-
Notifications
You must be signed in to change notification settings - Fork 0
/
dsd.py
2356 lines (1987 loc) · 91.7 KB
/
dsd.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
import csv
import requests
import time
import os
from unicodedata import normalize
###revisto
def adicionar (nomedoarquivo, dados):
arquivo = open(nomedoarquivo, 'a', encoding='utf-8')
arquivo.write(dados)
arquivo.close
def csv_to_list (file):
csv.field_size_limit(16777216)
lista = []
with open(file, encoding='utf-8') as csv_file:
csv_reader = csv.reader(csv_file, delimiter=',')
for row in csv_reader:
lista.append(row)
return (lista)
def limpar(fonte):
fonte = fonte.replace('\n',' ')
fonte = fonte.replace(' ',' ')
fonte = fonte.replace(' ',' ')
fonte = fonte.lstrip(' ')
fonte = fonte.lstrip(' ')
fonte = fonte.lstrip(' ')
fonte = fonte.lstrip(' ')
fonte = fonte.lstrip(' ')
fonte = fonte.lstrip(' ')
fonte = fonte.lstrip('"')
fonte = fonte.lstrip('>')
fonte = fonte.replace(' ',' ')
fonte = fonte.replace('\t', '')
fonte = fonte.replace('/#','')
fonte = fonte.strip(' ')
fonte = fonte.strip(' ')
fonte = fonte.strip('-')
fonte = fonte.strip(' ')
fonte = fonte.strip(' ')
fonte = fonte.strip(' ')
return fonte
def limpar_tudo (fonte):
fonte = fonte.replace('\n',' ')
fonte = fonte.replace(' ',' ')
fonte = fonte.replace(' ',' ')
fonte = fonte.lstrip(' ')
fonte = fonte.lstrip(' ')
fonte = fonte.lstrip(' ')
fonte = fonte.lstrip(' ')
fonte = fonte.lstrip(' ')
fonte = fonte.lstrip(' ')
fonte = fonte.lstrip('"')
fonte = fonte.lstrip('>')
fonte = fonte.replace(' ',' ')
fonte = fonte.replace('\t', '')
fonte = fonte.replace('/#','')
fonte = fonte.strip(' ')
fonte = fonte.strip(' ')
fonte = fonte.strip('-')
fonte = fonte.strip(' ')
fonte = fonte.strip(' ')
fonte = fonte.strip(' ')
fonte = fonte.replace('\r','|')
fonte = fonte.replace('|||||','|')
fonte = fonte.replace('||||','|')
fonte = fonte.replace('|||','|')
fonte = fonte.replace('||','|')
fonte = fonte.strip('|')
return fonte
def get (url):
user_agent = {'User-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36'}
html = requests.get(url, headers = user_agent)
html.encoding = 'utf-8'
html = html.text
return html
def get_CC (url):
user_agent = {'User-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36'}
html = requests.get(url, headers = user_agent)
html.encoding = 'utf-8'
html = html.text
html = extrair (html,
'<div class="titulo-formulario">',
'<section id="mapa-do-site">')
return html
def gravar (nomedoarquivo, dados):
arquivo = open(nomedoarquivo, 'w', encoding='utf-8')
arquivo.write(dados)
arquivo.close
def write_csv_header (nomedoarquivo, string_campos):
string_campos = string_campos.replace('\n','')
lista_de_campos = string_campos.split(',')
if nomedoarquivo in os.listdir():
arquivoaberto = open(nomedoarquivo, mode='r+',
encoding="utf-8", newline='')
html = arquivoaberto.read()
arquivoaberto.close()
if lista_de_campos[0] not in html[:100]:
arquivoaberto = open(nomedoarquivo, mode='w',
encoding="utf-8", newline='')
arquivoaberto_csv = csv.writer(arquivoaberto, delimiter=',')
arquivoaberto_csv.writerow(lista_de_campos)
arquivoaberto.close()
else:
arquivoaberto = open(nomedoarquivo, mode='w',
encoding="utf-8", newline='')
arquivoaberto_csv = csv.writer(arquivoaberto, delimiter=',')
arquivoaberto_csv.writerow(lista_de_campos)
arquivoaberto.close()
def write_csv_row (nomedoarquivo,dados):
if dados != []:
arquivoaberto = open(nomedoarquivo, mode='a+', encoding="utf-8", newline='')
arquivoaberto_csv = csv.writer(arquivoaberto, delimiter=',', quotechar = '"')
