Bring the documentation up to the current state
The README still described state law as Bavaria-only, six Länder later.
The sample-data overview grew a section on how to obtain the pre-
amendment stems per portal — which of the three routes works, and that
the juris state portals are a dead end — and a short prioritised "where
to continue", so the next session does not have to re-derive it.
Corrected while writing it: the regression figures are not all pinned
the same way. UWG, AGG and ProdHaftG pin "nothing left manual", BayJG
pins 154 commands and names its five renumbering residues, and the state
cases pin full application. Saying "UWG 19/0, GEG 66/53, …" would have
described observations, not what the tests actually assert.
Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
Change-Id: Ie247e9626e789e628d537bede735923d5b67d14b
diff --git a/README.adoc b/README.adoc
index d785371..d3a8eb5 100644
--- a/README.adoc
+++ b/README.adoc
@@ -62,13 +62,15 @@
* Stammgesetz (Bundesrecht): XML im gii-norm-Format von
https://www.gesetze-im-internet.de/[gesetze-im-internet.de]
-* Stammgesetz (Landesrecht Bayern): konsolidierte Fassung von
- https://www.gesetze-bayern.de/[gesetze-bayern.de] als PDF oder als
- kanonischer Klartext im Format der `--extract-only`-Ausgabe; amtliche
+* Stammgesetz (Landesrecht): konsolidierte Fassung als PDF oder als
+ kanonischer Klartext im Format der `--extract-only`-Ausgabe. Amtliche
Satznummern und Fußnotenmarker stehen als Unicode-Superskripte im
- Text („¹Die freilebende Tierwelt …“, „Enteignung⁶)“)
+ Text („¹Die freilebende Tierwelt …“, „Enteignung⁶)“); ob sie erhalten
+ bleiben, ergibt sich aus der geladenen Stammfassung, nicht aus einer
+ Länderkennung. Ebenso folgt das Zitiersigel (§ oder Art.) aus den
+ Normköpfen der Stammfassung.
* Änderungsgesetz: BGBl-, GVBl- oder Drucksachen-PDF (Bundestag,
- Bundesrat, Bayerischer Landtag) oder Klartext
+ Bundesrat, Landtage) oder Klartext
[source,shell script]
----
@@ -134,6 +136,17 @@
Drucksachen (Änderungsanträge des Landtags) sind bewusst noch nicht
abgedeckt.
+Die übrigen Länder gliedern ihre Stammgesetze wie der Bund in
+Paragraphen; die Unterschiede liegen im Gesetzblatt-Satz und in
+Befehlsidiomen. Belegt sind Sachsen (SächsBeamtVG), Niedersachsen
+(NEFG) und Nordrhein-Westfalen (Telemedienzuständigkeitsgesetz) mit
+vollen Akzeptanztests ohne Rest; für Schleswig-Holstein und Berlin
+reicht die Prüfung bis zur Befehlserkennung, weil deren Landesportale
+ihre Stammfassungen nur über eine anmeldepflichtige Schnittstelle
+ausgeben. Welche Konvention welches Land beisteuert, welche
+Stammfassungen woher stammen und was noch offen ist, verzeichnet
+`src/main/resources/sampledata/Landesrecht-Beispiele.adoc`.
+
== Running the Tests
diff --git a/src/main/resources/sampledata/Landesrecht-Beispiele.adoc b/src/main/resources/sampledata/Landesrecht-Beispiele.adoc
index 00cb08b..fde6727 100644
--- a/src/main/resources/sampledata/Landesrecht-Beispiele.adoc
+++ b/src/main/resources/sampledata/Landesrecht-Beispiele.adoc
@@ -111,6 +111,34 @@
* Baden-Württemberg (GBl 2026 Nr. 26): großes Anlage-lastiges Änderungsgesetz (§§ 4–57a + Anlagen
1/3b/4b); Stammfassung/Akzeptanztest noch offen.
+== Beschaffung der Stammfassungen
+
+Für einen vollen Akzeptanztest wird die Fassung *vor* dem Änderungsgesetz gebraucht. Welcher Weg
+dafür trägt, hängt allein vom Portal ab; die drei erprobten Wege:
+
+`recht.nrw.de` (Nordrhein-Westfalen):: Der bequemste Fall. Serverseitig gerendertes HTML, keine
+Single-Page-Anwendung, `robots.txt` erlaubt alles. Das URL-Schema
+`recht.nrw.de/lrgv/gesetz/<TTMMJJJJ>-<Kurztitel-Slug>` trägt den *Gültigkeitsbeginn der jeweiligen
+Fassung* im Datumspräfix — Vor- und Nachfassung sind damit unmittelbar adressierbar, und das
+Ergebnis lässt sich gegen die amtliche Nachfassung prüfen. Die Slugs findet die Suchmaske nicht
+(Formular); sie stehen im Sitemap-Index (`robots.txt` listet `sitemap/page/1..47/sitemap.xml`, je
+1000 Einträge). Alte `lmi/owa/br_*`-URLs leiten auf die neuen Slugs um.
