count,
not to the state after the preceding items, so a cascade („Absatz 3 wird
Absatz 4“, „Absatz 4 wird Absatz 5“, …) applied in document order leaves
the law carrying two units of the same name. BefehlAnwender now derives,
for each command, which designations it vacates and which it newly
occupies, and pulls a vacating command ahead of the first one it
collides with. That single rule subsumes the previous §-only special
case, orders a cascade descending, and — inside a Sammelbefehl too —
keeps a range renumbering from colliding with itself. Bayern's Art. 29a
sequence now resolves as well (5 manual residues down to 3).
Renumbering an enumeration item. Unlike an Absatz, a Nummer carries its
designation as a marker in the text; the applier silently reported
success without touching it. It now rewrites the marker and lets a
struck placeholder with the target designation give way.
Sentence splitting. Gazette citations („(BGBl. I S. 1982)“) and
line-initial enumeration markers were splitting sentences, so Satz
locators pointed into the wrong place; a sentence may also open with §.
Command language: „wie folgt neu gefasst“ and the missing „wird“, a
split location („In Absatz 2 wird Satz 1 wie folgt gefasst“), an
insertion behind a location prefix, the standalone „Der Punkt am Ende
wird durch … ersetzt“, „Dem Wortlaut des Absatzes 3 …“, the verb frame
„Es werden ersetzt:“ whose items carry only the location, coordination
at „sowie“ and before a punctuation clause, and a stray closing quote at
the end of a sentence.
Stem format: LandesRechtTextParser reads an „Inhaltsübersicht“ line as
the norm of that name (which is what the Angabe commands address) and
recognises keyword-less Roman section headings.
Everything the two acceptance tests do not apply is named: one command
in the WDR-Gesetz whose „Punkt am Ende des Satzes“ is not unambiguous in
a two-sentence Nummer. The remaining differences from the official
consolidations are places where the official text itself departs from
the command wording; SOURCES lists them.
Change-Id: I261cf89cd5820f7597bc5db734f322d94b84828e
|
| |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| |
The documented next step was the word-anchored structural insertion
("Vor den Wörtern „Aus dem Bereich Verkehr:“ wird folgender Absatz 5
eingefügt", Berlin Artikel 1 Nr. 2 b) bb)). StrukturEinfuegung now
carries an optional WortAnker, the recogniser has a pattern for the form
— placed before STRUKTUR_EINFUEGUNG, which bails out of recognition
entirely when the StellenParser cannot read "den Wörtern «0»" — and the
applier positions the new unit at the anchor line instead of a structural
boundary.
Two blockers turned up next to it, both measured on the corpus rather
than assumed:
The command was not cleanly recognisable at all. Its closing quotation
mark is missing in the official text, so the quote swallowed items cc)
and c); an anchor alone would have made the command look applicable with
a huge foreign quote as its payload. The docs called a boundary at
enumeration markers impossible, and that holds for the unguarded form: a
quoted amendment provision carries command language itself. Guarded by
four conditions together — the article's quotation marks demonstrably do
not balance, the next line's marker is at the same or a shallower level
than the one the quote opened on, that line carries command language, and
closing here leaves the rest of the article balanced — it fires exactly
twice in the whole sample corpus, both times where the missing mark
belongs: Berlin before cc), and GV. NRW. Artikel 2 before 12. Without the
guards it also fires inside quoted amendment provisions in the BayJG and
GModG documents; the balance gate rules those out.
The GV.-NRW. gazette encodes part of its umlauts decomposed (u + U+0308,
79 places, dozens of them "eingefügt:"/"angefügt:"). Invisible in the
text, but a different word to every command pattern, so those commands
could never match. TextBereiniger now normalises to NFC first — not
NFKC, which would flatten the official sentence numbers ¹²³ and take
SatzTeiler and Superskript their basis. Every other sample document,
every gii-XML stem and every hand-kept plain-text stem is already NFC, so
the pinned figures stay bit-identical.
