Descarregar sites que utilizam Doxygen

Sobre Doxygen

Não há nada a correr quando detetamos Doxygen, e há já algum tempo que não há. O que encontramos é o resíduo de um programa que terminou o seu trabalho muito antes da página ser pedida. A documentação é gerada na máquina de um programador ou dentro de uma cadeia de compilação, e o HTML que produz é copiado para um servidor web que não faz ideia do que o criou.

A ferramenta existe desde 1997 e cresceu junto dos projetos em C++ que foi escrita para documentar. A referência de API gerada, as hierarquias de classes, os grafos de chamadas e as listagens de ficheiros trazem todos uma estrutura reconhecível, e é essa estrutura, e não qualquer comportamento do servidor, que a nossa impressão digital identifica. Uma ocorrência significa por isso uma coisa muito concreta. Algures neste domínio, uma equipa de engenharia publicou documentação gerada por máquina para uma base de código.

Registamos 18 versões distintas no terreno, e 1.8.13 é a compilação que uma página detetada típica reporta. A versão gravada na saída gerada é um fóssil e não um relatório de estado, porque regista a máquina que executou o gerador no dia em que a documentação foi construída e nada diz sobre o site de hoje. Uma página que reporta uma compilação antiga é uma página cuja documentação não voltou a ser gerada desde então, o que faz da coluna de versão um indicador aproximado de quando um projeto publicou documentação pela última vez, e não daquilo que o projeto usa agora.

A ferramenta é publicada com licença GPL v2 e os nossos dados não nomeiam qualquer fornecedor, o que se ajusta à natureza da coisa. Software deste género espalha-se por ser acrescentado a um script de compilação e não por ser vendido, e aparece onde quer que a cultura à volta escreva comentários de documentação no código. Sites de projetos de código aberto, páginas de universidades e laboratórios, fabricantes de hardware que publicam material de referência para as suas bibliotecas e portais internos de engenharia que por acaso estão acessíveis do exterior caem todos no mesmo grupo.

Em outubro de 2026 a impressão digital está visível em 58 sites, e a população que define é restrita e útil. Um domínio presente nesse ficheiro pertence muito provavelmente a uma organização que escreve código, publica uma interface ou distribui uma biblioteca, o que é um filtro mais preciso do que uma classificação setorial costuma conseguir. Os fornecedores de ferramentas para programadores à procura de projetos com que integrar, os recrutadores que mapeiam organizações de engenharia e os investigadores que estudam as práticas de documentação no código aberto querem exatamente esse filtro.

Aplicam-se dois limites. A documentação reside muitas vezes num subdiretório ou num subdomínio de documentação, pelo que uma contagem por domínio subestima quantos projetos distintos estão representados e deixa várias bases de código sem relação entre si partilhar uma única linha. As páginas geradas também sobrevivem aos projetos que as produziram, pelo que uma ocorrência é prova de que houve documentação publicada e não de que alguém ainda a mantém. Os dois limites apontam para a mesma conclusão. O valor do ficheiro é a população que isola, e perguntar um endereço de cada vez nunca conseguirá reunir essa população, porque seria preciso saber a resposta antes de poder fazer a pergunta.