-
Notifications
You must be signed in to change notification settings - Fork 28
/
tjsp_ler_documentos.R
57 lines (44 loc) · 1.58 KB
/
tjsp_ler_documentos.R
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
#' Lê documentos baixados combinados com tjsp_combinar_docs
#'
#' @param arquivos Vetor de arquivos
#' @param diretorio Alternativamente informar diretorio
#' @param remover_assinatura Remover assinatura? TRUE default
#' @param combinar Combinar o vetor em um documento? TRUE defalt
#' @param remover_cabecalho Remover o cabeçalho? TRUE default
#'
#' @return tibble
#' @export
#'
tjsp_ler_documentos <- function (arquivos = NULL, diretorio = ".", remover_assinatura = FALSE,
combinar = TRUE,
remover_cabecalho = FALSE)
{
if (is.null(arquivos)) {
arquivos <- list.files(diretorio, full.names = TRUE,
pattern = "pdf$")
}
pb <- progress::progress_bar$new(total = length(arquivos))
purrr::map_dfr(arquivos, purrr::possibly(~{
pb$tick()
processo <- stringr::str_extract(.x, "\\d{20}")
id_doc <- stringr::str_extract(.x, "(?<=id_doc_)\\d+")
suppressMessages({
texto <- pdftools::pdf_text(.x)
})
data <- texto |>
purrr::pluck(1) |>
stringr::str_squish() |>
stringr::str_extract("(?i)(?<=(liberado nos autos em |protocolado em ))\\S+") |>
lubridate::dmy()
if (remover_assinatura) {
texto <- remover_assinatura_cjpg(texto)
}
if (combinar) {
texto <- stringr::str_c(texto, collapse = "\n")
}
if(remover_cabecalho){
texto <- stringr::str_remove(texto, 'TRIBUNAL DE JUSTI\u00C7A DO ESTADO DE S\u00C3O PAULO\\X+?(?=\\s{100})')
}
tibble::tibble(processo, id_doc, doc = texto, data_documento = data)
}, NULL))
}