適用對象

逐字擷取法規的條文

法規、服務條款和官方指引會在沒有通知的情況下改變。帶有來源網址和頁面宣告日期的 Markdown 副本，就是一份紀錄，說明你讀到它的那天，條文寫的是什麼。

當措辭本身就是事實

供應商更新了條款、指引重新發布、入口網站以新的編號重新刊登某個條文，而你提供意見時依據的版本，已經不在那個網址了。截圖擷取的是可視範圍，不是文件。列印成 PDF 會帶進 Cookie 橫幅，卻漏掉門檻表格。通用轉換器處理過的頁面，條款編號則被攤平成普通段落。

真正重要的細節，恰恰是轉換最容易破壞的。某個儲存格裡有清單時，費用表就會崩壞。註腳變成指回你已離開頁面的失效錨點。款、目的字母編號併入上一段。結果讀起來仍然合理，這比明顯的失敗更糟，因為沒有任何跡象顯示結構已經跑掉。

還有一個問題：頁面在變成你的檔案的途中經過了哪裡。把頁面內容送到伺服器轉換的擷取工具，等於在你閱讀的那一刻，把你正在讀的東西送給第三方；而律師在讀什麼，本身就是關於客戶的資訊。Clean Web Clipper 不上傳它讀取的任何內容，也不會在你閱讀的網站上要求任何權限，所以它只能讀取你點擊的那個分頁，而且只在你點擊的時候。它寫出的檔案也不綁定任何廠商，多年後案件卷宗仍須能打開時，這一點又會變得重要。

轉換後保留下來的東西

• 逐字保留的文字：文章內文中沒有任何內容被摘要、改寫或重新排序。
• 來源網址和頁面宣告的發布日期放在每則筆記的 frontmatter 中。
• 費用、期限和門檻表格由擴充功能自己序列化：技術語料上保留了 15 個中的 12 個，比較的引擎各保留 7 個。
• 註腳和參考連結變成 [^1] 定義，放在筆記結尾，而不是失效的錨點。
• 編號和字母清單保留巢狀層級，條款結構依然清楚可讀。
• 檔案留在你自己的磁碟上：沒有上傳、沒有帳號，整個流程中沒有任何第三方。
• 不會在你閱讀的網站上要求任何權限，所以擴充功能只能在你點擊的那一刻讀取一個分頁，無從觀察你的瀏覽行為。
• 同一條文的第二次擷取絕不會取代第一次。檔名衝突時加上數字後綴，所以先前的措辭會留在卷宗中供比對。

• 這些數字從哪裡來：實測數據頁面，附引擎版本與日期

---
title: "Regulation (EU) 2016/679: Article 17"
source: "https://eur-lex.europa.eu/eli/reg/2016/679/oj"
date: "2016-04-27"
extraction: "dom"
---

## Article 17 – Right to erasure ('right to be forgotten')

1.  The data subject shall have the right to obtain from the controller the
    erasure of personal data concerning him or her without undue delay where
    one of the following grounds applies:

    (a) the personal data are no longer necessary in relation to the purposes …
    (b) the data subject withdraws consent on which the processing is based …

為案件卷宗設定擷取

以下設定假設這個檔案多年後會由當時不在場的人閱讀。這和明天自己看，是不同的要求。

1. 從擴充功能圖示開啟選項，把存放位置設為該案件文件所在的資料夾。在子資料夾欄位填入案件編號；換到下一件案件時，只要改這一個欄位。
2. 把按下圖示的動作保留為預覽視窗。對法律資料來說，這兩秒值得花：條款編號和費用表正是轉換會破壞的東西，而你能在檔案產生之前在這個視窗裡看到它。
3. 把檔名範本設為 {date}-{domain}-{title}。同一條文出現在四個網址時，擷取日期和發布機關就是辨識版本的依據。
4. 開啟每一個 frontmatter 欄位，包括 extraction。一則記錄文字來自呈現頁面而非結構化資料的筆記，正是那種能回答問題、而不是引發問題的細節。
5. 把圖片設為略過。在官方頁面上，圖片不過是徽章、分享按鈕和本來就沒有文字的圖表，而案件卷宗中壞掉的圖片連結，看起來像是缺了什麼，而不是本來就沒擷取。
6. 把條文頁面和「生效日」或版本登陸頁分成兩次擷取。它們帶有不同的日期，而版本頁往往是唯一出現生效日期的地方。
7. 在每個複查日期重新擷取同一個頁面。第二個檔案會加上數字後綴，任何差異比對工具就能顯示你提供意見時的版本和現行版本之間改了什麼。