arquivoaberto_csv.writerow(dados)
arquivoaberto.close()
def write_csv_rows (nomedoarquivo, dados):
if dados != []:
arquivoaberto = open(nomedoarquivo, mode='a+',
encoding="utf-8", newline='')
arquivoaberto_csv = csv.writer(arquivoaberto, delimiter=',', quotechar = '"')
arquivoaberto_csv.writerows(dados)
arquivoaberto.close()
### a rever
def position1(list):
return(list[1])
def csv_to_list_general (file):
csv.field_size_limit(16777216)
lista = []
with open(file) as csv_file:
csv_reader = csv.reader(csv_file, delimiter=',')
for row in csv_reader:
lista.append(row)
return (lista)
def csv_to_list_titles(file):
csv.field_size_limit(16777216)
lista = []
with open(file, encoding='utf-8') as csv_file:
csv_reader = csv.reader(csv_file, delimiter=',')
for row in csv_reader:
lista.append(row)
n_campos = len(lista[0])
for campo in range (n_campos):
tipo = str(campo) + ':string:'
integral = 0
amostra = len(lista)//10
for n in range (amostra):
objeto = lista[n][campo]
if objeto != '' and objeto[0] == '[':
tipo = str(campo) + ':lista:'
if objeto[1] == '[':
tipo = str(campo) + ':lista2:'
try:
int(objeto)
except ValueError:
integral = integral + 1
if integral == 1:
tipo = str(campo) + ':int:'
lista[0][campo] = tipo + str(lista[0][campo])
print (f'Campo {campo} = {str(lista[0][campo])}')
for campo in range (n_campos):
for linha in lista[1:]:
if 'int:' in lista[0][campo]:
linha[campo] = int(linha[campo])
if 'lista:' in lista[0][campo]:
linha[campo] = linha[campo][1:-1]
# linha[campo] = linha[campo][',']
if 'lista2:' in lista[0][campo]:
linha[campo] = linha[campo][2:-2]
linha[campo] = linha[campo].split('], [')
for n in range (len(linha[campo])):
linha[campo][n] = linha[campo][n].replace("'",'')
linha[campo][n] = linha[campo][n].replace(", ",',')
linha[campo][n] = linha[campo][n].split(',')
return (lista)
def remover_acentos(txt):
return normalize('NFKD', txt).encode('ASCII', 'ignore').decode('utf-8')
def extrair(fonte,MarcadorInicio, MarcadorFim):
if MarcadorInicio not in fonte:
return 'NA'
else:
inicio = fonte.find(MarcadorInicio) + len(MarcadorInicio)
fim = fonte.find(MarcadorFim, inicio)
if MarcadorFim == '' or fim == -1:
return fonte[inicio:]
elif MarcadorInicio == '':
return fonte[:fim]
else:
return fonte[inicio:fim]
def extrair_campo_lista (string, split, lista_inicio_fim):
# define o número de elementos a serem extraídos
n_elementos= string.count(split)
# cria uma lista (dados) com os dados da string, segmentada no split
elementos = string.split(split)
elementos = elementos[1:]
# imprime o número de elementos a serem extraídos
# print (str(n_elementos) + ' elementos')
#define a lista que será retornada como resultado
campo_lista = []
# iteração sobre cada um dos n elementos
for item in range(n_elementos):
# carrega na variável campo um elemento de cada vez
campo = elementos[item]
# print (campo)
# redefine a lista elemento_lista
elemento_lista = []
# insere no elemento o número de ordem, iniciando em 1
elemento_lista.append(['ORDEM', str(item+1)])
# identifica os atributos de cada elemento
for elemento in range(len(lista_inicio_fim)):
# extrai os marcadores da lista
marcadores = lista_inicio_fim[elemento]
atributo = marcadores[0].upper()
inicio = marcadores[1]
fim = marcadores[2]
# extrai o atributo a partir dos marcadores
dado = ''
dado = extrair(campo, inicio, fim)
dado = limpar(dado)
dado = limpar(dado)
dado = remover_acentos(dado)
elemento_lista.append([atributo, dado.upper()])
# acrescenta o elemento extraído na lista que compõe o campo
campo_lista.append(elemento_lista)
