probes: 69

The exact question asked of a corpus, kept verbatim (code column): a Python regex on one document, a SPARQL query on a public endpoint, a shell request. result_count/result_of is the re-run figure on result_date; matches_excerpt says whether that figure is the one quoted in the observation (0 = differs, both kept).

This data as json

id	form_id	form_name	file	kind	corpus_id	written	run	result_count	result_of	result_date	matches_excerpt	note	code
69	form-133	HTML fragments the text	probes/2026-08/line-133.py	python	corpus-europe-pmc-jats-2023-2026	2026-08-08	python3 tools/run_probe.py probes/2026-08/line-133.py <dir with the 272 .xml>	38	272	2026-09-09	1		"""Fault Atlas probe — catalogue line 133 (form-133). Extracted verbatim from the August 2026 observation campaign (Loxyn SAS, Lyon). A probe answers one question on one JATS XML file: "is this fault here, and where?" It repairs nothing and decides nothing. Returns a list of excerpts, empty if absent. Run on the reproducible corpus (see corpora/europe-pmc-jats-2023-2026-272.json): python3 tools/run_probe.py probes/2026-08/line-133.py <dir with the 272 .xml> """ import re, collections, unicodedata SONDES = {} def sonde(ligne, nom): def deco(f): SONDES[ligne] = (nom, f); return f return deco def _txt(x): """texte brut d'un XML JATS, balises retirées""" return re.sub(r'<[^>]+>', ' ', x) # ── 133 — le balisage fragmente ET DOUBLE le texte ────────────────────────── # ⚠️ CORRIGÉE le 08/08 : la 1re version cherchait <annotation> TeX — 0 partout. # Le doublement réel de ce corpus passe par <alternatives> : la MÊME formule y # est écrite deux fois, une fois en <tex-math>, une fois en MathML (ou en image). @sonde(133, "le balisage FRAGMENTE le symbole (MathML)") def d133(x): """Ce que mesure la sonde : un symbole contigu à la lecture devient, une fois les balises retirées bêtement, plusieurs morceaux séparés par des espaces.""" ex = [] for b in re.findall(r'(?s)<(?:mml:)?math\b.{0,4000}?</(?:mml:)?math>', x): nu = re.sub(r'\s+', ' ', _txt(b)).strip() # lecture naïve vrai = ''.join(re.findall(r'<(?:mml:)?m[ino]\b[^>]>([^<])<', b)) # lecture assemblée if vrai and nu != vrai and len(nu.split()) > 1: ex.append(f"{len(b)}o : naïf {nu[:34]!r} ≠ assemblé {vrai[:34]!r}") if len(ex) >= 3: break return ex