Extracao-convocados-EBSERH-2023

Este repositório contém o código responsável pela extração e organização dos dados de convocações referentes ao concurso nacional realizado pela EBSERH em 2023. O processo inclui a coleta de informações a partir dos editais de convocação disponibilizados no site da EBSERH, a inserção desses dados em um banco de dados SQLite, e a exportação para planilhas Excel e Google Sheets.

---

Planilha de Convocações

Uma planilha com os dados processados está disponível publicamente no seguinte link: EBSERH 2023 - Editais de convocação

---

Detalhes do funcionamento

1. Conexão com o Banco de Dados

O script cria e conecta-se a um banco de dados SQLite chamado editais.sqlite.

2. Acesso aos PDFs de Convocação

O código acessa a página oficial da EBSERH, identifica os links relacionados às convocações de cada hospital e percorre todas as páginas disponíveis. Em cada página, são localizados os links dos PDFs contendo os editais de convocação. Serão processados apenas os editais que ainda não existirem em editais.sqlite.

3. Extração e Organização das Informações em Colunas

Após acessar os PDFs dos editais de convocação, o conteúdo é convertido em texto e segmentado em linhas para permitir a extração das informações. O script varre cada linha do PDF e extrai as seguintes informações:

• Microrregião: Determinada com base no hospital de convocação.
• Hospital: Nome do hospital responsável pela convocação.
• Número do Edital: Número identificador do edital.
• Tipo de Edital: Categoria associada ao edital, como "Lista microrregional" ou "Convocação temporária". Extraído do nome do edital.
• Edital: O nome do arquivo do edital.
• Data: A data em que o edital foi publicado.
• Índice: Índice do cargo na convocação (ex.: 1.1, 1.2, etc.).
• Cargo: O cargo para o qual o convocado foi selecionado.
• Obs. Cargo: Informações adicionais sobre o cargo, caso estejam presentes.
• Posição: Colocação do candidato convocado conforme ordem de classificação.
• Nome: Nome do convocado.
• Obs. Colocado 1 e 2: Observações adicionais sobre a colocação do convocado (ex.: fim da fila, desistência, etc.).

As informações são extraídas utilizando padrões de texto e expressões regulares esperadas na formatação do edital.

4. Inserção no Banco de Dados

Após a extração e organização, o script verifica se os editais já foram processados anteriormente. Caso contrário, ele insere os novos dados no banco de dados SQLite, evitando a duplicação de registros. A conexão com o banco de dados é, então, fechada.

5. Exportação para Excel e Google Sheets

No final do script, temos a opção de exportação dos dados para uma planilha Excel ou uma planilha do Google Sheets. Caso queira utilizar sua própria planilha do Google, você pode configurar o ID da Google Sheet no script.

• Atualizar a planilha Excel: O script detecta novos dados e os adiciona à planilha Editais.xlsx.

  atualizar_planilha(sheets = FALSE)  # Apenas exporta para Excel

• Atualizar Google Sheets: Se você quiser exportar os dados para sua própria Google Sheet, substitua o google_sheet_id no script conforme o seguinte comando:

  atualizar_planilha(excel = FALSE, google_sheet_id = "SUA_GOOGLE_SHEET_ID")

---

Dependências

Pacotes R utilizados:

install.packages(c("data.table", "DBI", "dplyr", "googlesheets4", "openxlsx", 
                   "pdftools", "RSQLite", "rvest", "stringr", "tidytable"))

---

Licença

Este projeto está licenciado sob a Licença MIT.