# retorna a lista de elementos como resultado função
return campo_lista
def ajustar_nome(string):
string.strip()
trocar1 =[['ASSOC ','ASSOCIACAO '],
['GONGRESSO NACIONAL','CONGRESSO NACIONAL'],
['REPUBICA','REPUBLICA'],
['PROCURADOR GERAL','PROCURADOR-GERAL'],
['REUBLICA','REPUBLICA'],
['GONGRESSO','CONGRESSO'],
['(','- '],
[')',''],
[' ',' '],
['MINISTRA','MINISTRO'],
['PRO-BELEZA','PROBELEZA'],
['VICE-GOV','V.GOV'],
['VICE PRESIDENTE','VICE-PRESIDENTE'],
['VICE-PRE','V.PRE'],
['CORREGEDOR-GERAL','CORR.GERAL'],
['CORREGEDORIA-GERAL','CORR.GERAL'],
['CORREGEDORIAGERAL','CORR.GERAL'],
['CORREGEDORIADA','CORR.GERAL DA'],
['ARCO-IRIS','ARCOIRIS'],
['TRT - ','TRT '],
['REGIAO -','REGIAO'],
['MATO-GROSSENSE','MATOGROSSENSE'],
['TRT - ','TRT '],
['CONSTAS ','CONTAS'],
['J.G.A.C.','JOSE GABRIEL AVILA CAMPELLO'],
['/DO ','/'],
['-',' - '],
[' ',' '],
[' ',' '],
[']',''],
['- ME',''],
['S/A','S.A.'],
['LTDA.','LTDA'],
['PREFEITA','PREFEITO'],
['PREFEITO DO MUNICIPIO','PREFEITO'],
['PREFEITO D', 'PREF. D'],
['PREFEITO MUNICIPAL D','PREF. D'],
['PREFEITURA D','PREF. D'],
['PREFEITURA MUNICIPAL','PREF.'],
['MUNICIPIO D','MUN. D'],
['MINISTRO D','MIN. D'],
['MINISTERIO D','MIN. D'],
['MESA DIRETIVA','MESA DIRETORA'],
['MESA DIRETORA','M.D.'],
['MESA DA','M.D. DA'],
['SENADO FEDERAL','SENADO'],
['JUIZ DE DIREITO','JUIZ'],
['CORREGEDOR ','CORREGEDORIA'],
['CORREGEDORIA ','CORREG. '],
['CAMARA DE VEREADORES','CAMARA MUNICIPAL'],
['CAMARA MUNICIPAL','C.MUN.'],
['C.MUN. DO MUNICIPIO','C.MUN.'],
['CAMPINHAS','CAMPINAS'],
['DE TOCANTINS','DO TOCANTINS'],
['LEGISLTATIVA','LEGISLATIVA'],
['PRO TESTE','PROTESTE'],
['E TV ABERT','E TELEVISAO ABERT'],
['EMPRESARIOS DE RADIO','EMPRESAS DE RADIO'],
['ADEPOL/BRASIL','ADEPOL'],
['MAGISTRADOS DO BRASIL AMB','MAGISTRADOS BRASILEIROS AMB'],
['ANOREG/BR','ANOREG'],
['ANADEP A','ANADEP'],
['DAS DEFENSORAS E DEFENSORES','DAS DEFENSORAS E DOS DEFENSORES'],
['URBANOS NTU','URBANOS'],
['D.G. DA ',''],
['D.G. DO ',''],
['DIRETOR DA ',''],
['DIRETOR DO ',''],
[',',''],
['DP DA UNIAO','DPU'],
['DPU DPU','DPU'],
['DP GERAL','DP.GERAL'],
['DP.GERAL','DP'],
['FED NAC','FED.NAC.'],
['AUXI LIARES','AUXILIARES'],
['/ACRE', '/AC'],
['/ALAGOAS', '/AL'],
['/AMAPA', '/AP'],
['/AMAZONAS', '/AM'],
['/BAHIA', '/BA'],
['/CEARA', '/CE'],
['/DISTRITO FEDERAL', '/DF'],
['/ESPIRITO SANTO', '/ES'],
['/GOIAS', '/GO'],
['/MARANHAO', '/MA'],
['/MATO GROSSO DO SUL', '/MS'],
['/MATO GROSSO', '/MT'],
['/MINAS GERAIS', '/MG'],
['/PARAIBA', '/PB'],
['/PARANA', '/PR'],
['/PERNAMBUCO', '/PE'],
['/PIAUI', '/PI'],
['/RIO DE JANEIRO', '/RJ'],
['/RIO GRANDE DO NORTE', '/RN'],
['/RIO GRANDE DO SUL', '/RS'],
['/RONDONIA', '/RO'],
['/RORAIMA', '/RR'],
['/SANTA CATARINA', '/SC'],
['/SAO PAULO', '/SP'],
['/SERGIPE', '/SE'],
['/PARA', '/PA'],
['/TOCANTINS', '/TO'],
['/ACRE','/AC'],
['/RIO DE JANEIRO','/RJ']
]
for item in trocar1:
string = string.replace(item[0],item[1])
if 'DEMOCRATAS' in string and 'DEM ' in string:
string = 'DEM/PFL'
if 'DEMOCRATAS -' in string:
string = 'DEM/PFL'
if 'DEMOCRATAS' == string:
string = 'DEM/PFL'
if ' SINDICATO ' in string:
string = string[string.find(' SINDICATO ')+1:] + ' ' + string[:string.find(' SINDICATO ')]
if ' SOCIEDADE BRASILEIRA ' in string:
string = string[string.find(' SOCIEDADE BRASILEIRA ')+1:] + ' ' + string[:string.find(' SOCIEDADE BRASILEIRA ')]
substituir = [
['PROCURADOR - GERAL DA REPUBLICA','PGR'],
['PROCURADOR GERAL DA REPUBLICA','PGR'],
['PROCURADORA - GERAL DA REPUBLICA','PGR'],
