Scrap TJSP

Script para extrair os dados de processos do site do Tribunal de Justiça de São Paulo utilizando a biblioteca Selenium da linguagem Python. A ferramenta extrai as informações de cabeçalho dos processos e salva em formato json, além de baixar os pdfs dos acórdãos deles.

Histórico:

12/2023: versão 1.0

• Script completo

Componentes:

• Selenium (v4.33.0)
• PyPDF2 (v3.0.1)

Requisitos:

• Python 3.13.5
• Pip 25.1.1

Instalando a Aplicação no Ambiente de Desenvolvimento:

Baixar e Instalar o Python e o Pip

Instalar as Dependências Necessárias

pip install requirements.txt

Configurar as Variáveis no Arquivo scrap_tjsp_selenium_any.py

- API_KEY - Chave da sua API de quebra captcha
- WORD_TO_SEARCH - Palavra de interesse a ser buscada nos processos
- NAME_DIR_TO_SAVE_FILES - Diretório em que serão salvos os processos em pdf

Executar o Script

python scrap_tjsp_selenium_any.py

Observações:

• O script foi testado utilizando a ferramenta 2Captcha para realizar a quebra dos captchas que eventualmente aparecem ao fazer o download dos pdfs (a cada 20 processos baixados), a ferramenta é paga e cobra um valor por cada captcha;
• O Selenium utiliza um driver de navegador, talvez seja necessário atualizar o arquivo chromedriver.exe.