Berlin Artikel 1 is thereby fully recognised (6 of 6 commands, none
unknown). One pinned statement changed for a stated reason: the NRW
acceptance test asserted the article-heading warning, which is now
preempted by the item boundary inside Artikel 2 — Nr. 12 survives
instead of being swallowed. 241 tests green.
Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
Change-Id: Ic579bec6fecc2495a61b3dcf87c9ad71b42f34ae
|
| |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| |
Investigating "Anlagen as amendment target" corrected the diagnosis from
yesterday: Anlagen are supported. In gii-XML they are norms of their own
("Anlage 8", "Anhang"), Stelle.anlagenEnbez() resolves them, and the GEG
sample applies annex-targeted commands — only two of its fifty manual
entries touch annexes, both for content reasons.
What actually failed in Berlin was narrower, and is fixed:
* A law with a single annex names it after the provision it belongs to
("Die Anlage zu § 2 Absatz 4 Satz 1"). StellenParser demanded a
number after "Anlage" and rejected the phrase, so the article's frame
command went unrecognised and its items lost their context. The
annex now carries the designation "Anlage", like "Anhang". The naming
suffix is skipped deliberately: read along, the "§ 2" inside it would
become the target and the wrong norm would be amended.
* C0 control characters are now stripped. Berlin's enumeration indent
carries a U+0007 that sits invisibly in front of the command and made
its start-of-line anchor miss.
* Command verbs torn apart by a stray space in the official typesetting
("ein gefügt" for "eingefügt") are rejoined, restricted to sequences
that are not valid German word order.
Three of Article 1's four commands are now recognised. The fourth places
the new unit by a word anchor ("Vor den Wörtern … wird folgender Absatz 5
eingefügt"), which StrukturEinfuegung cannot express; that and the
inability of the plain-text stem format to carry an Anlage at all are
recorded in Landesrecht-Beispiele.adoc.
231 tests green; all pinned figures unchanged.
Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
Change-Id: Ic5804bf343dd5d8ce435c07b8f882ca0372890d2
|
| |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| |
The plan assumed the two-column Berlin gazette would need x-coordinate
column detection. It does not: the content stream already emits the left
column fully before the right one, so commands come out in reading order.
The test pins that finding.
What does go wrong there is different, and two parts of it are fixed:
* The article's amendment formula carries its own target ("§ 2 Satz 1
des Gesetzes zur Errichtung … wird wie folgt geändert"), but the
following items never inherited it. The pattern's leading \b could
never match before "§" — a non-word character needs a word character
in front of it — so the paragraph branch was dead code and only the
Bavarian "Art." branch ever fired.
* The running page header is not a line of its own; it sits inside the
body text of the following column, so it has to be cut out rather
than dropped as a column title.
Two blockers remain and are recorded rather than papered over: Article 1
amends an *Anlage* with its own numbering, which the model does not carry
(the same gap that shelved Baden-Württemberg), and full-width frames
(title block, imprint) sit elsewhere in the stream than on the page,
which would need a real XY-cut. Stems are unobtainable either way —
gesetze.berlin.de is an authenticated juris app like the Schleswig-
Holstein portal.
229 tests green; all pinned figures unchanged.
Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
Change-Id: I4619dbe96a023d61104d7107a9a34533123d1bc5
|
| |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| |
The NEFG acceptance case left two commands as "check manually". Both are
now supported, so Lower Saxony applies 7 of 7 with no remainder.
* Lower Saxony cites inserted paragraphs with a space before the sub
number ("§ 2 a"); the rest of German legal usage writes "§ 2a", which
is what the Stelle and level parsers expect. TextBereiniger now pulls
the form together, leaving enumeration markers of the amendment act
alone ("… nach § 8 c) In Absatz 2 …").
* "In Kapitel 4 wird nach § 12 der folgende neue § 13 angefügt" — the
division only names the section the new paragraph lands in; the
anchor governs the position, as in the plain form. The optional
"neue" is now accepted in both.
