Como o acervo chegou aqui

O que virou leitura

• 2.173 publicadas
• 233 em revisão
• 487 no arquivo histórico
• 414 com autoria declarada na fonte

A busca só enxerga as publicadas. As 233 em revisão continuam legíveis pelo endereço direto e ficam fora do índice.

Por que uma página fica em revisão

281

categoria marcada para revisão editorial na análise

205

endereço de e-mail no corpo, a conferir antes de reindexar

174

mais de 20 links no corpo, possível índice

160

rubrica ainda sem classificação editorial aprovada

106

conteúdo encontrado fora da camada /p/, nunca passou por conferência editorial

78

idade de menor junto de contato pessoal, republicação bloqueada

20

menos de 100 caracteres de texto

19

texto normalizado idêntico ao de outro item

12

caractere de codificação sem prova nos bytes da fonte

11

corpo remontado do arquivo original porque a restauração trouxe só um trecho

1

corpo vazio na restauração

Uma página pode aparecer em mais de um motivo. Nenhum desses casos foi resolvido por adivinhação: quando a evidência não fecha, a página espera.

Codificação: o que foi consertado e como se confere

Os arquivos antigos são CP1252, e a restauração os leu como ISO-8859-1. Nessa troca, a pontuação tipográfica (aspas curvas, travessões, reticências) virou caractere de controle.

O importador só troca um desses caracteres quando encontra, nos bytes do arquivo original, a vizinhança exata do texto. Foram 893 trocas com prova, em 142 páginas. Outras 22 ocorrências ficaram como estavam, por falta de prova, e marcam a página para revisão.

Cada troca fica registrada com o hash do arquivo de origem e um diff linha a linha, em data/build/encoding-fixes.jsonl. Nenhuma palavra foi reescrita: erro de escrita da fonte continua como está.

Onde foi parar cada arquivo

2.893

arquivos originais que deram origem a essas páginas

2.787

páginas /p/ da restauração, convertidas para este site

1.575

registros de mural, chat e fórum

1.321

envoltório de um texto que já está no site

993

arquivos idênticos byte a byte a outro já contado

366

galeria de papéis de parede

357

páginas de outro contexto editorial no mesmo endereço

306

página de formulário ou navegação, em revisão

61

mesmo texto de outra página, com links ou mídia diferentes

47

texto curto ainda sem destino definido

29

índices de navegação do portal antigo

9

páginas de moldura e frame

6

equivalente a outra página, aguardando conferência visual

3

índices criados pela restauração, substituídos pelas seções daqui

1

página de erro do portal antigo

5.074 arquivos não foram convertidos para este formato e recebem preservação histórica no corte de domínio, que é executado fora deste site. Destes, 0 ainda não têm regra de destino e aparecem como pendência explícita, em vez de serem tratados como descartáveis.

Texto que a restauração tinha perdido

A camada anterior extraía o corpo com um seletor que, em algumas páginas, pegou só um pedaço: uma mensagem inteira de Natal virou 48 caracteres. Onde a perda é mensurável, o corpo é remontado do arquivo original.

A remontagem não adivinha o que é conteúdo: ela remove o que se prova ser moldura, e a prova é frequência. Um trecho que aparece igual em dezenas de arquivos diferentes é menu ou rodapé; um trecho que aparece em um só é a página. Essas páginas ficam em revisão: recuperar o texto não é o mesmo que aprovar a página.

Fora da camada convertida havia mais arquivos com texto próprio, classificados por uma revisão independente. Eles entraram aqui como páginas legíveis, sempre em revisão, em vez de continuarem como uma linha numa tabela.

Dado pessoal não volta a circular sozinho

O mural, o chat e algumas páginas de canal trazem endereço de contato, e parte deles traz também idade de menor de idade. Esses arquivos estão preservados com os bytes originais e o texto continua no banco, mas a página pública retém o corpo até alguém revisar o que pode voltar a circular. A procedência continua visível; o contato, não.

As URLs do portal antigo

Cada endereço antigo tem uma decisão registrada, com a prova. Quando existe equivalente comprovado, por ser a origem do texto ou por ter bytes idênticos a ela, o endereço redireciona para a leitura. Quando não existe, ele abre a ficha daquele arquivo, com caminho e hash, e não a home.

Nenhum HTML de 1998 é servido ou executado pelo site novo. A ficha é gerada a partir do registro, não do arquivo.