Tweġiba qasira
Il-markup mhux parti mit-titolu legali uffiċjali. Daħal fil-qasam tat-titolu meta l-ingest Malti żamm string ta’ paġna ta’ lista li kienet tgħaqqad in-numru tal-Avviż Legali, it-titolu, in-nota “English Version only”, ir-referenza tal-Gazzetta u tags HTML bħal <Br>, <I> u <P Class=Msonormal>. Minflok ma ġew estratti t-text nodes u separata l-provenjenza, il-string kollu ġie maħżun bħala titolu kanoniku jew ta’ wirja.
It-test operattiv tal-Gazzetta huwa aktar nadif. Pereżempju, il-body tal- għandu l-caption Financial Institutions Act (Consumer Credit) Regulations, 2026 mingħajr HTML. Madankollu legalcode_search.results[].title, snippet derivat mit-titolu u l-heading H1 ta’ legalcode_fetch kollha jerġgħu jużaw il-metadata mniġġsa.
L-istess ġara lill-, lill-, u lill-A.L. 178 u 179 tal-2026. Il-familja konsolidata L.S. 371.23 għandha wkoll <Br><I> fit-titolu. Tfittxija għal "P Class=Msonormal" sabet mill-inqas 20 riżultat fl-ewwel paġna u total approssimattiv 80, b’varjanti ta’ kapitalizzazzjoni li jmorru lura għal bosta snin. Għalhekk il-problema hija sistemika, mhux limitata għall-kreditu lill-konsumatur.
It-titolu nadif xorta jsib l-istrument, iżda l-markup indiċizzat iniġġes ir-ranking, is-snippets, l-UI, l-exports u l-embeddings.
It-tiswija ewlenija għandha tkun fl-ingest u n-normalizzazzjoni, mhux biss fil-renderer: jinħoloq canonicalTitle nadif, filwaqt li n-numru tal-Gazzetta, id-data, il-lingwa u t-test oriġinali jinżammu f’oqsma separati ta’ provenjenza. Wara għandu jsir backfill u rebuild tal-index. Il-kwistjoni hija rreġistrata fl-.
Kif jidher titolu mniġġes?
Ir-rekord law/MT/mt:eli/ln/2026/177/mlt jirritorna titolu li jgħaqqad diversi tipi ta’ informazzjoni:
Titolu ta’ wirja għandu jkun qasir u legali, pereżempju Financial Institutions Act (Consumer Credit) Regulations, 2026. In-numru 177 tal-2026, il-Gazzetta Nru. 21,682, id-data tal-pubblikazzjoni u l-informazzjoni dwar il-lingwa huma metadata ta’ identità u provenjenza. It-tags huma biss markup ta’ preżentazzjoni.
Financial Institutions Act (Consumer Credit) Regulations, 2026
—
Dan il-caption nadif jidher fil-body fetched flimkien ma’ L.N. 177 of 2026 u FINANCIAL INSTITUTIONS ACT (CAP. 376). Għalhekk l-ingest għandu sors affidabbli minn fejn jirkupra t-titolu uffiċjali mingħajr tags.
Liema strumenti tal-kreditu huma affettwati?
L-A.L. 266 tal-2025 jirritorna titolu li jispiċċa b’(English Version only) <Br><I>Gazzetta ... <P Class=Msonormal>. Il-body tiegħu, min-naħa l-oħra, għandu caption ċar:
Financial Institutions Act (Consumer Credit) Regulations, 2025
—
L-A.L. 265 tal-2025 għandu l-istess mudell, iżda l-caption uffiċjali tiegħu huwa:
Banking Act (Consumer Credit) Regulations, 2025
—
L-A.L. 178 u 179 tal-2026 għandhom ukoll is-suffiss tal-Gazzetta u HTML. Il-verżjoni konsolidata law/MT/mt:eli/sl/371.23/20251118/mlt turi Regolamenti dwar Banking Act (Consumer Credit) <Br><I> Għadhom mhux fis-seħħ. Hawnhekk it-tag jifred it-titolu minn nota ta’ status li wkoll m’għandhiex tkun parti mit-titolu kanoniku.
It-titolu uffiċjali għandu jibqa’ stabbli anki jekk l-istatus jinbidel minn “għadu mhux fis-seħħ” għal “fis-seħħ”. Inkella l-istess familja tidher li għandha titolu ġdid kull darba li jinbidel l-istatus.
Il-problema tinsab fil-body kollu?
Mhux primarjament. Fil-każijiet eżaminati, it-test tal-Gazzetta fetched għandu headers u captions nodfa biżżejjed biex jiġi identifikat l-istrument. Il-markup jidher fil-qasam maħżun tat-titolu u fil-prodotti li jerġgħu jużawh.
Dan jissuġġerixxi l-katina li ġejja:
- crawler jew parser jaqra entry minn paġna ta’ lista jew metadata HTML;
- jieħu l-
innerHTMLjew string mhux sanitizzata minflok it-test nadif; - jgħaqqad titolu, nota tal-lingwa u ċitazzjoni tal-Gazzetta;
- jaħżen kollox fil-qasam
title; - l-index, search result, fetch heading u UI jirtu l-istess string.
