R/ler_decisao_carf.R

In jjesusfilho/carf: Baixa e organiza dados do CARF

#' Ler decisões
#'
#' @param diretorio Informar diretório
#' @param arquivos Se arquivos foram informados, diretório
#'     é ignorado.
#' @param parallel Para leitura em paralelo. Usar no R
#'     e não no RStudio.
#'
#' @return tibble com dados
#' @export
#'
#' @examples
#' \dontrun{
#' df <- ler_decisao_carf(diretorio = ".")
#' }
ler_decisao_carf <- function(diretorio = ".", arquivos = NULL, parallel = FALSE){

  if (is.null(arquivos)){

    arquivos <- list.files(path = diretorio, pattern = ".html", full.names = TRUE)

  }

 if (parallel == TRUE){

   future::plan("multiprocess")

 }

  furrr::future_map_dfr(arquivos,purrr::possibly(~{

    processo <- stringr::str_extract(.x,"\\d{17}")
    acordao <- stringr::str_extract(.x,"\\d+(?=\\.html)")

    x <- xml2::read_html(.x)

    caminho <- x %>%
      xml2::xml_find_all("//span[@id]") %>%
      xml2::xml_attr("id") %>%
      stringr::str_subset("formAcordaos")

    purrr::map_dfr(caminho,purrr::possibly(~{

    variavel <- stringr::str_extract(.x,"(?<=\\:).+")
    valor <-  xml2::xml_find_first(x,paste0('//span[@id=',"'",.x,"'",']')) %>%
        xml2::xml_text()

    tibble::tibble(variavel,valor) %>%
      dplyr::filter(stringr::str_detect(variavel,"(^labe|id\\d+)",negate=TRUE))

    },NULL)) %>%
      tidyr::spread(variavel,valor) %>%
      tibble::add_column(processo = processo, .before = 1) %>%
      dplyr::select(acordao = numDecisao, tidyselect::everything())

    },NULL), .progress = TRUE) %>%
    dplyr::rename(dispositivo = "textDecisao") %>%
    dplyr::rename(data_sessao = "dataSessao") %>%
    dplyr::mutate(data_sessao = lubridate::dmy(data_sessao))

}