R/tjsp_ler_tabela_docs_cd_processo.R

In jjesusfilho/tjsp: Coleta e organização de dados do Tribunal de Justiça de São Paulo

#' Ler tabelas baixadas com tjsp_baixar_tabela_docs
#'
#' @param arquivos Vetor de arquivos
#' @param diretorio Informar se não informar diretório
#'
#' @return tibble
#' @export
#'
tjsp_ler_tabela_docs_cd_processo <- function(arquivos = NULL, diretorio = "."){

  if (is.null(arquivos)) {

    arquivos <- list.files(diretorio,full.names = TRUE)

  }

  pb <- progress::progress_bar$new(total = length(arquivos))

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

    pb$tick()

    cd_processo_pg <- stringr::str_extract(.x,"(?<=processo_pg_)[A-Z0-9]+")
    cd_processo_sg <- stringr::str_extract(.x,"(?<=processo_sg_)\\w+")

    suppressMessages({

      doc <-   .x |>
        xml2::read_html() |>
        xml2::xml_text() |>
        stringr::str_extract("(?<=requestScope = )\\X+?(?=;)") |>
        jsonlite::fromJSON()


      doc_name <- tibble::tibble(doc_name= doc$data$title) |>
        tibble::rownames_to_column("id_doc")

      paginas  <- doc$children[[2]]$data$indicePagina

      df <- purrr::imap_dfr(doc$children,~{

        url_doc <-  .x$data$parametros

        pagina_inicial <- .x$data$title |>
          stringr::str_extract("\\d+")

        pagina_final <- .x$data$title |>
          stringr::str_extract("\\d+$")

        tibble::tibble(id_doc = .y, pagina_inicial, pagina_final, url_doc) |>
          dplyr::mutate(id_doc = as.character(id_doc))

      }) |>
        dplyr::left_join(doc_name) |>
        dplyr::select(id_doc, doc_name, pagina_inicial, pagina_final, url_doc) |>
        dplyr::mutate(url_doc = paste0("https://esaj.tjsp.jus.br/pastadigital/getPDF.do?",url_doc)) |>
        dplyr::group_by(id_doc) |>
        dplyr::ungroup() |>
        tibble::add_column(cd_processo_pg, .before =1) |>
        tibble::add_column(cd_processo_sg, .after  = 1) |>
        dplyr::mutate(instancia = ifelse(is.na(cd_processo_sg), 1, 2), .after = 2)

    })

  }, NULL))
}