['PROCURADORIA - GERAL DA REPUBLICA','PGR'],
['CONSELHO FEDERAL DA ORDEM DOS ADVOGADOS DO BRASIL','OAB'],
['PARTIDO PROGRESSISTA','PP'],
['PARTIDO COMUNISTA DO BRASIL','PC DO B'],
['PARTIDO COMUNISTA BRASILEIRO','PCB'],
['PARTIDO DA FRENTE LIBERAL','DEM/PFL'],
['PARTIDO DA MOBILIZACAO NACIONAL','PMN'],
['PARTIDO DA MULHER BRASILEIRA','PMB'],
['REEDIFICACAO DA ORDEM NACIONAL','PRONA'],
['PARTIDO DA REPUBLICA','PR'],
['DEMOCRACIA BRASILEIRA','PSDB'],
['PSDB','PSDB'],
['DEMOCRATA CRISTAO','PDC'],
['PARTIDO DEMOCRATICO TRABALHISTA','PDT'],
['PARTIDO DO MOVIMENTO DEMOCRATICO','PMDB'],
['TRABALHADORES DO BRASIL','PT DO B'],
['PARTIDO TRABALHISTA DO BRASIL','PT DO B'],
['PARTIDO DOS TRABALHADORES','PT'],
['PARTIDO HUMANISTA DA SOLIDARIEDADE','PHS'],
['PARTIDO LIBERAL','PL'],
['PARTIDO POPULAR SOCIAL','PPS'],
['PARTIDO PROGRESSISTA BRASILEIRO','PPB'],
['PARTIDO PROGRESSISTA REFORMADOR','PPR'],
['PARTIDO PROGRESSISTA','PP'],
['RENOVADOR TRABALHISTA BRASILEIRO','PRTB'],
['PARTIDO REPUBLICANO BRASILEIRO','PRB'],
['REPUBLICANO DA ORDEM SOCIAL','PROS'],
['PARTIDO REPUBLICANO PROGRESSISTA','PRP'],
['PARTIDO SOCIAL CRISTAO','PSC'],
['PARTIDO SOCIAL DEMOCRATA CRISTAO','PSDC'],
['PARTIDO SOCIAL DEMOCRATICO','PSD'],
['PARTIDO SOCIAL LIBERAL','PSL'],
['PARTIDO SOCIAL TRABALHISTA','PST'],
['SOCIALISMO E LIBERDADE','PSOL'],
['PARTIDO SOCIALISTA BRASILEIRO','PSB'],
['PARTIDO SOCIALISTA DO BRASIL','PSB'],
['PARTIDO SOCIALISTA DOS TRABALHADORES UNIFICADO','PSTU'],
['PARTIDO TRABALHISTA BRASILEIRO','PTB'],
['PARTIDO TRABALHISTA CRISTAO','PTC'],
['PARTIDO TRABALHISTA NACIONAL','PTN'],
['PARTIDO TRABALHISTA RENOVADOR','PTR'],
['PARTIDO MUNICIPALISTA BRASILEIRO','PMB'],
['PARTIDO NACIONAL DOS APOSENTADOS','PNA'],
['PARTIDO VERDE','PV'],
['PODEMOS','PODEMOS'],
['CONS.NAC. DE JUSTICA','CNJ'],
['CONGRESSO NACIONAL','CN'],
['TRIBUNAL SUPERIOR ELEITORAL','TSE'],
['SOLIDARIEDADE -','SOLIDARIEDADE'],
['PARTIDO NOVO','PARTIDO NOVO'],
['SUPREMO TRIBUNAL FEDERAL','STF'],
# ['^',''],
['TRIBUNAL SUPERIOR DO TRABALHO','TST'],
['DIRETOR DA RECEITA FEDERAL','RECEITA FEDERAL'],
['DEPARTAMENTO DA RECEITA FEDERAL','RECEITA FEDERAL'],
['SINDIFISCO NACIONAL','SIND.NAC. AUDITORES FISCAIS DA RECEITA FEDERAL DO BRASIL SINDIFISCO NACIONAL'],
['UNIAO GERAL DOS TRABALHADORES','UNIAO GERAL DOS TRABALHADORES UGT'],
['UNIAO NACIONAL DAS INSTITUICOES DE AUTOGESTAO EM SAUDE','UNIAO NACIONAL DAS INSTITUICOES DE AUTOGESTAO EM SAUDE UNIDAS'],
['AL/SAO PAULO ADI 2476 EM APENSO','AL/SAO PAULO'],
['ARTIGO 19 BRASIL','ASSOC. ARTIGO 19 BRASIL'],
['EDUCAFRO','ASSOC. EDUCACAO E CIDADANIA DE AFRO DESCENDENTES E CARENTES EDUCAFRO'],
['TJ DO RIO DE JANEIRO','TJ DO RIO DE JANEIRO'],
['TJ DE SAO PAULO','TJ DE SAO PAULO'],
['TJ DE SANTA CATARINA','TJ DE SANTA CATARINA'],
['TRT 22REG.','TRT 22REG.'],
['OAB','OAB'],
['ABRAMED','ASSOC. BRASILEIRA DE MEDICINA DIAGNOSTICA ABRAMED']
]
for item in substituir:
if item[0] in string:
string = item[1]
if string.find('ASSOCIACAO') > 0 and string.find('-') < 20:
string = string.replace('-','')
string = string.replace(' ',' ')
string = string.replace(' ',' ')
string = string[string.find('ASSOCIACAO'):] + ' - ' + string[:string.find('ASSOCIACAO')]
if string.find('UNIAO D') > 0 and string.find('-') < 20:
string = string.replace('-','')
string = string.replace(' ',' ')
string = string.replace(' ',' ')
string = string[string.find('UNIAO'):] + ' - ' + string[:string.find('UNIAO')]
if string.find('CONFEDERACAO') > 0 and string.find('-') < 20:
string = string.replace('-','')
string = string.replace(' ',' ')
