feat: descrição arquivística NOBRADE multinível com exportação EAD 3, EAC-CPF e AtoM

- pipeline/nobrade: normalizadores de datas (ISO 8601-2), séries, autoridades, espécie/suporte, direitos, lugar e assuntos; montagem dos níveis 0–5 com código de referência BR RJXYZ.BF.<seção>.<série>.<handle>.<imagem> - validador dos elementos obrigatórios: 0 pendências em 26.454 unidades - EAD 3 e 457 EAC-CPF validados contra os XSD - mural: cartão com código, data normalizada, série e reprodução; filtro por série
2026-09-30 21:22:00 +02:00
parent e92df83a78
commit 23b56e8c87
46 changed files with 19562 additions and 68 deletions
@@ -0,0 +1,72 @@
+"""Constantes da descrição NOBRADE — decisões registradas em CONARQ.md §5."""
+
+from pathlib import Path
+
+RAIZ = Path(__file__).resolve().parents[2]
+PIPELINE = RAIZ / 'pipeline'
+CATALOGO = PIPELINE / 'catalogo.jsonl'
+LEDGER = PIPELINE / 'subidor.sqlite'
+POSTS = PIPELINE / 'wordpress-posts.jsonl'
+ERROS = RAIZ / 'errors.md'
+AJUSTES = Path(__file__).resolve().parent / 'ajustes'
+SAIDA = RAIZ / 'descricao'
+TEXTOS = SAIDA / 'textos'
+REVISAO = SAIDA / 'revisao'
+
+# 1.1 — código da entidade custodiadora. PROVISÓRIO até o CONARQ atribuir um
+# (proc. 1.1.1). Trocar aqui regenera todos os códigos de referência.
+# Formato do CODEARQ, como o AGCRJ usa: país, espaço, UF + sigla, e as partes
+# da unidade separadas por ponto — BR RJAGCRJ.SOP.NL.AVE.03.01
+PAIS = 'BR'
+ENTIDADE = 'RJXYZ'
+ENTIDADE_NOME = 'xyz — cópia digital de acervos fotográficos'
+ENTIDADE_SITE = 'https://xn--2dk.xyz/brasiliana/'
+COLECAO = 'BF'
+COLECAO_TITULO = 'Coleção Brasiliana Fotográfica (cópia digital)'
+RESPONSAVEL = 'rafapolo'
+BUCKET = 's3://brasiliana'
+
+REGRAS = ('NOBRADE: Norma brasileira de descrição arquivística (CONARQ, 2006); '
+          'ISAD(G) 2ª ed. (CIA, 2000); ISAAR(CPF) 2ª ed. (CIA, 2004); '
+          'datas em ISO 8601-2 (EDTF); idiomas em ISO 639-2; países em ISO 3166.')
+
+ORIGEM_NOME = 'Brasiliana Fotográfica'
+ORIGEM_SITE = 'https://brasilianafotografica.bn.gov.br/'
+HANDLE_URL = 'https://brasilianafotografica.bn.gov.br/brasiliana/handle/{}'
+
+# Nível 2 — uma seção por instituição de origem (campo `community` do catálogo).
+# sigla → (nome autorizado, cidade)
+INSTITUICOES = {
+    'Instituto Moreira Salles': ('IMS', 'Instituto Moreira Salles', 'Rio de Janeiro (RJ)'),
+    'Biblioteca Nacional': ('BN', 'Biblioteca Nacional (Brasil)', 'Rio de Janeiro (RJ)'),
+    'Museu Aeroespacial': ('MUSAL', 'Museu Aeroespacial', 'Rio de Janeiro (RJ)'),
+    'Museu da Republica': ('MR', 'Museu da República', 'Rio de Janeiro (RJ)'),
+    'Museu Historico Nacional': ('MHN', 'Museu Histórico Nacional', 'Rio de Janeiro (RJ)'),
+    'Fiocruz': ('COC', 'Fundação Oswaldo Cruz. Casa de Oswaldo Cruz', 'Rio de Janeiro (RJ)'),
+    'Diretoria do Patrimonio Historico e Documentacao da Marinha':
+        ('DPHDM', 'Diretoria do Patrimônio Histórico e Documentação da Marinha', 'Rio de Janeiro (RJ)'),
+    'Arquivo Nacional': ('AN', 'Arquivo Nacional (Brasil)', 'Rio de Janeiro (RJ)'),
+    'Arquivo Geral da Cidade do Rio de Janeiro':
+        ('AGCRJ', 'Arquivo Geral da Cidade do Rio de Janeiro', 'Rio de Janeiro (RJ)'),
+    'Leibniz-Institut fuer Laenderkunde, Leipzig':
+        ('IFL', 'Leibniz-Institut für Länderkunde', 'Leipzig (Alemanha)'),
+    'Instituto Historico e Geografico Brasileiro':
+        ('IHGB', 'Instituto Histórico e Geográfico Brasileiro', 'Rio de Janeiro (RJ)'),
+    'Fundacao Joaquim Nabuco': ('FUNDAJ', 'Fundação Joaquim Nabuco', 'Recife (PE)'),
+    'Museu Paraense Emilio Goeldi': ('MPEG', 'Museu Paraense Emílio Goeldi', 'Belém (PA)'),
+    'Escola de Ciencias Sociais (FGV CPDOC)':
+        ('CPDOC', 'Fundação Getulio Vargas. Escola de Ciências Sociais (FGV CPDOC)', 'Rio de Janeiro (RJ)'),
+    'Instituto Brasileiro de Geografia e Estatistica':
+        ('IBGE', 'Instituto Brasileiro de Geografia e Estatística', 'Rio de Janeiro (RJ)'),
+}
+
+# 4.1 — obrigatório nos níveis 0 e 1
+ACESSO = ('Sem restrição de acesso à descrição. As cópias digitais são mantidas '
+          f'para preservação em {BUCKET} e consultáveis pelo mural em {ENTIDADE_SITE}. '
+          'O acesso aos originais segue as regras de cada instituição de origem '
+          '(ver 5.1 em cada dossiê).')
+
+
+def codigo(*partes: str) -> str:
+    """BR RJXYZ, BR RJXYZ.BF, BR RJXYZ.BF.IMS.GF.12345.01 …"""
+    return f'{PAIS} ' + '.'.join((ENTIDADE,) + tuple(p for p in partes if p))