Contexto

Após o merge das branches add-xref-linking e mudanças na main (que removeu campos do modelo ArticleDocxMarkup e criou o model Issue), surgiram três problemas que impediam o processamento de artigos.

Mudanças

1. Migration de merge (markup_doc/migrations/0005_merge_20260602_1323.py)

As migrations 0003_remove_articledocxmarkup_dateiso_and_more (main) e 0004_articledocxmarkup_xref_status (add-xref-linking) foram criadas a partir do mesmo ancestral, gerando conflito no grafo de migrations. A migration de merge resolve o conflito sem alterar o banco de dados.

2. markup_doc/xml.py — remoção de referência a campo inexistente

O campo dateiso foi removido de ArticleDocxMarkup pela migration 0003, mas get_xml() ainda o referenciava para gerar o elemento <pub-date>, causando AttributeError em toda task de geração de XML. O bloco foi removido — a data de publicação da issue já é tratada via issue.year e issue.month no bloco imediatamente anterior.

3. markuplib/function_docx.py — correção de IndexError

Quando o parágrafo de introdução era encontrado antes de qualquer seção registrada, sections estava vazia e sections[-1] lançava IndexError, abortando o processamento do DOCX. Corrigido com guard if sections else [].

4. config/settings/base.py e local.yml — ajuste de conexões PostgreSQL

Com Celery rodando 16 workers prefork, o limite padrão de 100 conexões do PostgreSQL era esgotado, causando FATAL: sorry, too many clients already. Duas correções complementares:

• CONN_MAX_AGE = 0 no Django para fechar conexões ao fim de cada request
• max_connections=200 no serviço postgres do local.yml

Testes

Os bugs foram reproduzidos e confirmados resolvidos com o reprocessamento de três artigos reais obtidos do Google Drive (pasta de artigos SciELO em produção), selecionados para cobrir as principais variações estruturais do pipeline:

bn-2025-1828.docx — Biota Neotropica (artigo bilíngue PT/EN)

• Título em inglês com <trans-title> em português
• <abstract> em inglês com <trans-abstract> em português
• 8 autores, 7 com ORCID
• 2 afiliações institucionais
• 3 tabelas de dados fitossociológicos
• 95 referências (mixed-citation)
• DOI: 10.1590/1676-0611-BN-2025-1828

Cobre o fluxo de artigos bilíngues, forçando a detecção de idioma e a geração de blocos <trans-title> e <trans-abstract>.

rbent-2025-0077.docx — Revista Brasileira de Entomologia (artigo em inglês)

• Título e abstract exclusivamente em inglês (sem traduções)
• 7 autores, 6 com ORCID, em 3 instituições distintas
• Palavras-chave em lista separada do abstract
• 2 tabelas de dados populacionais e estatísticos
• 49 referências (mixed-citation)
• DOI: 10.1590/1806-9665-RBENT-2025-0077

Complementa o anterior cobrindo o fluxo monolíngue, validando que o pipeline não gera elementos de tradução vazios quando não há conteúdo bilíngue, e exercitando o parser de <kwd-group> num formato de lista separada.

mr-2025-0709.docx — Materials Research (artigo com figuras)

• Título e abstract em inglês
• 3 autores, em 2 instituições
• 10 figuras JPEG embutidas (micrografias ópticas, análise SEM, gráficos de dureza e corrosão — de 26 KB a 690 KB)
• 2 tabelas de propriedades mecânicas
• DOI: 10.1590/1980-5373-MR-2025-0709

Único fixture com imagens embutidas, cobrindo o caminho de código responsável por detectar w:drawing no XML do DOCX, persistir cada imagem como ImageModel no Wagtail e gerar os 10 elementos <fig> (f1–f10) no XML final.

Os três artigos, juntos, cobrem as principais variações estruturais do pipeline:

🤖 Generated with Claude Code