string = string.replace(' ',' ')
string = string[string.find('CONFEDERACAO'):] + ' - ' + string[:string.find('CONFEDERACAO')]
if string.find('FEDERACAO') > 0 and string.find('-') < 20 and 'CONFEDERACAO' not in string:
string = string.replace('-','')
string = string.replace(' ',' ')
string = string.replace(' ',' ')
string = string[string.find('FEDERACAO'):] + ' - ' + string[:string.find('FEDERACAO')]
if string.find('CONSELHO') > 0 and string.find('-') < 20:
string = string.replace('-','')
string = string.replace(' ',' ')
string = string.replace(' ',' ')
string = string[string.find('CONSELHO'):] + ' - ' + string[:string.find('CONSELHO')]
if 'ESTADO DO ' in string[0:12]:
string.replace('ESTADO DO ','')
if 'ESTADO DE ' in string[0:12]:
string.replace('ESTADO DE ','')
if 'ESTADO DA ' in string[0:12]:
string.replace('ESTADO DA ','')
# estados = [[' DO AC','/AC'],
# [' DE AL','/AL'],
# [' DO AP','/AP'],
# [' DO AM','/AM'],
# [' DA BA','/BA'],
# [' DO CE','/CE'],
# [' DO DF','/DF'],
# [' DE GO','/GO'],
# [' DO MA','/MA'],
# [' DO MS','/MS'],
# [' DO MT','/MT'],
# [' DE MG','/MG'],
# [' DA PB','/PB'],
# [' DE PE','/PE'],
# [' DO PI','/PI'],
# [' DO RJ','/RJ'],
# [' DO RN','/RN'],
# [' DO RS','/RS'],
# [' DE RO','/RO'],
# [' DE RR','/RR'],
# [' DE SC','/SC'],
# [' DE SP','/SP'],
# [' DO PA','/PA'],
# [' DE TO','/TO'],
# [' DO TO','/TO'],
# [' DO ES','/ES']]
# for item in estados:
# final = string[-6:0]
# if final == item[0]:
# string = string.replace(item[0],item[1])
# estados2 = [[' DO AC','/AC'],
# [' AL','/AL'],
# [' AP','/AP'],
# [' AM','/AM'],
# [' BA','/BA'],
# [' CE','/CE'],
# [' DF','/DF'],
# [' GO','/GO'],
# [' MA','/MA'],
# [' MS','/MS'],
# [' MT','/MT'],
# [' MG','/MG'],
# [' PB','/PB'],
# [' PE','/PE'],
# [' PI','/PI'],
# [' RJ','/RJ'],
# [' RN','/RN'],
# [' RS','/RS'],
# [' RO','/RO'],
# [' RR','/RR'],
# [' SC','/SC'],
# [' SP','/SP'],
# [' PA','/PA'],
# [' TO','/TO'],
# [' TO','/TO'],
# [' ES','/ES']]
# for item in estados2:
# final = string[-6:0]
# if final == item[0]:
# string = string.replace(item[0],item[1])
string = estado_nome_completo(string)
trocar = [['ASSEMBLEIA LEGISLATIVA DO ESTADO DE ', 'AL/'],
['ASSEMBLEIA LEGISLATIVA DO ESTADO DA ', 'AL/'],
['ASSEMBLEIA LEGISLATIVA DO ESTADO DO ', 'AL/'],
['ASSEMBLEIA LEGISLATIVA DO ESTADO ', 'AL/'],
['ASSEMBLEIA LEGISLATIVA DO ','AL/'],
['ASSEMBLEIA LEGISLATIVA DE ','AL/'],
['ASSEMBLEIA LEGISLATIVA DA ','AL/'],
['ASSEMBLEIA LEGISLATIVA','AL/'],
['CONSELHO FEDERAL', 'CONS.FED'],
['CONSELHO', 'CONS.'],
['TRIBUNAL REGIONAL ELEITORAL','TRE'],
['MINISTERIO PUBLICO','MP'],
['ASSOCIACAO NACIONAL', 'ASSOC.NAC.'],
['ASSOCIACAO', 'ASSOC.'],
['CONFEDERACAO NACIONAL', 'CONF.NAC.'],
['CONFEDERACAO BRASILEIRA', 'CONF.BRAS.'],
['CONFEDERACAO', 'CONF.'],
['DO ESTADO ',''],
['GOVERNADORA','GOVERNADOR'],
['GOVERNADOR DE ','GOV./ '],
['GOVERNADOR DO ','GOV./ '],
['GOVERNADOR DA ','GOV./ '],
['GOVERNADOR E AL/','GOV./'],
['SECRETARIO','SECRETARIA'],
['(0','('],
['(0','('],
['TRIBUNAL REGIONAL DO TRABALHO','TRT'],
['TRIBUNAL REGIONAL FEDERAL','TRF'],
['TRIBUNAL DE JUSTICA','TJ'],
['PROCURADORA','PROCURADOR'],
['PROCURADOR-GERAL DE ','PG/'],
['PROCURADOR-GERAL DO ','PG/'],
['PROCURADOR-GERAL DA ','PG/'],
['DF/DF','/DF'],
['PRESIDENTA','PRESIDENTE'],
['SANTANA CATARINA','SANTA CATARINA'],
['MINAS DE GERAIS','MINAS GERAIS'],
['A REGIAO','REG.'],
['A. REGIAO','REG.'],
['TRT DA','TRT'],
['TRF DA','TRT'],
['SECRETARIA DE FAZENDA','SEC.FAZ.'],
['SECRETARIA DA FAZENDA','SEC.FAZ.'],
['PRESIDENTE DO','PRES.'],
