Hur ser det ut bakom kulisserna?

Lagen.nu består av hundratusentals sammanlänkade dokument. För att kunna hantera en så stor informationsmängd med mycket begränsade resurser är nästan allt automatiserat.

Varje källa (SFS, domstolsavgöranden, förarbeten, EU-rätt, myndighetsföreskrifter med flera) har en egen bearbetningskedja i fyra steg:

1. Hämtning -- råmaterialet laddas ner från källan (Regeringskansliets rättsdatabaser, domstolarnas publiceringstjänst, regeringen.se, EUR-Lex, myndigheternas egna webbplatser, m.fl.). 2. Tolkning -- den oformatterade texten (HTML, PDF eller Word) analyseras och struktureras: kapitel, paragrafer, stycken, rubriker och listor identifieras, och hänvisningar till andra lagar, rättsfall och förarbeten känns igen och länkas. 3. Artefakt -- resultatet sparas som en JSON-fil per dokument. Den filen är källan till sanning för allt som utvunnits ur dokumentet (struktur, metadata och länkar). 4. Härledning och publicering -- ur alla JSON-artefakter byggs en katalog (citeringsgrafen, dvs. vilka dokument som hänvisar till vilka), ett sökindex, bulknedladdningar och slutligen de statiska, sammanlänkade webbsidorna.

Den viktigaste funktionen -- att bredvid varje paragraf visa vilka rättsfall och förarbeten som hänvisar till den -- kommer ur citeringsgrafen som byggs i steg 4.

Webbplatsen serveras som statiska sidor, och samma process driver även ett REST-API och bulknedladdningar av hela materialet.

Kommentarerna och begreppsförklaringarna skrivs som versionshanterad markdown i ett separat innehållsförråd, och kan även redigeras direkt på sajten av inloggade skribenter.

Koden är skriven i Python och är släppt som öppen källkod, så att den kan återanvändas för att bygga andra tjänster som hanterar liknande informationssamlingar. Mer bakgrund finns i "lagen.nu"-kategorin på min blogg.