法律資料的設定

這些和預設值的差別主要在於謹慎：歸檔前先核對、記錄擷取路徑，並且絕不讓第二次擷取覆寫第一次。

## Schedule 2 – Fees payable

| Application                     | Fee     | Deadline        |
| ------------------------------- | ------- | --------------- |
| Initial registration            | £170[^1]| 28 days         |
| Each additional class           | £50     | with the filing |
| Late renewal                    | £50[^2] | 6 months        |

[^1]: £200 where the application is not filed through the online service.
[^2]: In addition to the renewal fee itself.

三種實際用途

供應商條款的修改前後

你在提供意見的那天擷取了供應商的服務條款。十一個月後，責任上限條款的寫法變了，網站上沒有公布任何版本紀錄，也沒有通知客戶。

因為第二次擷取加上了數字後綴而不是覆寫，兩個檔案都在案件資料夾中，差異比對工具會把修改過的條款印成可以附在備忘錄裡的形式。要從截圖重建這件事，就得把兩張圖片並排讀，然後祈禱沒看漏。

保留註腳的收費表

一個官方收費頁面有一張三欄表格，其中兩個金額附有註腳標記，註腳文字在頁面底部。表格以表格形式擷取，參考連結變成集中在筆記結尾的 [^1] 和 [^2] 定義。

註腳正是通用轉換器會弄丟的部分，因為參考連結依賴的元素 id 會被清理程式移除。這裡會在清理程式執行之前先收集它們；這個順序上的細節，決定了費用的但書能不能保留下來。

以新編號重新發布的指引

主管機關重新發布指引，段落重新編號，其中兩段被合併。你有先前的擷取，所以給客戶的備忘錄可以說明舊文的哪一段變成新文的哪一部分，並同時引用兩者。

網址沒變，頁面也只顯示目前的狀態，所以沒有擷取就沒有東西可比對。發布機關自己的封存可能留有副本，也可能沒有，而這個檔案的意義，就是不必在時間壓力下去確認。

和一般保存頁面的方式相比

這張表最重要的是最後一列。這個工具是工作紀錄，不是證據，而在這個區別重要的場合，它非常重要。

轉換結果不乾淨時

登記簿或搜尋頁傳回「沒有文章」

文件登記簿、判決搜尋或結果清單大多是連結文字，而擴充功能會拒絕任何擷取出的字元有超過約四分之一位於連結中的頁面。打開文件本身再擷取。這種拒絕是刻意的：案件卷宗中裝著三百個被標為條文的連結文字，比空的還糟。

條款編號不見了

先確認頁面的文字中到底有沒有這些編號。網站正確標記有序清單時，巢狀層級和編號都會保留。編號是由樣式表畫出來的（產生的計數器，而不是文件中的字元）時，文字中就沒有東西可擷取，任何擴充功能都讀不到只以呈現指令存在的數字。解決方法是擷取帶有真正編號的文件版本，通常是列印版或「純文字」檢視。

正式版本是 PDF

那這就不是適合它的工具。擴充功能轉換的是呈現後的 HTML，而大量官方資料只以 PDF 發布。條文兩種形式都有時，擷取 HTML 並把 PDF 放在旁邊；只有 PDF 時，保留 PDF，並擷取登陸頁，至少把網址和日期留在卷宗裡。

日期欄位是空的，或顯示的是修正日期

擴充功能只記錄頁面在自己的標記中宣告的日期，其他一概不記。許多官方頁面沒有宣告日期，欄位會留空，而不是填上你閱讀的那天。另一些頁面宣告的是最後修正日期，而不是首次發布日期。這是頁面對自己的描述，照樣重複而不加解釋。網站若公布生效日期，通常在版本頁上，而不是條文頁上。

它不主張的事

它不是經過認證的封存：沒有第三方時間戳記，也沒有簽章，所以檔案記錄的是你存下了什麼，而不是向任何人證明這件事。它不讀 PDF，而大量官方資料正是以 PDF 發布。它不做解釋、不擷取條款、也不追蹤修正。它只轉換頁面。在文件登記簿或搜尋結果頁上沒有文章內文，所以它會回報「沒有文章」，而不是傳回一串連結。

常見問題