Defensive HTML stripping fil-MCP jew frontend jista’ jagħmel il-wirja aktar nadifa, iżda ma jneħħix it-tokens mniġġsa mill-index jew mill-embeddings. Lanqas ma jifred b’mod affidabbli t-titolu miċ-ċitazzjoni tal-Gazzetta. Għalhekk għandu jkun saff ta’ protezzjoni, mhux is-soluzzjoni ewlenija.
Kif ġie ppruvat li l-markup huwa indiċizzat?
Tfittxija keyword għal "P Class=Msonormal" fil-liġijiet Maltin irritornat 20 minn 20 riżultat fl-ewwel paġna, hasMore:true u total approssimattiv 80. Is-snippets kienu derivati minn paradedb_title, mhux mill-body.
L-eżempji kienu jkopru snin u strumenti differenti u użaw varjanti bħal:
<BR><I>;<Br><I>;<p class=MsoNormal>;<P Class=Msonormal>.
It-total kien totalIsExact:false, għalhekk 80 mhuwiex għadd eżatt tal-korpus. Madankollu l-ewwel 20 riżultat huma biżżejjed biex jippruvaw problema sistemika u l-fatt li t-tags saru searchable content.
Utenti ma għandhomx għalfejn ikunu jistgħu jfittxu “Msonormal” bħala suġġett legali. Token bħal dan jista’ wkoll jaffettwa similarity u clustering, għax ħafna strumenti mhux relatati jaqsmu l-istess boilerplate.
It-titolu nadif għadu jista’ jinstab?
Iva għall-eżempji ttestjati. Il-frażi nadifa "Financial Institutions Act (Consumer Credit) Regulations, 2026" sabet eżattament l-A.L. 177, fl-ewwel post u b’relevance qawwija. Il-frażijiet tal-2025 sabu l-A.L. 265 u 266 rispettivament.
Dan jiġri għax il-kliem tat-titolu uffiċjali jibqa’ parti mill-string twil. Għalhekk ma ġiex osservat false negative għal dawn it-tliet strumenti. Iżda l-output jibqa’ mniġġes, u exact display matching jista’ jkun imprevedibbli minħabba kapitalizzazzjoni u spacing differenti tat-tags.
Barra minn hekk, tfittxija ġenerika Consumer Credit Regulations ħalliet barra l-L.S. 378.12 u ppreferiet Avviżi Legali. Dan juri li titoli mniġġsa u familji mhux marbuta jistgħu jaffettwaw mhux biss il-wirja iżda wkoll liema tip ta’ dokument jikseb prijorità.
Kif għandu jidher il-mudell korrett?
Għal kull Avviż Legali jew L.S. għandhom jinżammu oqsma separati:
canonicalTitle: caption legali nadif;displayTitle: titolu lokalizzat nadif għall-UI;numberYear: pereżempju177/2026;gazetteNumberugazetteDate;languageAvailability;statusu d-data tal-bidu;officialUrl;rawSourceTitle: string oriġinali għall-awditjar biss.
In-normalizzazzjoni għandha tneħħi tags HTML, tiddekodifika entities, tgħaqqad whitespace u tissepara noti tal-lingwa, tal-Gazzetta u tal-istatus. Għandha tippreferi caption uffiċjali mill-body meta l-paġna ta’ lista tħallat diversi oqsma.
Wara li jiġu kkoreġuti r-rekords, irid jerġa’ jinbena l-index. Inkella Msonormal, English Version only u ċ-ċitazzjonijiet tal-Gazzetta jibqgħu jinfluwenzaw ranking u embeddings minkejja UI nadifa.
X’għandu jagħmel riċerkatur sadanittant?
- Uża n-numru tal-Avviż Legali jew l-ELI/sourceRef biex tidentifika l-istrument.
- Ħu t-titolu uffiċjali mill-caption tal-body jew minn legislation.mt.
- Neħħi tags u nota tal-Gazzetta meta tiċċita, iżda żomm in-numru u d-data f’oqsma separati.
- Tikkunsidrax
<Br>,<I>jewMsonormalbħala parti mill-isem legali. - Iċċekkja l-caption tal-body jekk search u fetch heading juru l-istess titolu mniġġes.
- Għall-familja konsolidata, issepara t-titolu min-nota “għadu mhux fis-seħħ”.
Konklużjoni
- It-tags HTML mhumiex parti mit-titoli legali Maltin.
- L-ingest żamm metadata HTML ta’ lista bħala titolu kanoniku jew ta’ wirja.
- Il-bodies uffiċjali eżaminati għandhom captions nodfa li jistgħu jintużaw għall-backfill.
- Search title, snippet u fetch H1 jerġgħu jużaw l-istess titolu mniġġes.
- Il-markup huwa indiċizzat u l-problema taffettwa ħafna aktar minn tliet strumenti tal-kreditu.
- Titoli nodfa għadhom jinstabu, iżda l-precision, il-wirja, iċ-ċitazzjonijiet u l-embeddings huma degradati.
- It-tiswija trid issir fl-ingest, segwita minn backfill u rebuild tal-index; sanitizzazzjoni tal-UI biss mhix biżżejjed.
Sorsi
This article provides general legal information, not advice for a specific matter. Laws, facts and procedural deadlines may change the result. Follow the linked primary sources and obtain local advice before acting.