docs: plano, manifest e textos da descrição conferidos; descrição publicada no bucket

- PLANO §1/§7 com o estado real (ledger e bucket em 2026-09-30) e §9 com o
  visor do mural (7.1–7.2c), 7.3 e 7.4 pendentes
- MANIFEST final com contagens fechadas e seção sobre a descrição NOBRADE
- textos das 15 seções e do nível 1 conferidos na web, com fontes fora da descrição
- rascunho do pedido de CODEARQ ao CONARQ
- descricao/ enviada a s3://brasiliana/descricao/ com manifest-sha256.txt

MANIFEST.md

@@ -1,16 +1,15 @@
 # MANIFEST — Brasiliana Fotográfica → S3
 
-> **Rascunho, gerado em 2026-09-10.** Os pipelines de download ainda estavam
-> em andamento quando este arquivo foi escrito pela última vez — os números
-> marcados como "em andamento" precisam de uma passada final antes de
-> publicar. Ver `tasks/PLANO.md` pro detalhe técnico completo.
+> **Versão final, 2026-09-30.** Coleta concluída em 2026-09-13. Números
+> conferidos contra o ledger de envio (`pipeline/subidor.sqlite`) e a listagem
+> do bucket. Detalhe técnico em `tasks/PLANO.md` e `README.md`.
 
 ## O que é
 
 Cópia de preservação do acervo da **Brasiliana Fotográfica**
 (brasilianafotografica.bn.gov.br), um repositório DSpace mantido pela
 Biblioteca Nacional do Brasil reunindo fotografias de 15 instituições
-brasileiras e uma alemã (handles `20.500.12156.1/*`). Depositada em
+(14 brasileiras e uma alemã) (handles `20.500.12156.1/*`). Depositada em
 `s3://brasiliana` como acervo arquivístico — procedência e checksums
 preservados por item, não uma cópia solta de imagens.
 
@@ -27,7 +26,7 @@ coletor mantidos ao longo de toda a coleta.
 
 ## Como foi coletado
 
-**Metadados** (13.058 itens reais — ver nota sobre falso-positivo abaixo):
+**Metadados** (13.060 itens):
 enumerados via `browse?type=title` por comunidade (o sitemap oficial está
 desatualizado desde 2019 e cobre só 41% do acervo), colhidos um a um do
 DSpace (`?show=full`), executado a partir de um navegador real — o site
@@ -36,7 +35,7 @@ navegadores sem sessão real, mesmo pra bitstreams de imagem, não só
 páginas HTML.
 
 **Imagens**: cada item pode ter mais de uma imagem original (achado desta
-coleta — 115 itens tinham 2 a 6 bitstreams reais, não um). Pra cada item
+coleta — 121 itens tinham de 2 a 8 bitstreams reais, não um). Pra cada item
 coletamos: a imagem de preservação (a de maior resolução), a(s) imagem(ns)
 adicional(is) quando existem, e a miniatura gerada pelo próprio DSpace.
 Uma cópia legada de menor resolução (`objdigital.bn.br`) também foi
@@ -44,7 +43,7 @@ preservada quando disponível — é a mesma proveniência, resolução inferior
 mantida por referência histórica, nunca como substituta da imagem de
 preservação.
 
-**Posts do blog**: 637 posts únicos identificados (8 categorias do
+**Posts do blog**: 636 posts únicos coletados (637 identificados, 1 com erro na origem; 8 categorias do
 WordPress, com sobreposição substancial entre elas), com título, autor,
 data, categorias e corpo do texto, mais a lista de handles do acervo que
 cada post referencia.
@@ -54,8 +53,12 @@ cada post referencia.
 ```
 s3://brasiliana/
   MANIFEST.md                          este arquivo
+  INDEX.md                             índice legível dos itens
   catalogo.jsonl                       metadados completos, 1 linha por item
   wordpress-posts.jsonl                posts do blog, 1 linha por post
+  wordpress/                           um Markdown por post
+  falhas-500-2026-09-13.txt            itens cuja preservação a origem não serve
+  descricao/                           descrição arquivística NOBRADE (ver abaixo)
   itens/{handle-com-underscore}/
       metadata.json                    Dublin Core completo + URL de origem
                                         + data/hora UTC de captura
@@ -74,6 +77,9 @@ s3://brasiliana/
   derivados/thumb256/
       {handle-com-underscore}.webp     miniatura DERIVADA por nós (não é
                                         material de origem — ver abaixo)
+  derivados/medio/
+      {handle-com-underscore}.webp     imagem média (~1000 px) DERIVADA, usada
+                                        no cartão do mural
 ```
 
