Хотя читают все всё в интернете, серьезные люди для серьезных целей (цитирование в академических работах и т.п.) пользуются сертифицированными источниками (напр. Eastview и Integrum для русской периодики). Традиционно эти базы данных отражали бумажные версии, по настоящему интересно что происходит сейчас.

Кстати, никогда не задумывался, как они это делают. Неужели в лоб сканируют бумажные выпуски, игнорируя веб?

Насколько я понимаю, многие из таких западных компаний пропустили этап сканирования полностью. Т.е., начинали они с ручного набора (до OCR), а потом перешли на файлы, получаемые от издателей (до интернета). Думаю, что для западных газет они (ЛексисНексис, Фактива и т.д.) используют издательские файлы, соответствующие бумажным версиям, что происходит с русскими газетами я не знаю.

И сканят, и получают файлы с верстки - в зависимости от наличия соответствующих договоров с редакциями. С веб-версиями не работают.

Рассказываю на примере public.ru (был у них на семинаре)

Мне приходится плотно работать с Integrum'oм, база данных по центральным газетам. Так вот, материалы до 1995 - просто тихий ужас. Обрезанные заголовки, автоматически сгенерированные выжимки вместо полнотекстовой версии статей, примерно 30% просто отсутствуют (пришлось вручную пересматривать микрофильмы соотвествующих изданий).
Насчет бумажных версий. Не уверен, т.к. в моей выборке присутствуют и те и другие (т.е. две версии одной и той же статьи, но указано, что вторая вышла в эл. версии газеты). Для некоторых газет (в частности, Сегодня), эти версии еще и не идентичны, но пока (материал в процессе обработки), я не заметил "злого умысла", т.е. правка не носит явно выраженный идеологический характер. Оттого я был просто потрясен вашим примером.