Applying that insertion needed one more thing: the paragraph it creates
is only vacated by the *following* command ("Der bisherige § 13 wird
§ 14"), so in document order the two collided and the insertion was
rejected. "Bisherig" denotes the state before the amendment, so the
renumbering logically precedes the reoccupation and is now pulled ahead.
The log still lists commands in the order of the amendment act.
226 tests green; all other pinned figures unchanged.
Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
Change-Id: I0e2ea5b0389f8002157eeb8471800da51febe739
|
| |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| |
Article 3 of the 22. Rundfunkänderungsgesetz (GV. NRW. 2026 S. 202) amends
the Telemedienzuständigkeitsgesetz. All four commands apply cleanly, and
the result matches the official consolidated version of 1 April 2026.
recht.nrw.de turned out to be the one remaining state portal that serves
consolidated laws as server-rendered HTML, with the version history
encoded in the URL date prefix — so the pre-amendment stem (27 Apr 2022)
was directly obtainable.
Two fixes were needed:
* LandesRechtTextParser read the parenthesised title suffix wholly as
the abbreviation. State laws routinely carry both short title and
abbreviation there ("(Telemedienzuständigkeitsgesetz – TMZ-Gesetz)"),
and the amendment act cites the short title, so article selection
never matched. The parser now splits at the dash.
* ZitatExtraktor swallowed the rest of the document when a closing
quotation mark is missing in the official text (Article 2 no. 11
here), which hid Articles 3 to 5 entirely. An amendment act never
quotes across an article heading, so an open quotation is now closed
before a bare "Artikel N" line, with a warning. Quoted paragraphs are
unaffected: Bavarian norm heads read "Art. N".
223 tests green; all previously pinned figures unchanged.
Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
Change-Id: I78470075d9be2433966b821b6fe1e21808996c46
|
| |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| |
The GVOBl. Schl.-H. amendment act (Kommunalrecht, 2026/27) brings three
conventions the tool had not seen:
* a running two-line page header that sits between articles and glued
itself onto the following article heading,
* superscript footnote markers on article headings ("Artikel 1 ¹)"),
which defeated the article split, and
* ragged-right typesetting, where the geometric margin detection finds
no alignment cluster and reports full lines as hard line ends, so a
trailing hyphen was never joined.
All three are fixed in TextBereiniger; the hyphen rule now trusts the
extractor's trailing-space signal over the geometric class.
A full acceptance test is not possible: the Schleswig-Holstein law portal
serves document bodies only through an authenticated API, and the last
freely archived consolidated Gemeindeordnung (14 Nov 2022) predates the
amended § 34a. The new test therefore covers everything up to and
including command recognition; the blocker is recorded in
Landesrecht-Beispiele.adoc.
219 tests green; Bund/Bayern/Sachsen/Niedersachsen figures unchanged.
Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
Change-Id: I9b3ab8a756372504b51c4d410b491fded255da96
|
| |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| |
Second §-structured Landesrecht case for wave six: the Lower Saxony ELER Support
Act (NEFG, unchanged since 2022, derived from the two-column Nds. GVBl 2022 No. 33)
plus the amending act of 28 Jan 2026 (Nds. GVBl 2026 No. 10). Five of seven
commands apply — both "erhält folgende Fassung" re-enactments (§ 1(1), § 2), the
citation replacement in § 1(5), the words insertion in § 6(1), and the § 13 → § 14
renumbering.
- LandesRechtTextParser: a norm head no longer accepts a title ending in a full
stop, so a cross-reference sentence at line start ("§ 7 GAPInVeKoSG findet
entsprechend Anwendung.") is not misread as a norm head "§ 7" (which had made the
monotonicity check swallow the norms in between).
- TextBereiniger: strip the Lower Saxony GVBl running footer and publisher line.
The footer sat between two enumerated items and otherwise attached to the
preceding re-enactment quote, defeating its end-of-sentence anchor.
- Add sampledata/Niedersachsen/NEFG-alt.txt and EndToEndTest.nefgAcceptance.