+
+`revosax.sachsen.de` (Sachsen):: Liefert Volltext-PDFs je Fassung, aber nur die aktuelle live. Die
+Vorfassung kommt über die Wayback-CDX-API: Fassungs-IDs abfragen, die zum Zeitraum passende wählen,
+per `…id_/…`-Rohform laden. Achtung, `WebFetch` erreicht `web.archive.org` nicht — nur `curl`.
+
+juris-Landesportale (Schleswig-Holstein, Berlin, Baden-Württemberg, Hessen, Thüringen, Niedersachsen):: Sackgasse.
+Seit etwa Ende 2022 reine Single-Page-Anwendungen; sämtliche Dokument-URLs liefern nur die leere
+Anwendungshülle, die Inhalte hängen an einer tokenpflichtigen Schnittstelle. Auch archivierte
+Einzelnorm-Seiten sind bereits Hüllen. Brauchbar sind allenfalls Wayback-Snapshots aus der Zeit
+*vor* der Umstellung — die sind aber meist zu alt für die gesuchte Fassung.
+
+Fällt das Portal aus, bleibt der Weg über das Gesetzblatt selbst: Trägt der Einleitungssatz des
+Änderungsgesetzes kein „zuletzt geändert durch“, so ist die Originalfassung zugleich die
+Stammfassung (so bei Niedersachsen). Die Extraktion zweispaltiger Hefte übernimmt `--extract-only`
+des Werkzeugs selbst; `pdftotext -layout` verschränkt dort die Spalten.
+
== Noch offen
* *Schleswig-Holstein — Stammfassung nicht beschaffbar*: Das Landesportal
@@ -122,6 +150,10 @@
vom 05.02.2025 eingefügt). Auch die archivierten Einzelnorm-Seiten (113 Stück) sind bereits
SPA-Hüllen ohne Inhalt. Ein voller Akzeptanztest bleibt daher offen, bis die konsolidierte
Fassung aus einer anderen Quelle vorliegt.
+* *Berlin — Stammfassung nicht beschaffbar*: `gesetze.berlin.de` ist trotz des Eigennamens dieselbe
+ juris-Anwendung wie das schleswig-holsteinische Portal (Kennung `bsbe`) und ebenso
+ anmeldepflichtig. In der Wayback Machine gibt es keine serverseitig gerenderten Volltexte des
+ ASOG oder des LAF-Errichtungsgesetzes.
* *Anlagen im kanonischen Klartext*: Anlagen sind als Änderungsziel unterstützt — im gii-XML sind
sie eigene Normen („Anlage 8“, „Anhang“), und `Stelle.anlagenEnbez()` löst sie auf; im GEG werden
anlagenbezogene Befehle angewandt. Der `LandesRechtTextParser` kennt jedoch nur „§“- und
@@ -143,3 +175,25 @@
01.07.2026 elektronisch; ältere GVBl-Hefte liegen nicht als freie Direkt-PDF vor.
* Bremen, Hamburg, Mecklenburg-Vorpommern, Saarland, Brandenburg, Sachsen-Anhalt: noch nicht
erfasst.
+
+== Wo weitermachen
+
+Kein Land scheitert noch an reiner Extraktionsschwäche; offen sind Modell- und Beschaffungsfragen.
+Nach absteigendem Nutzen:
+
+. *Struktureinfügung mit Wortanker* (siehe „Noch offen“). Rein im Modell zu lösen, ohne neue
+ Stammfassung: `StrukturEinfuegung` um einen Wortanker ergänzen, wie ihn `WoerterEinfuegung`
+ bereits trägt. Belegfall ist Berlin Artikel 1 Nr. 2 b) bb); prüfbar bis zur Befehlserkennung.
+. *Weitere Artikel des NRW-Heftes* (WDR-Gesetz, Landesmediengesetz). Die Stammfassungen sind über
+ das oben beschriebene recht.nrw.de-Rezept unmittelbar greifbar, und die Nachfassungen erlauben
+ wieder den Abgleich gegen den amtlichen Text. Ergibt einen Massentest mit über hundert Befehlen.
+. *Anlagen-Normköpfe im `LandesRechtTextParser`* — lohnt erst zusammen mit (2) oder sobald für
+ Berlin bzw. Baden-Württemberg eine Stammfassung vorliegt, sonst nicht end-to-end prüfbar.
+. *Hessen* als Sperrsatz-Härtetest („3 . F e bru a r 2 02 6“). Betrifft nur Datums- und
+ Signaturzeilen, nicht die Befehle — kosmetisch, aber ein eigener Extraktionsfall.
+
+Regressionsschutz: `./mvnw verify` prüft die bestehenden Belegfälle mit. Gepinnt ist dabei nicht
+überall dieselbe Art von Zahl — für UWG, AGG und ProdHaftG, dass *kein* Befehl manuell bleibt; für
+das BayJG die 154 erkannten Befehle und namentlich die fünf Umnummerierungs-Residuen; für Sachsen,
+Niedersachsen und Nordrhein-Westfalen die vollständige Anwendung ohne Rest. Wer eine dieser Zahlen
+ändern muss, sollte den Grund im Test vermerken.