 ### Sobre `derivados/`
@@ -91,12 +97,13 @@ imagem de preservação quando ela existe e, nos 69 itens sem ela, do
 então o conjunto é uniforme.
 
 Cobre **13.059 dos 13.060 handles do catálogo (99,99%)**. O único ausente
-é `7523`, cujos bitstreams a origem serve com HTTP 500.
+é `7523`, cujos bitstreams a origem serve com HTTP 500. `derivados/medio/`
+tem a mesma cobertura (13.059).
 
-Nota sobre a contagem de itens: este manifesto fala em 13.058 itens reais,
-mas o `catalogo.jsonl` tem 13.060 handles distintos. A diferença de 2 não
-foi reconciliada — vale conferir antes de tratar qualquer um dos dois
-números como definitivo.
+Contagem de itens: o `catalogo.jsonl` final tem **13.060 handles distintos**,
+todos itens reais. O falso-positivo `20.500.12156.1/1` (página raiz da
+comunidade) não está nele. A cifra de 13.058 de rascunhos anteriores está
+superada.
 
 Note que `itens/{handle}/thumbnail/` **não** é uma miniatura no sentido
 usual: os arquivos que o DSpace chama de thumbnail têm 721 a 3.709 px no
@@ -112,21 +119,47 @@ miniaturas de listagem.
   `metadata.json` traz `community` (100% dos itens) e `rights` (quando a
   instituição de origem o preencheu — ver nota abaixo)
 
-## Contagens (⚠️ conferir antes de publicar — pipelines em andamento)
+## Contagens (fechadas em 2026-09-30)
 
-| | Total esperado | Status |
-|---|--:|---|
-| Itens no catálogo | 13.058 | ✅ fechado |
-| Imagem de preservação | **12.991** | ✅ fechado |
-| Miniatura (thumbnail do DSpace) | **13.059** | ✅ fechado |
-| Miniatura derivada (`derivados/thumb256/`) | **13.059** | ✅ fechado |
-| Imagens extras (multi-bitstream) | 245 | ✅ completo |
-| Cópia legada (objdigital) | **2.112** imagens (1.899 JPG + 213 PDF) de 2.702 elegíveis; 565 × HTTP 404; 25 são páginas HTML de visualizador, não imagem | ✅ fechado |
-| Posts do blog | 637 | 🟡 em andamento |
+| | Arquivos | Itens | Tamanho |
+|---|--:|--:|--:|
+| Itens no catálogo | — | 13.060 | 45,9 MB (`catalogo.jsonl`) |
+| Imagem de preservação | 13.194 | 12.991 | 127,4 GB |
+| ↳ extras (itens com 2 a 8 imagens) | 203 | 121 | incluídos acima |
+| Miniatura do DSpace (`thumbnail/`) | 13.060 | 13.059 | 1,5 GB |
+| Cópia legada (objdigital) | 2.137 (1.899 JPG, 213 PDF, 25 outros) | 2.137 | 9,6 GB |
+| `metadata.json` + `manifest-sha256.txt` | 26.118 | 13.059 | 65 MB |
+| Derivado `thumb256` | 13.059 | 13.059 | 101 MB |
+| Derivado `medio` | 13.059 | 13.059 | 499 MB |
+| Posts do blog (`wordpress/`) | 636 | — | 10 MB |
+| **Total no bucket** (sem `descricao/`) | **81.269 objetos** | | **139,2 GB** |
 
