Fulltext-versionen¶

Officiell källa¶

Regeringskansliet (rkrattsbaser.gov.se och även beta.rkrattsbaser.gov.se)

Erbjuder de ett öppet API?¶

❌ Nej

Alternativa källor¶

Privat API¶

Den senaste versionen av Regeringskansliets rättsdatabas har ett grymt privat API. Viktigt ändå att veta att texten som går att hämta där måste formatteras om. Vissa radbrytningar måste tas bort, formattering för de olika rubriker och listor måste återskapas, och det finns inga länkar mellan texterna även när de refererar till varandra. Därfor kan det vara värt att hämta från en källa som har gjort det arbetet.

Se sidan om Regeringskansliets rättsdatabaser för förklaringar och kodexempel.

Riksdagens öppna data¶

Se den relevanta sidan.

I Riksdagens öppna data hittar man såklart svenska författningar. De går att ladda ner som text eller HTML. Observera att text-versionen är mycket närmare Regeringskansliets med radbrytningar och inga rubriker. I HTML-versionen har Riksdagsförvaltningen försökt att slå ihop linjer som tillhör samma paragraf och att återskapa rubriker.

lagen.nu¶

Se den relevanta sidan.

Lagen.nu erbjuder kanske den mest kompletta versionen av svenska författningssamlingen. Utöver en justering i textens format har Staffan även sett till att inkludera metadata för många delar av texten: referenser i samma eller andra författningar, författningskommentarer. Lagen.nu bevarar även tidigare versioner när en författning ändras, medan de andra aktörerna enbart tillgängliggör den senaste versionen som fulltext.

Problemet är dock att lagen.nu har väldigt lite dokumentation för sitt API och metadatan sitter i ett XML-format som kan vara svårt att ta sig an.

SE-lex¶

Se den relevanta sidan.

open-sfs¶

open-sfs är ett litet projekt som försöker att samla alla författningar i både fulltext-version och tryckt version.

Projektet använder paketet python-sfs men nya uppgifter uppdateras idag inte automatiskt.

Här är ett enkelt Python-skript som laddar ner och extraherar fulltext-versioner från kolumnen "text" i datamängden direkt från HuggingFace. Observera att filen ännu inte är optimerad för att laddas inkrementalt så du kommer behöva 4Gb minnesutrymme och 8Gb RAM.

from datasets import load_dataset

dataset = load_dataset(
    "PierreMesure/open-sfs",
    columns=["beteckning", "text"],
)