Two insertion forms remain documented residues (manuell prüfen): inserting a
§-block with a space-separated sub-number ("§ 2 a") and a chapter-scoped §-block
insertion ("In Kapitel 4 wird nach § 12 … angefügt").
221 tests green; federal, Bavarian and Saxon pinned numbers unchanged.
Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
Change-Id: Ie23eee1f596ec8eecc6a73f6ce585a22e73ec6c9
|
| |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| |
Complete the first §-structured Landesrecht acceptance case for wave six: the
Saxon Civil Servants' Pension Act (SächsBeamtVG) in its 1 Feb 2025 version plus
the amending act of 13 April 2026 (SächsGVBl. S. 134). All five commands are
recognised and applied without residue — the amount replacements in § 47 and the
re-enactment of § 80(1) sentence 2.
- LandesRechtTextParser: recognise arabic, keyword-first structural headings
("Abschnitt 1", "Unterabschnitt 2", "Teil 3") via GLIEDERUNG_ARABISCH, in
addition to Bavaria's roman "I. Abschnitt" form. Bavaria behaviour unchanged.
- TextBereiniger: strip the footer of revosax full-text output (REVOSAX_FUSS,
"https://…revosax… Fassung vom … Seite N von M").
- Add the consolidated pre-amendment stem as canonical plaintext
(sampledata/Sachsen/SaechsBeamtVG-alt.txt, derived from the archived revosax
full text) and EndToEndTest.saechsBeamtVgAcceptance (5 applied, 0 manual).
220 tests green; federal and Bavarian pinned numbers unchanged.
Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
Change-Id: I8e878bc9506f24028cf643a873de000f3d066d64
|
| |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| |
Prepare wave six (Landesrecht of the remaining Länder) by lifting the
Bavaria-specific stem-law loader to a shared one. Unlike Bavaria (Art./§
inversion), the other Länder structure their stem laws in §, so the loader must
handle both sigils.
- Move gesetz/bayern/{BayRechtLoader,BayRechtTextParser} to
gesetz/land/{LandesRechtLoader,LandesRechtTextParser}; the norm head now
matches "§ N" as well as "Art. N" and derives the sigil per norm from the
match. Cross-reference keywords in the norm head are excluded only as whole
words (so a title "Satzungen" no longer trips on "Satz"), and the juris
abbreviation may be multi-token ("(GO NRW)").
- Derive the superscript mode data-drivenly from the loaded stem law
(Superskript.traegtSatznummern) instead of from "is it gii-XML": Bavaria and
Lower Saxony keep their amtliche Satznummern, the Bund and Länder without
official sentence numbering drop them.
- Recognize the neufassung idiom "erhält/erhalten folgende Fassung" (Schleswig-
Holstein, Niedersachsen) via a NEUFASSUNG_VERB building block, additive to
"wird/werden wie folgt gefasst".
Federal and Bavarian behaviour is unchanged (219 tests green, pinned acceptance
numbers UWG 19/0, GEG 66/53, GEG-GModG 90/9, IfSG 42/24, BayJG 149/154 hold).
Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
Change-Id: I55a70a7932bf657a2346ca70f3fa05e173bf80ad
|
| |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| |
Extend ÄndGgner from federal-only to Bavarian state law. Bavarian base
laws are structured in Artikel while their amending acts are structured
in Paragraphen (inverted from the Bund); official sentence numbers and
footnote markers are carried as Unicode superscripts (¹²³, ⁶)).
- Generalise Stelle.Paragraph to carry a sigil ("§" or "Art.") and route
it through recogniser, applier and resolver (bit-identical Bund output).
- Superscript pipeline: geometric detection in FontgroessenFilter
(SuperskriptModus BEHALTEN), Superskript util, exact sentence splitting
in SatzTeiler, label-based sentence resolution.
- BayRechtLoader/BayRechtTextParser for gesetze-bayern.de PDF/plaintext.