-**Antes de publicar**: rodar a verificação final (contagem de pastas no
-bucket vs. catálogo, checksums batendo) e atualizar esta tabela com os
-números fechados.
+Sem imagem de preservação: **69 itens**, listados em `errors.md` e
+`falhas-500-2026-09-13.txt`. A origem responde HTTP 500 ao bitstream, e
+todos, menos o `7523`, têm a miniatura do DSpace.
+
+## Descrição arquivística (NOBRADE)
+
+`descricao/` descreve esta coleção segundo a NOBRADE (CONARQ, 2006), em seis
+níveis: acervo › coleção › 15 seções (instituição de origem) › 115 séries
+(coleção ou fundo de origem) › 13.060 dossiês (itens do DSpace) › 13.262
+itens documentais (cada imagem). Código de referência
+`BR RJXYZ.BF.<seção>.<série>.<handle>.<imagem>`, com a entidade `RJXYZ`
+provisória até o CONARQ atribuir um CODEARQ.
+
+| Arquivo | Conteúdo |
+|---|---|
+| `unidades.jsonl` | 26.454 unidades de descrição, elementos pelo número da norma |
+| `autoridades.jsonl`, `eac/` | 457 registros de autoridade (ISAAR(CPF)), também em EAC-CPF |
+| `ead/brasiliana.xml` | a coleção inteira em EAD 3, validada contra o XSD oficial |
+| `atom.csv` | importação no AtoM (modelo ISAD) |
+| `pendencias.md` | validador dos obrigatórios: 0 pendências |
+| `revisao/`, `textos/` | tabelas dos normalizadores e textos dos níveis 1–2 |
+| `manifest-sha256.txt` | SHA-256 de cada arquivo de `descricao/` |
+
+A descrição é derivada, como `derivados/`: regenera-se com
+`python3 -m nobrade` a partir do catálogo e do ledger. Decisões e mapeamentos
+estão em `CONARQ.md`, no repositório.
 
 ## Exceções conhecidas (não são bugs)
 
@@ -148,18 +181,16 @@ números fechados.
   Aeroespacial) — sem imagem. O servidor da Biblioteca Nacional retorna
   `HTTP 500` ao tentar servir os bitstreams desse item especificamente;
   não é um problema do nosso lado. Metadados preservados normalmente.
-- **Handles `20.500.12156.1/6656` e `20.500.12156.1/7939`** — o que foi
-  baixado como imagem de preservação é, na verdade, o bitstream de
-  LICENÇA do DSpace (777 bytes de texto UTF-8 com extensão `.jpg`). É a
-  mesma contaminação do achado 2.8b, desta vez na trilha de preservação e
-  não na de miniatura. A validação de magic bytes do `subidor.py` barra
-  esses arquivos no upload, então eles nunca chegaram ao bucket — mas
-  significa que esses dois itens ainda não têm imagem coletada.
+- **Handles `20.500.12156.1/6656` e `20.500.12156.1/7939`**: a primeira
+  tentativa baixou o bitstream de LICENÇA do DSpace (777 bytes de texto com
+  extensão `.jpg`), que a validação de magic bytes barrou. Na rodada de
+  2026-09-13 os dois foram recuperados, e a imagem de preservação real está
+  no bucket.
 
 ## Direitos
 
-Majoritariamente domínio público por antiguidade, mas as 16 instituições
-de origem (15 brasileiras + 1 alemã) têm políticas distintas. `dc.rights`
+Majoritariamente domínio público por antiguidade, mas as 15 instituições
+de origem (14 brasileiras + 1 alemã) têm políticas distintas. `dc.rights`
 e a instituição de origem são preservados **por item**: a decisão de
 redistribuir é item a item, não do acervo em bloco. Arquivar para si é
 uma coisa; republicar é outra.