['PRESIDENTE DA','PRES.'],
['PRESIDENTE ','PRES.'],
['TRIBUNAL DE CONTAS DO','TC/'],
['TRIBUNAL DE CONTAS DE','TC/'],
['TRIBUNAL DE CONTAS DA','TC/'],
['TRIBUNAL DE CONTAS','TC'],
['/ ','/'],
[' /','/'],
['//','/'],
['DEFENSORIA PUBLICA','DP'],
['DEFENSOR PUBLICO GERAL', 'DP.GERAL'],
['DEFENSOR PUBLICO-GERAL', 'DP.GERAL'],
['ESTADO/',''],
['ESTADO DE',''],
['JUIZ DO TRABALHO','JUIZ'],
['E OUTROS',''],
['E OUTRO',''],
['E OUTRA',''],
['E OUTRAS',''],
['MINISTRO DE ESTADO','MINISTRO'],
['SECRETARIA DE ESTADO','SECRETARIA'],
['SINDICADO DOS EMPREGADOS','SIND.EMPREG.'],
['DE MATO GROSSO DO SUL','DO MATO GROSSO DO SUL'],
['CONS. DA MAGISTRATURA','CONS.MAGIST.'],
['CONS. ESTADUAL','CONS.ESTAD.'],
['CONS. NACIONAL','CONS.NAC.'],
['CONS. REGIONAL','CONS.REG.'],
['CONS. SUPERIOR','CONS.SUP.'],
['CORREGEDORIAGERAL','CORR.GERAL'],
['CORREG. GERAL','CORR.GERAL'],
['DEFENSOR PUBLICO - GERAL','DP.GERAL'],
['DIRETOR - GERAL','D.G.'],
['FEDERACAO BRASILEIRA','FED.BRAS.'],
['FEDERACAO DAS ASSOCIACOES','FED.ASSOC.'],
['FEDERACAO NACIONAL DOS SERVIDORES','FED.NAC.SERV.'],
['FEDERACAO NACIONAL DOS TRABALHADORES','FED.NAC.TRAB.'],
['FEDERACAO NACIONAL','FED.NAC.'],
['INSTITUTO BRASILEIRO','INST.BRAS.'],
['ORGAO ESPECIAL DO',''],
['SINDICATO NACIONAL DE','SIND.NAC.'],
['SINDICATO NACIONAL DOS','SIND.NAC.'],
['SINDICATO NACIONAL DAS','SIND.NAC.'],
['SINDICATO NACIONAL','SIND.NAC.'],
['MIN. DE ESTADO','MIN.'],
['ORDEM DOS ADVOGADOS DO BRASIL','OAB'],
['PROCURADOR - GERAL','PROC.GERAL'],
['PROCURADOR GERAL DA REPUBLICA','PGR'],
['PROCURADOR GERAL','PROC.GERAL'],
['PROCURADORIA GERAL','PROC.GERAL'],
['SUPERIOR TJ','STJ'],
[' AMPCON',''],
['C.MUN. DO MUN.','C.MUN.'],
['DO UNIAO','DA UNIAO'],
['FECOMERCIO PR',''],
[' 0AB',''],
['PRES. BRASIL','PRES. REPUBLICA'],
['GOVERNO DE',''],
['GOVERNO DO',''],
['PRES. REPUBLICA','PRESIDENTE DA REPUBLICA'],
['PRESIDENCIA DA REPUBLICA','PRESIDENTE DA REPUBLICA'],
['EM EXERCICIO',''],
['PRES. ',''],
['PATRIOTA PATRI','PARTIDO PATRIOTA'],
['M.D. DA AL','AL'],
['-',''],
[' ',' '],
[' ',' '],
['FEDERACAO D','FED. D'],
['FEDERACAO INTERESTADUAL','FED.INTEREST.'],
['FEDERACAO NAC ','FED.NAC. '],
# ['ASSOC. DAS ','ASSOC. '],
# ['ASSOC. DE ','ASSOC. '],
# ['ASSOC. DOS ','ASSOC. '],
# ['ASSOC. DE','ASSOC.'],
# ['.NAC. DAS ','ASSOC. '],
# ['.NAC. DE ','ASSOC. '],
# ['.NAC. DOS ','ASSOC. '],
# ['.NAC. DE','ASSOC.'],
# ['.NAC. E ','ASSOC.'],
# ['.BRAS. DAS ','ASSOC. '],
# ['.BRAS. DE ','ASSOC. '],
# ['.BRAS. DOS ','ASSOC. '],
# ['.BRAS. DE','ASSOC.'],
['NEOTV ', 'NEO TV'],
['MUNICIPAIS ANMP','MUNICIPAIS ANPM'],
['DIRETORIO NACIONAL DO',''],
['DIRETORIO NACIONAL',''],
['FORCA SINDICAL FS','FORCA SINDICAL'],
['FRENTE NACIONAL','FRENTE.NAC.'],
['/S ','/ '],
['MP FEDERAL','PGR'],
['DP DA UNIAO','DPU'],
['DP DA UNIAO DPU','DPU'],
['DP.GERAL','DP '],
[' S A ',' S.A.'],
['FEDERACAO','FED.'],
['CORREGEDORIAREGIONAL','CORREG.REG.'],
['AL./DO ','AL./'],
['D.G. DA A','A'],
['DIRETOR AGENCIA','AGENCIA'],
['DIRETORIA COLEGIADA DA AGENCIA','AGENCIA'],
['SECRETARIA DA RECEITA FEDERAL DO BRASIL', 'RECEITA FEDERAL'],
['SECRETARIA DE SEGURANCA PUBLICA','SSP'],
['TCDO','TC/ '],
['CNPGEDF','CONPEG'],
['DE DIREITO FUNDAMENTAIS','DE DIREITOS FUNDAMENTAIS'],
['CONF NACIONAL','CONF.NAC.'],
['DPU DPU','DPU']
]
for item in trocar:
string = string.replace(item[0],item[1])
if string[:2] == 'A ':
string = string[2:]
if string[:8] == 'ESTADO D':
string = string[10:]
if string[0:2] == 'O ':
string = string[2:]
string.strip(',')
string.strip()
return string
def extrair_partes(string):
