[dsm][HTML] namespace inválido (w) em XML impede de lidar com o XML

[robertatakenaka]

Descrição do problema

Descreva de forma clara e objetiva o problema relatado.

Passos para reproduzir o problema

1. Acesse o dsteste
2. Execute

cat /mnt/vol_dsteste/migracao/html_migracao/2013/logs/convert.log | grep ERR | grep "Could not convert file"

3. Observe o erro apresentado

Exemplo:

<place w:st="on">Washington: American Psychiatric Association; 1994.</place>

<ref id="B5">
        <label>5</label>
        <mixed-citation>5. American Psychiatric Association. Diagnostic and statistical manual of mental disorders, fourth edition: DSM-IV. <place w:st="on">Washington: American Psychiatric Association; 1994.</place></mixed-citation>
        <element-citation publication-type="book">
          <source>Diagnostic and statistical manual of mental disorders, fourth edition: DSM-IV</source>
          <date>
            <year>1994</year>
          </date>
        </element-citation>
      </ref>

Comportamento esperado

Não sei dizer qual é o comportamento esperado, minimamente é não existir o namespace w:.
No entanto, sugiro investigar os casos em que ocorreu o namespace para saber a origem e então decidimos o que deve ser feito. Seria <place> uma tag do HTML ou do "Word"?
SErá que isso só ocorreu dentro de mixed-citations?

Screenshots ou vídeos

n/a

Anexos

n/a

Ambiente utilizado

dsteste ao migrar HTML 2013

[joffilyfe]

@robertatakenaka neste exemplo me parece que o atributo tem alguma relação com o programa que definiu essa tag <place>. Eu já vi o mesmo erro quando estava fazendo a carga de algumas citações no article meta, na época eu tomei a liberdade de converter o namespace em algo assim w-st, dessa forma o dado é mantido mas com outra semântica. Eu também busquei na internet sobre esse namespace e não consegui encontrar nenhuma informação relevante.

@robertatakenaka você acha que poderíamos adotar a mesma estratégia aqui?

[robertatakenaka]

Não ocorre somente em mixed-citation, mas sim em outras partes do body.
Verificar S0001-37652010000400028. Isso impede o término da conversão.

[robertatakenaka]

Em html_migracao/1981/source/S0004-282X1981000400015.xml

<p>Não há setor da Neurologia <personname productid="em que Alajouanine" w:st="on">em que Alajouanine</personname>

Finaliza a conversão com sucesso, no entanto não é possível empacotar:

<personname productid="em que Alajouanine" w:st="on">em que Alajouanine</personname>

Porque fica mal formado após conversion

[robertatakenaka]

Migração de 30 documentos