# TODO — notas técnicas (Brasiliana → S3)

> Só o que está **aberto**. O que foi concluído, com os achados e o histórico
> das sessões, está em [`tasks/done/`](done/); a última versão completa deste
> arquivo, com os achados 2.15–2.28 e 3.1–3.5 citados abaixo, é
> [`done/TODO-2026-09-30.md`](done/TODO-2026-09-30.md). Plano, estado e
> descrição NOBRADE: [`PLANO.md`](PLANO.md). Scripts e estado em `pipeline/`.

## Pendente

Movido para [`tasks.md`](tasks.md), a lista única de tarefas abertas do projeto.

## Notas técnicas úteis pra retomar

- Downloads automáticos do Chrome exigem permissão manual em `chrome://settings/content/automaticDownloads` (site adicionado: `https://brasilianafotografica.bn.gov.br`) — já concedida, vale pra novos scripts também, não só o original.
- `BRAS`, `BAIXA`, `BAIXA_THUMB`, `BAIXA_EXTRA` — todos no `window` da mesma aba, mesmo IndexedDB (`bras`). Todos sobrevivem a fechar/reabrir a aba (dado fica salvo), mas o *loop* para e precisa recolar o script certo pra retomar.
- **Regerar as miniaturas derivadas** (tudo reconstruível, nada precisa ser
  guardado): no finland, `apt install libvips-tools parallel` + s5cmd; pra cada
  chave de `itens/*/preservacao/*`, `s5cmd cat` num tmp e
  `vipsthumbnail "$TMP" --size 256 --output "$OUT[Q=80,strip]"`, com
  `parallel -j 10`. ~640 thumbs/min, tráfego intra-Hetzner (bucket é `hel1`, o
  finland também) — não passa pelo link de casa. O que ainda está só em
  `~/Downloads` sai mais barato derivado localmente com `magick`: mandar os
  71 GB pro finland custaria os mesmos dias do upload pendente.
- **Cuidado ao parsear `s5cmd ls`**: nomes de arquivo do acervo têm espaço
  **duplo** (`48094  Álbum 311 - ...jpg`). `awk '{$1="";$2="";$3=""; print}'
  recolapsa esses espaços e produz chaves que não existem — 31 downloads
  falharam assim antes de eu perceber. Use
  `sed -E 's|^[0-9/]+ +[0-9:]+ +[0-9]+  ||'`, que preserva o resto literal.
- **`sqlite3` desta máquina tem `.sqliterc` forçando modo box**: qualquer
  script que leia a saída precisa de `sqlite3 -init /dev/null -noheader
  -separator $'\t'`, senão vem borda de tabela no lugar dos dados (me custou
  um diff inteiro de falso positivo).
- **`until ! pgrep -f X; do sleep; done` nunca termina**: a linha de comando do
  próprio loop contém `X`, então o `pgrep -f` se acha e a condição nunca vira
  falsa. Um loop desses ficou girando horas depois do trabalho acabar (12/09,
  morto à mão). Esperar por PID (`while kill -0 $PID`) ou usar `pgrep -f
  '[t]humb-local'` para o padrão não casar consigo mesmo.
- **Parar processo lançado em background: SIGTERM, não SIGINT.** Processo
  iniciado com `&` num shell não interativo herda o SIGINT ignorado (o
  `subidor.py` ficou 60 s vivo depois do `kill -INT`). Com SIGTERM, o `aws s3
  cp` filho termina órfão, o que é inofensivo: sem linha no ledger e sem
  apagar o local, o próximo uploader sobe de novo a mesma chave.
- **Upload de casa: 69 Mbps** (`networkQuality -s`, 12/09); download 312 Mbps.
- **Assinaturas aceitas como imagem** (`subidor-paralelo.py`): JPEG `FFD8`, PNG,
  TIFF `II*\0`/`MM\0*`, GIF, JP2, BMP `BM`, WebP. Content-Type sai do conteúdo,
  não da extensão (TIFF chega com nome `.jpg`).
- **`vipsthumbnail --output` é relativo à pasta do arquivo de entrada**, não ao
  diretório corrente: `vipsthumbnail tmp/x.img --output out/y.webp` tenta
  gravar em `tmp/out/y.webp` e falha. Usar caminho absoluto na saída. (Custou
  uma miniatura "refeita" que não foi refeita, em 13/09.)
- Scripts-fonte em `pipeline/`: `coletor.js` / `coletor-resume.js` (metadados), `baixador-navegador.js` (preservação, todos os itens), `baixador-thumb.js` (miniaturas), `baixador-extras.js` (2a+ imagem de itens multi-bitstream), `reparo-multibitstream.js` (enumera bitstreams reais de um item).