#!/usr/bin/env python3 """ scraper_idpj_trabalhista.py — SAVE Company / Cristiano Vasconcelos Coleta decisões de TRTs em que o INCIDENTE DE DESCONSIDERAÇÃO DA PERSONALIDADE JURÍDICA (IDPJ) foi NEGADO em execução trabalhista — ou seja, casos em que a Justiça do Trabalho tentou (a pedido do empregado/credor) atingir o patrimônio pessoal do sócio para pagar dívida trabalhista da empresa, e o sócio/empresa se defendeu com sucesso (patrimônio pessoal protegido). Ângulo editorial: NÃO é compliance de RH do dia a dia — é ameaça patrimonial existencial ao sócio/empresário, a escala que conecta com o ICP de R$10-20M/ano. Códigos DataJud verificados em campo (TRT2, junho/2026): classe.codigo = 12119 → "Incidente de Desconsideração de Personalidade Jurídica" movimentos.codigo = 220 → Improcedência (IDPJ NEGADO — sócio protegido — ALTA confiança) movimentos.codigo = 459 → Extinção sem Resolução do Mérito (sócio não alcançado, mas por motivo processual, não de mérito — BAIXA confiança, marcar para verificação manual antes de uso em conteúdo) IMPORTANTE — valor da causa: O campo `valorCausa` NÃO está disponível na API pública do DataJud (testado e confirmado ausente no payload). Para os casos selecionados editorialmente, o valor da causa precisa ser buscado manualmente no PJe/tribunal de origem — pode não estar disponível publicamente (mesma limitação já registrada no pilar trabalhista existente). Escopo: TRT1 a TRT24. Filtro de recência: dataHoraUltimaAtualizacao dentro dos últimos 3 anos (decisão precisa ser recente; ajuizamento pode ser mais antigo — duração do processo é parte do conteúdo). """ import json import time import requests from pathlib import Path from datetime import datetime, timedelta, timezone OUTPUT = Path("/home/cristiano/meus-projetos/pesquisa-juridica/idpj_trabalhista_socio_protegido.json") LOG = Path("/home/cristiano/meus-projetos/pesquisa-juridica/idpj_trabalhista_run.log") DATAJUD_KEY = "cDZHYzlZa0JadVREZDJCendQbXY6SkJlTzNjLV9TRENyQk1RdnFKZGRQdw==" BASE = "https://api-publica.datajud.cnj.jus.br" HEADERS = {"Authorization": f"APIKey {DATAJUD_KEY}", "Content-Type": "application/json"} TRTS = {f"TRT{i}": f"api_publica_trt{i}" for i in range(1, 25)} CLASSE_IDPJ = 12119 MOV_NEGADO_ALTA = 220 # Improcedência — sócio protegido, mérito MOV_NEGADO_BAIXA = 459 # Extinção sem Resolução do Mérito — verificar manualmente DATA_INICIO = (datetime.now(timezone.utc) - timedelta(days=3 * 365)).strftime("%Y-%m-%d") PAGE_SIZE = 100 MAX_PAGES = 100 # 10.000 registros/tribunal — limite do Elasticsearch def log(msg: str): ts = datetime.now().strftime("%Y-%m-%d %H:%M:%S") line = f"[{ts}] {msg}" print(line) with open(LOG, "a") as f: f.write(line + "\n") def buscar_tribunal(endpoint: str, sigla: str, existentes: set) -> list: resultados = [] for offset in range(0, PAGE_SIZE * MAX_PAGES, PAGE_SIZE): query = { "size": PAGE_SIZE, "from": offset, "query": { "bool": { "must": [ {"term": {"classe.codigo": CLASSE_IDPJ}}, {"terms": {"movimentos.codigo": [MOV_NEGADO_ALTA, MOV_NEGADO_BAIXA]}}, {"range": {"dataHoraUltimaAtualizacao": {"gte": DATA_INICIO}}}, ] } }, "_source": [ "numeroProcesso", "classe", "assuntos", "movimentos", "orgaoJulgador", "dataAjuizamento", "dataHoraUltimaAtualizacao", "tribunal", "grau", ], "sort": [{"dataHoraUltimaAtualizacao": {"order": "desc"}}], } url = f"{BASE}/{endpoint}/_search" for tentativa in range(3): try: r = requests.post(url, headers=HEADERS, json=query, timeout=30) break except requests.exceptions.RequestException as e: log(f" {sigla} | erro tentativa {tentativa+1}: {e}") time.sleep(2) else: log(f" {sigla} | falhou após 3 tentativas, offset {offset}") break if r.status_code != 200: log(f" {sigla} | HTTP {r.status_code} offset {offset}: {r.text[:200]}") break hits = r.json().get("hits", {}).get("hits", []) if not hits: break for h in hits: src = h["_source"] num = src.get("numeroProcesso") if not num or num in existentes: continue existentes.add(num) movs_codigos = {m.get("codigo") for m in src.get("movimentos", []) if isinstance(m, dict)} confianca = "alta" if MOV_NEGADO_ALTA in movs_codigos else "baixa_verificar" resultados.append({ "numero": num, "tribunal": sigla, "grau": src.get("grau"), "classe": src.get("classe"), "orgao_julgador": src.get("orgaoJulgador", {}).get("nome") if isinstance(src.get("orgaoJulgador"), dict) else src.get("orgaoJulgador"), "data_ajuizamento": src.get("dataAjuizamento"), "ultima_atualizacao": src.get("dataHoraUltimaAtualizacao"), "assuntos": [a.get("nome") for a in src.get("assuntos", []) if isinstance(a, dict)], "movimentos_codigos": sorted(movs_codigos), "confianca_vitoria": confianca, "resultado": "socio_protegido_idpj_negado", }) log(f" {sigla} | offset {offset} | +{len(hits)} hits | total acumulado {len(resultados)}") if len(hits) < PAGE_SIZE: break return resultados def main(): log("=== INÍCIO scraper_idpj_trabalhista ===") log(f"Filtro de recência: dataHoraUltimaAtualizacao >= {DATA_INICIO}") todos = [] existentes = set() if OUTPUT.exists(): try: todos = json.loads(OUTPUT.read_text()) existentes = {d["numero"] for d in todos} log(f"Carregado output existente: {len(todos)} casos") except Exception as e: log(f"Não foi possível carregar output existente: {e}") for sigla, endpoint in TRTS.items(): log(f"--- {sigla} ({endpoint}) ---") try: novos = buscar_tribunal(endpoint, sigla, existentes) todos.extend(novos) log(f"{sigla} concluído: +{len(novos)} casos novos | total geral {len(todos)}") except Exception as e: log(f"{sigla} ERRO GERAL: {e}") OUTPUT.write_text(json.dumps(todos, ensure_ascii=False, indent=2)) time.sleep(1) log(f"=== FIM. Total: {len(todos)} casos salvos em {OUTPUT} ===") alta = sum(1 for d in todos if d["confianca_vitoria"] == "alta") baixa = len(todos) - alta log(f"Confiança alta (Improcedência/220): {alta} | Confiança baixa (Extinção/459, verificar): {baixa}") if __name__ == "__main__": main()