- §-structured amending acts, GVBl/Landtag column titles, non-breaking
spaces, the GVBl continuation quote; Bavarian command forms (footnote
aufhebung, Satznummerierung streichung, Wortlaut forms, Halbsatz,
gapping chains).
Acceptance (EndToEndTest.bayJgGvblAcceptance): the pre-2026 BayJG
fassung (BayJG-alt.txt, reconstructed from Wayback single-article
snapshots) with GVBl 6/2026 §§ 1-2 applied — 154 commands, 0 unknown,
149 applied automatically, 5 pinned residuals (follow-up edits inside
two multi-step renumbering sequences in Art. 29a and Art. 56).
Application-side fixes surfaced by the acceptance run (all Bund-safe):
sentence-start superscript before §; sentence boundaries = {0} ∪ {each
number ≥ 2}; gapping scope inheritance for bare word operations;
footnote definition lines hidden from word operations; absatz aufhebung
marks "(weggefallen)" keeping its number, and absatz renumbering
overwrites an empty placeholder (weggefallen/gegenstandslos) target.
211 tests green (mvnw verify); federal reference numbers unchanged.
Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
Change-Id: Iebae4c17ca90755c5fd36251362042f3d5796fd0
|
| |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| |
The percentile-based right-margin estimate from the previous commit
misclassified two real-world layouts: at the column switch of the
two-column old-BGBl format a window contains both column margins, so the
90th percentile returned the right column's margin and marked every
left-column soft wrap as deliberate (vetoing hyphen mending, IfSG 2020:
"Impf- surveillance"); and series of equally wide centered "Artikel N"
headings in draft bills formed the top of their window's distribution,
so they counted as full-width and were reflowed into the following line,
breaking teileInArtikel's line anchor (ProdHaftG RegE). Classify against
alignment clusters instead: a line end is soft when at least five window
lines end within 4 pt of it (the justified block's own margin), hard when
such a cluster runs at least 10 pt above it, unclassified otherwise.
Structure anchors ("Artikel 2", "§ 19", bare Gliederung labels) are
always exempt from reflow since equal-width heading series still form
sham clusters. Also flush the pending line end-X at page ends — without
it, the first line of the next page inherited the previous page's footer
geometry and was misclassified (UWG: "Artikel 2" swallowed the closing
provisions).
Markerless joins additionally never cross into a following enumeration
marker line ("...vorgesehen und" + "d) die Überwachung" no longer glues
to "undd)"), a text-level veto that also works without geometry.
On the base-law side, ContentFlattener now separates sibling <LA>
elements within a <DD> — the short-label/definition pairs of the UWG
Anhang and § 2 IfSG were previously glued without any separator
("Irreführung über Unternehmereigenschaftdie unwahre Angabe...") in both
synopsis columns. The continuation line is indented two spaces deeper
than its enumeration line so StellenAufloeser.zeilenBlock keeps it inside
the unit's block ("Anhang Nummer 31 Buchstabe b"). BefehlAnwender writes
the same canonical shape when inserting or recasting quoted units
(rueckeZitatEin), so XML-derived and PDF-derived items agree:
" 2a. Stichwort" + " Definitionstext".
Verified by mvnw verify (179 tests, 7 new) and a before/after sweep of
all 21 sample law/amendment combinations: applied/manual counts are
unchanged throughout (UWG 19/0, GEG-BGBl 66/53, GModG-RegE 77/20,
IfSG-0645 42/24, ...), no marker characters leak into the HTML output.
Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>
Change-Id: Ib7faae1bc5c59bda83f648a579af16a4c77e4285
|
| |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| |
indentation
Replaces the heuristic character-count full-width check with real geometric
layout analysis. FontgroessenFilter collects the right-edge X coordinate of
the text runs on each page and classifies line endings against the local
90th percentile of page margins (using a 20-line sliding window) into soft,
hard, or unclassified breaks.
TextBereiniger uses this classification to reflow only soft line wraps (WEICH) and
keep deliberate ones (HART or UNBEKANNT).
