Sobre

Repositório para coletar e processar texto de atos oficiais a partir de busca na API do Querido Diário

Arquivos gerados

Toda a lista segue a ordem de consumo, ou seja, o arquivo listado seguinte é produzido a partir do arquivo listado anterior, mesmo que em seções (1, 2, ...) diferentes

1. Em 1-resultados tem:

• nome_do_arquivo + _bruto: resultados conforme o QD entrega
• nome_do_arquivo + _filtro: resultados com colunas marcadas por palavras-chave de interesse
• nome_do_arquivo + _repeticoes: resultados marcados casos o miolo dos excertos seja repetido
• nome_do_arquivo + _proximidade: resultados marcados caso seus textos sejam parecidos (usando jaro_winkler_similarity)

2. Em 2-resultados_analisados tem:

• nome_do_arquivo + _verificado: resultados lidos por humano e classificados quanto ao seu grau de adesão

3. Em 3-decretos tem:

• arquivos TXT para cada decreto considerado

4. Em 4-segmentos_de_decretos tem:

• arquivos JSON para cada decreto segmentado em parágrafos

Fluxo

1. Atualizar o arquivo criterios_de_pesquisa.py com as configurações da busca
2. Executar python3 main.py, que vai: