Metodologia

Medido contra declarado

Cada fuente del registro distingue si su mecanica fue medida contra la fuente real o solo declarada a partir de documentacion o de prosa. Una entrada declarada es una hipotesis con formato de dato, y no entra a produccion hasta medirse. La distincion no es pedanteria: al compilar el registro, cuatro fuentes que parecian buenas sobre el papel resultaron publicar libros en lugar de la gaceta, enlazar a servidores inexistentes o responder con indices vacios.

Las cuatro clases de cobertura

Corriente. La fuente entrega hoy su version vigente, validada, y el conector puede seguir publicando mañana.

Historica. Solo se puede rescatar el pasado. Caen aqui tanto la fuente cuya unica via es un archivo historico como la que responde con normalidad pero esta congelada en su propio contenido: una fuente puede contestar perfecto y llevar años sin publicar nada nuevo.

Indeterminada. Alcanzable y sin punto de datos caracterizado. Que un portal responda no significa que este medido, y la respuesta honesta mientras tanto es "no se sabe", nunca "cubierta".

Ninguna. No hay nada que obtener, por bloqueo tecnico o por decision propia.

Que significa "funcionando"

Tres condiciones simultaneas: conector escrito, cobertura corriente medida y al menos un documento archivado. Cada condicion por separado engaña: una fuente con conector y sin documentos nunca entrego nada; una con documentos y cobertura historica no va a entregar mañana. La lista de que funciona se genera desde el registro y las mediciones en cada corte; no existe una version escrita a mano que pueda envejecer en silencio.

Validar la salida, nunca el codigo de salida

El modo de fallo caro de las fuentes oficiales no es el error visible: es la respuesta exitosa con contenido inutil. Este proyecto lleva documentadas quince formas distintas de ese fallo. Por eso toda descarga se valida por su contenido (firma de bytes, estructura, piso de registros) y ninguna fuente se da por sana solo porque respondio.

Adquisicion etica

No se evaden controles antibot ni se resuelven captchas: cuando una fuente bloquea, el hueco se declara y se gestiona por via institucional. Se prefiere siempre la API oficial o los datos abiertos antes que el raspado. La concurrencia contra dominios de gobierno es de una a dos peticiones con pausa, nunca varios estados en paralelo, y el agente de usuario se identifica con contacto. Un hueco declarado nos parece mejor producto que una cobertura obtenida rodeando la voluntad del publicador.

Procedencia documental

No se raspan datos: se adquieren documentos. Cada documento se archiva de forma inmutable con su hash SHA-256, su URL de origen y su fecha de captura, y la extraccion posterior trabajara sobre ese archivo propio, trazable documento por documento. La meta es que cada afirmacion futura de la base responda "que documento lo dice, de que fecha, con que hash".

El orden juridico primero

La base de consulta de personas esta en diseño y su ingesta esta condicionada a un dictamen juridico previo sobre el tratamiento de datos personales de fuente publica bajo la ley mexicana. Hoy los conectores adquieren y archivan documentos; ninguno extrae personas ni construye indices de datos personales. Ese orden es deliberado: una base de cumplimiento que empezara saltandose el suyo no tendria autoridad para venderle diligencia a nadie.

Lo que el producto no hara, por diseño

Cuando la consulta exista, no afirmara identidad: devolvera candidatos con su similitud, sus razones y su evidencia, y la verificacion final sera siempre del cliente, que es quien tiene los dos lados del expediente. No emitira juicios de honestidad ni recomendara rechazar a nadie: ser una persona expuesta politicamente no es un señalamiento, es una condicion que activa diligencia reforzada. Y no inferira parentescos por apellido, porque en Mexico el apellido compartido no prueba nada y la inferencia dañaria a terceros.