Also aligns quote normalization and GII-XML flattening to indent continuation
lines in lists (e.g., hanging definitions in UWG Anhang):
- BefehlAnwender.normalisiereZitatText applies to single-unit Neufassung and indents
continuation lines deeper (4 spaces) than list items (2 spaces).
- ContentFlattener generates the same structure for sibling <LA> elements inside <DD>.
This ensures the paragraph parser correctly groups these lines as child lines.
Change-Id: I1fd7039d4933a273cc2dc55f958d34b439e2302c
|
| |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| |
TextBereiniger.verbindeUmbrueche assumed any letter-ending, no-trailing-space
line followed by a lowercase continuation was a hyphen-less mid-word split
(PDF extraction artifact) and joined it with zero separator. That assumption
breaks for deliberate word-boundary breaks, e.g. the short-label/hanging-
indent definition format in the UWG Anhang ("...Nachhaltigkeitssiegels" +
"das Anbringen..."), producing glued words in the rendered synopsis.
Gate the markerless join on the candidate line reaching a locally-typical
"full column width" (90th percentile in a ±20-line window), since automatic
wraps always land near the column edge while deliberate breaks don't. The
window is local rather than document-wide because some source PDFs mix
column widths within one document (narrower Regelungstext vs. wider
Begründung), which a global statistic would otherwise penalize.
Also route the single-unit Neufassung fallback through the existing
normalisiereZitatText normalization, matching its sibling code paths, so
that internal line breaks now more often preserved by the fix above don't
leak into the HTML output as spurious line breaks instead.
Co-Authored-By: Claude Sonnet 5 <noreply@anthropic.com>
Change-Id: I0a79f22f9286cd4a90eea32bad9b54cb4a082cf4
|
| |
|
|
|
|
|
|
|
|
|
|
|
|
| |
Gliederungs-Überschriften insertion/replacement
Fourth enablement wave: Anhänge/Anlagen resolve as ordinary norm targets with
nested Nummer/Buchstabe block resolution, InhaltsuebersichtAnwender applies
Angabe commands automatically, GliederungsUeberschriften handles inserting and
replacing structural headings, the law's own heading can be recast, and
FontgroessenFilter now determines body text per page instead of document-wide.
Sample data (UWG/AGG/ProdHaftG) now applies with 0 manual cases.
Co-Authored-By: Claude Sonnet 5 <noreply@anthropic.com>
Change-Id: I1a76750afbecfa1aae734bcdabc91470a28420ca
|
| |
|
|
|
|
|
|
|
|
|
|
| |
blocks
Adds bisStelle to StrukturErsetzung for coordinated target ranges, recognizes
deletion/renumbering of whole structural units (paragraphs and Gliederung
entries), and handles insertion/replacement of multi-paragraph blocks split on
§-headings. Updates FASSUNGEN.txt accordingly.
Co-Authored-By: Claude Sonnet 5 <noreply@anthropic.com>
Change-Id: I637cc5effbe32c094e62c070b63c470149a77c85
|
| |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| |
Introduce the Gliederungsbaum into the model and support the structural
command families that were the bulk of the remaining unknowns:
- Gliederung gains a kennzahl; Gesetz carries the ordered list of
Gliederungseinheiten, which the loader now collects.
- New Stelle components Gliederungseinheit (Teil/Abschnitt/Unterabschnitt/
Anlage/…) and Absatzbezeichnung; StellenParser parses these plus
"Überschrift von <Gliederung>" and drops "Satzteil/Angabe vor Nummer N"
chapeau qualifiers.
- Gliederungs-Überschrift Neufassung/Streichung apply to the tree and
render as a "Geänderte Gliederungs-Überschriften" diff section;
Absatzbezeichnung-Streichung removes an Absatz number; Inhaltsübersicht
"Angabe(n) zu …" commands are recognized (applied via the existing TOC
path).
Reuses Neufassung/Aufhebung with structural Stellen rather than adding new
command types. Final UnbekannterBefehl counts: GEG 50->5, IfSG 11->3,
AGG 2->0 (§ 1 Alters->Lebensalters now applies), UWG 2->0.
Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
Change-Id: I0cc91bfe65798140dd982b19f1884dfe60be87c4
|
| |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| |
Extend the parser and applier for several command families that were
falling back to UnbekannterBefehl:
- Range/coordinated Aufhebung ("Die Nummern 1 bis 3 werden aufgehoben.",
"Die Absätze 4 und 5 werden aufgehoben.") via bis-range expansion in
StellenParser.parseMehrfach and ausStellen.
- Range renumbering without "zu den" and for Nummern/Buchstaben ("Die
bisherigen Nummern 4 bis 6 werden die Nummern 8 bis 10."); single
renumbering now also covers Nummer/Buchstabe and "Die bisherige".
- §-range Neufassung ("Die §§ 52 bis 56 werden wie folgt gefasst: …"),
splitting the quoted block at "§ N" boundaries.
- "Der Wortlaut wird Absatz N." — a new WortlautZuAbsatz command that
numbers the previously unnumbered body.
- Word-to-punctuation replacement ("… das Wort „oder" am Ende durch ein
Komma ersetzt") and comma+words insert/replace variants.
StellenParser gains plural component words (Absätze/Sätze/Nummern/
Buchstaben) and bis-range expansion. Cuts UnbekannterBefehl further:
GEG 36->21, IfSG 7->3.
Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
Change-Id: I4972d4eb1d6062521a55710c1f23822e8e22b0c4
|
| |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| |
Split BefehlErkenner into a single-command pass and a fallback that
composes Sammelbefehle from commands chained with "und"/", wird":
- Multi-pair replacement ("… A durch B und C durch D ersetzt") emits one
Ersetzung per pair, crossed with the (possibly coordinated) Stelle.
- Verbund splitter probes each "und"/", wird" boundary; when both halves
parse — trying the right clause as-is, capitalized, or with the left
clause's locative prefix — it folds them into one Sammelbefehl.
The single pass no longer short-circuits when a pattern matches but its
Stelle is unparseable, so the fallback still gets a chance. Add
"ein Komma eingefügt" and anchor-first insertion patterns the splitter
needs, and let StellenParser.parseMehrfach inherit the component type for
bare-number continuations ("Absatz 1 und 5").
Cuts UnbekannterBefehl counts: GEG 50->36, IfSG 11->7, AGG/UWG 2->1.
Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
Change-Id: I8f76edd0c9ed6cf68c10c50f535a8182e13e378e
|
| |
|
|
|
|
|
|
|
|
|
|
| |
Add a Sammelbefehl command that applies one operation to several
"und"/"sowie"/comma-coordinated Stellen sharing a common prefix, and
resolve "Die bisherigen Absätze X bis Y werden zu den Absätzen X' bis Y'"
into descending single renumberings. Parsing gains
StellenParser.parseMehrfach; the applier folds sub-commands into one log
entry.
Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
Change-Id: Iaa2c7161066d40d0605c00d3b6ca9a08696070e7
|
| |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| |
The Bundesgesetzblatt has been published digitally via recht.bund.de
since 2023 in a new single-column layout, and pending amendment acts
are only available as Referenten-/Regierungsentwuerfe or Bundestag
printed papers. Both now work as patch inputs:
* PDF extraction filters out small print by font size (two-pass
PDFTextStripper): in the new BGBl format, footnote blocks and
superscript footnote markers would otherwise land in the middle of
the statutory text, even inside quoted passages.
* TextBereiniger recognizes the new page headers (BGBl "Seite N von
M", draft page markers " - N - ", Bundestag printed-paper headers)
and joins markerless end-of-line hyphenation (BT-Drs PDFs break
words without a hyphen character; regular wraps carry a trailing
space, so its absence is the signal -- gated on the source using
the trailing-space convention at all, protecting hand-written
plain-text inputs). BMJV draft templates draw the hanging opening
quote after the paragraph marker ("(1) „" / "§ 19„"); this
inversion is repaired.
