R/trf4_ler_partes_docs_html.R

In jjesusfilho/trf4: Baixa e Organiza Dados Processuais do TRF4

#' Lê partes dos htmls dos julgados
#'
#' @param arquivos Vetor de arquivos
#' @param diretorio Informar se não informar arquivos
#'
#' @return tibble
#' @export
#'
trf4_ler_partes_docs_html <- 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()

    id <- stringr::str_extract(.x, "TRF4\\d+")

    x <- .x %>%
      xml2::read_html(encoding = 'latin1')

    var <- x %>%
      xml2::xml_find_all("//section[@data-nome='partes']//span[@class='tipo_parte'] |//td[@width='22%']/div[@class='parte']") %>%
      xml2::xml_text()

    val <- x %>%
      xml2::xml_find_all("//section[@data-nome='partes']//span[@class='nome_parte']|//td[@width='3%']/following-sibling::td/div[@class='parte']") %>%
      xml2::xml_text()

    tibble::tibble(id, variavel = var, valor = val) %>%
      dplyr::mutate(variavel = dplyr::na_if(variavel,"")) %>%
      tidyr::fill(variavel)

  }, NULL))
}