string = remover_acentos(string)
partes = string.split('<div class="processo-partes lista-dados m-l-16 p-t-0">')
# print (partes)
n=0
lista_partes = []
for parte in partes[1:]:
n = n+1
ordem = n
tipo = extrair(parte, 'detalhe-parte">', '<').upper()
tipo = tipo.replace('REQTE.(S)','REQTE')
tipo = tipo.replace('INTDO.(A/S)','INTDO')
tipo = tipo.replace('ADV.(A/S)','ADV')
tipo = tipo.replace('AM. CURIAE.','AMICUS')
nome = extrair(parte, '"nome-parte">', '<').upper()
nome = ajustar_nome(nome)
if tipo == 'ADV':
if "(" in nome:
nome = extrair(nome, '', '(')
if tipo == 'RQTE':
lista_partes.append([ordem, tipo, nome])
return lista_partes
def listar_partes(string, processo):
string = remover_acentos(string)
partes = string.split('<div class="processo-partes lista-dados m-l-16 p-t-0">')
lista_partes = []
for parte in partes[1:]:
tipo = extrair(parte, 'detalhe-parte">', '<').upper()
tipo = tipo.replace('REQTE.(S)','REQTE')
tipo = tipo.replace('INTDO.(A/S)','INTDO')
tipo = tipo.replace('REQDO.(A/S)','INTDO')
tipo = tipo.replace('ADV.(A/S)','ADV')
tipo = tipo.replace('AM. CURIAE.','AMICUS')
tipo = tipo.replace('PROC.(A/S)(ES)','ADV/PUB')
tipo = limpar(tipo)
nome = extrair(parte, '"nome-parte">', '<').upper()
nome = ajustar_nome(nome)
if tipo == 'ADV' or tipo == 'ADV/PUB':
if "(" in nome:
nome = extrair(nome, '', '(')
nome = nome.strip()
nome = nome.replace(' ',' ')
lista_partes.append([nome, tipo, processo])
return lista_partes
def extrair_andamentos(string):
string = remover_acentos(string)
string = limpar(limpar(string))
andamentos = string.split('<div class="andamento-item">')
n= len(andamentos)
lista_andamentos = []
for andamento in andamentos[1:]:
data = 'NA'
nome = 'NA'
complemento = 'NA',
docs = 'NA'
julgador = 'NA'
# com esse formato, os andamentos indevidos não são incorporados, pois a classe deles envolve 'andamento indevido', para gerar o taxado
n = n-1
ordem = str(n).zfill(4)
andamento = andamento.replace('"col-md-9 p-0 "','"col-md-9 p-0"')
data = extrair(andamento, '<div class="andamento-data ">','</div>').upper()
nome = extrair(andamento, '<h5 class="andamento-nome ">','</h5>').upper()
complemento = extrair(andamento, '<div class="col-md-9 p-0">','</div>').upper()
if complemento == ' ' or complemento == '':
complemento = 'NA'
docs = extrair(andamento, '"col-md-4 andamento-docs">','</div>')
if docs == ' ' or docs == '':
docs = 'NA'
if 'href=' in docs:
docs = extrair(docs,'href="', '"')
julgador = extrair(andamento, 'julgador badge bg-info ">','</span>').upper()
#print ([ordem, data, nome, complemento, docs, julgador])
lista_andamentos.append([ordem, data, nome, complemento, docs, julgador])
return lista_andamentos
def solicitar_dados_Juris (classe, numero):
url = ('http://portal.stf.jus.br/processos/listarProcessos.asp?classe='
+ classe
+'&numeroProcesso='
+ numero)
print (url)
# Módulo básico de extração
string = requests.get(url).text
inicio = string.find('<a href="#" id="imprimir" onclick="sysImprimir(); return false;">Imprimir</a>')
return (url + ">>>>> \n" + string[inicio:])
def solicitar_dados_CC (classe, numero):
url = ('http://www.stf.jus.br/portal/peticaoInicial/verPeticaoInicial.asp?base='
# url = ('http://www.stf.jus.br/portal/peticaoInicial/verPeticaoInicial.asp?base='
+ classe
+ '&documento=&s1=1&numProcesso='
+ numero)
print (url)
# Módulo básico de extração
user_agent = {'User-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36'}
string = requests.get(url, headers = user_agent).text
inicio = string.find('processo/verProcessoAndamento.asp?')