* Drafts embed the statutory text between a cover sheet and a
Begruendung section; article scanning now stops at the Begruendung
heading. Articles without numbered items (single-command articles
like ProdHaftG-RegE Artikel 2) are parsed from the preamble rest.
* Target-law matching is declension-tolerant ("Das Allgemeine
Gleichbehandlungsgesetz" matches "Allgemeines
Gleichbehandlungsgesetz") via rough word-stem comparison.
* New command form StrukturErsetzung ("§ 2 Absatz 2 wird durch die
folgenden Absätze 2 und 3 ersetzt"); "durch die folgende
Überschrift/den folgenden § N ersetzt" map to Neufassung; plural
insertions ("die folgenden Absätze 6 und 7"), triple-letter outline
markers (aaa), the compound punctuation replacement ("durch ein
Komma und die Wörter ... ersetzt"), and Inhaltsuebersicht-Angaben
inside a context frame are recognized.
End-to-end smoke tests cover the four new datasets: UWG (new BGBl
format, footnote-filter assertion), GEG 2023 ("Heizungsgesetz",
121 commands), AGG (BT-Drs draft against an unconsolidated base --
the first dataset with real diffs, spot-checked against the official
BMJV synopsis), and ProdHaftG (draft whose Artikel 1 is a replacement
law and only Artikel 2 amends the base).
Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>
Change-Id: Id1b12bc0bee4178bd1a5c55b3a83f6e13944af69
|
| |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| |
Add the full vertical slice from input files to a two-column HTML
synopsis:
* gesetz, gesetz.gii: immutable law model (Gesetz/Norm/Absatz) and an
offline loader for the gii-norm XML format of gesetze-im-internet.de,
flattening DL enumerations, tables, and pre blocks.
* aenderung: amendment command model as a sealed interface with records
(Ersetzung, Neufassung, Einfuegung, Anfuegung, Aufhebung, Streichung,
Umnummerierung), including UnbekannterBefehl as the mandatory
fallback -- unrecognized commands are reported, never dropped.
* aenderung.parse: text extraction (PDFBox in content-stream order for
two-column BGBl PDFs, plain text as escape hatch), BGBl header and
hyphenation cleanup, quote extraction with placeholder substitution
(quoted blocks cannot confuse the command regexes; unbalanced quotes
-- which occur in real BGBl documents -- become warnings), outline
scanning with successor-validated markers (1., a), aa), aa1)), and
the command recognizer with context-frame stacking.
* anwendung: sequential command application with a per-command protocol
(ANGEWANDT / MANUELL_PRUEFEN plus reason), scope resolution down to
sentence/enumeration ranges via a German sentence splitter.
* synopse: norm pairing, word-level diff via java-diff-utils, and a
self-contained HTML renderer with a Manuell-pruefen section.
The CLI gains -o/--output, --vollstaendig, --artikel, --extract-only,
and hidden debug flags (--dump-gesetz, --dump-befehle).
On the IfSG sample (Drittes Bevoelkerungsschutzgesetz, BGBl. I 2020
S. 2397), 63 of 75 commands in Artikel 1 and 2 parse into typed
commands; the remainder are ranges and compound commands that are
deliberately out of scope for v1.
Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>
Change-Id: I93ef8ba300f1cac70916722f23c0cefc5f62da2b
|
| |
|
|
|
|
|
|
|
| |
With the new configuration, Tika can now extract text from PDFs and
XML documents.
Also configures logging for the application.
Change-Id: I7a89c2b232ed4e220665dd335a5f5a0cc3ef2994
|
| |
|
|
| |
Change-Id: I9736779cf57050a1dfd43d18625eb464a7179a9f
|
| |
|
|
| |
Change-Id: I704d78b7553f057f73e1387078623d8fe5d0b154
|
| |
|
|
| |
Change-Id: I37d6cbb000df63013277fe4628cdb6570d68101a
|
|
|
Change-Id: I5609adfca13ffad643a3db93e848fc01636b066a
|
