Repository navigation
fix: filtro de redatados não pula conteúdo retido no defeso eleitoral - #73
Merged
Merged
Conversation
No defeso eleitoral de 2026 (04/07 a 25/10), o conteúdo criado ficou privado e foi publicado pela primeira vez depois. A data nova é a da primeira publicação, não uma redatação. Na amostra de 03/11 apareceram turismo (created 31/07), portos (21/07), iphan (11/08), mcom e casacivil (pasta 2026/agosto). Itens de antes do defeso continuam pulados.
Constantes DEFESO_2026_START/END (04/07 a 25/10/2026) e RETAINED_CONTENT_WINDOWS em redated.py. Item com created (Plone 6) ou pasta ano/mês (HTML) dentro da janela não é pulado e é logado como redated_kept_retained. É conteúdo criado no defeso, mantido privado e publicado pela primeira vez depois dele; a data nova é a da primeira publicação. Itens de antes do defeso continuam pulados. Para defesos futuros, basta acrescentar a janela. O teste do limiar de 30 dias passou a usar datas fora da janela.
This file contains hidden or bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
Sign up for free
to join this conversation on GitHub.
Already have an account?
Sign in to comment
Add this suggestion to a batch that can be applied as a single commit.This suggestion is invalid because no changes were made to the code.Suggestions cannot be applied while the pull request is closed.Suggestions cannot be applied while viewing a subset of changes.Only one suggestion per line can be applied in a batch.Add this suggestion to a batch that can be applied as a single commit.Applying suggestions on deleted lines is not supported.You must change the existing code in this line in order to create a valid suggestion.Outdated suggestions cannot be applied.This suggestion has been applied or marked resolved.Suggestions cannot be applied from pending reviews.Suggestions cannot be applied on multi-line comments.Suggestions cannot be applied while the pull request is queued to merge.Suggestion cannot be applied right now. Please check back later.
Resumo
Adiciona ao filtro de redatados do #69 uma exceção para conteúdo retido no defeso eleitoral.
Durante o defeso de 2026 (04/07 a 25/10), o conteúdo criado ficou privado e foi publicado pela primeira vez depois dele, com a data da liberação. Isso não é redatação. Na amostra da limpeza de 03/11 apareceram:
createdem 31/07;2026/agosto;2026/agosto.Essas agências continuaram sendo raspadas no defeso, e os itens não estavam no banco. Ou seja, não estavam públicos antes.
Mudança
redated.py, as constantes nomeadasDEFESO_2026_START = date(2026, 7, 4)eDEFESO_2026_END = date(2026, 10, 25), emRETAINED_CONTENT_WINDOWS. O comentário explica o motivo. Para um defeso futuro, basta acrescentar a janela.createdcai na janela.redated_kept_retained. Itens de antes do defeso continuam pulados (skipped_redated).createdem setembro de 2026, dentro da janela. Passou a usar datas fora dela.Recuperação
Nos logs da scraper-api desde o deploy do #69 (03/11, 01:36Z) não há nenhum
skipped_redated, nemskipped_invalid_content. O filtro ainda não pulou nada que a exceção precisasse devolver, então não há o que re-raspar por causa dele.Testes
test: … (red)antes dofix: ….pytest -m "not integration": 780 passed.ruffepre-commitnos arquivos alterados: OK.🤖 Generated with Claude Code