return (url + ">>>>> \n" + string[inicio:])
url = 'http://www.stf.jus.br/portal/pauta/listarCalendario.asp?data=03/03/2021'
html = requests.head
def solicitar_dados_mono (classe, numero):
url = ('http://stf.jus.br/portal/jurisprudencia/listarJurisprudencia.asp?s1=%28'
+ classe
+'%24%2ESCLA%2E+E+'
+ numero
+ '%2ENUME%2E%29+NAO+S%2EPRES%2E&base=baseMonocraticas')
print (url)
# Módulo básico de extração
user_agent = {'User-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36'}
string = requests.get(url, headers = user_agent).text
inicio = string.find('<a href="#" id="imprimir" onclick="sysImprimir(); return false;">Imprimir</a>')
return (url + ">>>>> \n" + string[inicio:])
def solicitar_dados_AP (classe, numero):
url = ('http://portal.stf.jus.br/processos/listarProcessos.asp?classe='
+ classe
+ '&numeroProcesso='
+ numero)
print ('url: ' + url)
user_agent = {'User-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36'}
string = requests.get(url, headers = user_agent)
string.encoding = 'utf-8'
htmlfonte = string.text
htmlfonte = extrair(htmlfonte,
'<div class="processo-titulo m-b-8">',
'<div class="p-l-0" id="resumo-partes">')
return (url + ">>>>> \n" + htmlfonte)
def solicitar_dados (dominio, path, querry):
user_agent = {'User-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36'}
html = requests.get(dominio+path+querry, headers = user_agent)
html.encoding = 'utf-8'
html = html.text
return html
def get2 (url):
# user_agent = {'User-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36'}
html = requests.get(url)
# html.encoding = 'utf-8'
html = html.text
return html
def get_utf8 (url):
user_agent = {'User-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36'}
html = requests.get(url, headers = user_agent)
html.encoding = 'utf-8'
html = html.text
return html
def carregar_arquivo_composto (classe, numero, path):
nomedoarquivo = (path + classe + str(0)*(4-len(numero)) + numero + '.html')
arquivoaberto = (classe + str(0)*(4-len(numero)) + numero + '.html')
print (nomedoarquivo)
arquivo = open(nomedoarquivo, 'r', encoding='utf-8')
html = arquivo.read()
arquivo.close()
return arquivoaberto, html
def gerador_de_lista (path, classe, numeroinicial, numerofinal):
lista = []
for n in range (int(numerofinal) - int(numeroinicial) + 1):
numero = numerofinal-n
nomedoarquivo = (path + classe + str(0)*(4-len(str(numero))) + str(numero) + '.html')
if nomedoarquivo in os.listdir(path):
lista.append(nomedoarquivo)
return lista
def gerar_lista (classe, numeroinicial, numerofinal, path):
lista = []
for item in range(int(numerofinal) - int(numeroinicial) +1):
nomedoarquivo = (path + classe + ('0')*(4-len(str(item))) + str(item) + '.html')
print (nomedoarquivo)
lista.append(nomedoarquivo)
return (lista)
def gerar_nome_arquivo (classe, numero, path):
nomedoarquivo = (path + classe + str(0)*(4-len(numero)) + numero + '.html')
return (nomedoarquivo)
def carregar_arquivo (nomedoarquivo):
arquivo = open(nomedoarquivo, 'r', encoding='utf-8')
html = arquivo.read()
arquivo.close()
return html
def gravar_dados_no_arquivo (classe, numero, path, dados):
nomedoarquivo = (path + classe + str(0)*(4-len(numero)) + numero + '.txt')
arquivo = open(nomedoarquivo, 'w', encoding='utf-8')
arquivo.write(dados)
arquivo.close
#repetido
def gravar_dados_no_arquivo_nome (nomedoarquivo, dados):
arquivo = open(nomedoarquivo, 'w', encoding='utf-8')
arquivo.write(dados)
arquivo.close
def extrair_da_lista (relacao_de_arquivos, path):
nomedoarquivo = relacao_de_arquivos.pop()
arquivo = open(path + nomedoarquivo, 'r', encoding='utf-8')
html = arquivo.read()
arquivo.close()
return nomedoarquivo, html
def limpa_estado(string):
estados = [['ACRE', '/AC'],
['ALAGOAS', '/AL'],
['AMAPA', '/AP'],
['AMAZONAS', '/AM'],
['BAHIA', '/BA'],
['CEARA', '/CE'],
['DISTRITO FEDERAL', '/DF'],
['ESPIRITO SANTO', '/ES'],
['GOIAS', '/GO'],