Nolikumi-as-Code 0.1.0: 93 iestāžu nolikumi kā teksts un XML

Shēma nolikums-0.1, katalogs nolikumi.yaml, datu līgums B05. Teksts —
likumi.lv konsolidētās redakcijas 2026-10-11 (sources/), dati (data/),
datnes nosaukums <VPK ID>-<saīsinājums>. Pārbaude: 0 kļūdas; 92/93 teksti
sakrīt ar likumi.lv lapu, 19-0458 — 2 cipari informatīvajā atsaucē.

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_016679RwmHsuTFfxt26wP6rk

tools/verify_html.py

@@ -0,0 +1,53 @@
+#!/usr/bin/env python3
+"""Teksta datnes salīdzināšana ar likumi.lv lapu (lai pārliecinātos, ka teksts nav zaudēts vai pārveidots).
+
+  python3 tools/verify_html.py <html kešs>
+
+Salīdzina burtu un ciparu secību: teksta datne pret lapas redzamo dokumenta tekstu no virsraksta līdz pēdējam
+parakstītājam (bez tiesību akta pases, saitēm un izvēlnēm). Lapu nolasa ar lxml text_content — citādi nekā convert.py.
+"""
+import os
+import re
+import sys
+
+import lxml.html
+import yaml
+
+ROOT = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))
+
+
+def norm(s):
+    return re.sub(r"[^0-9a-zāčēģīķļņšūž⁰¹²³⁴⁵⁶⁷⁸⁹]", "", s.lower().replace("­", ""))
+
+
+def page_text(path):
+    r = lxml.html.fromstring(open(path, encoding="utf-8").read())
+    body = r.xpath("//div[contains(concat(' ', normalize-space(@class), ' '), ' TV207 ')]")[0].getparent()
+    for s in body.iter("sup"):
+        s.text = (s.text or "").translate(str.maketrans("0123456789", "⁰¹²³⁴⁵⁶⁷⁸⁹"))
+    parts = []
+    for el in body:
+        c = (el.get("class") or "").split()
+        if c and c[0].startswith("TV") and el.tag != "style":
+            for junk in el.xpath(".//*[contains(@class,'info-icon-wrapper') or contains(@class,'panta-doc-npk')]"):
+                junk.getparent().remove(junk)
+            parts.append(el.text_content())
+    return norm(" ".join(parts))
+
+
+def main(cache):
+    cat = yaml.safe_load(open(os.path.join(ROOT, "nolikumi.yaml"), encoding="utf-8"))
+    bad = 0
+    for e in cat["nolikumi"]:
+        stem = os.path.basename(e["file"])[:-4]
+        t = norm(open(os.path.join(ROOT, "sources", stem + ".txt"), encoding="utf-8").read())
+        h = page_text(os.path.join(cache, f"{e['likumi_id']}.html"))
+        if t != h:
+            bad += 1
+            i = next((k for k in range(min(len(t), len(h))) if t[k] != h[k]), min(len(t), len(h)))
+            print(f"ATŠĶIRAS {stem}: teksts {len(t)}, lapa {len(h)}; no {i}: '{t[i:i+60]}' / '{h[i:i+60]}'")
+    print(f"pārbaudīti {len(cat['nolikumi'])}, atšķiras {bad}")
+
+
+if __name__ == "__main__":
+    main(sys.argv[1])