Trata tabela pdf do centro de monitoração eletrônica disponibilziada pela PF em 20/01/2023

trata_cime.r

library("tabulizer")
library("tidyverse")
library(readr)


cime_total<- tabulizer::extract_text("cime-20.01.pdf")

pos_ini<-
str_length("Secretaria de Estado de Administração Penitenciária do Distrito Federal\r\nCentro de Monitoração Eletrônica - CIME\r\n")

cime_trabalho<-
  str_sub(cime_total,pos_ini+1,str_length(cime_total))


cime_trabalho<-
  str_replace_all(cime_trabalho,"\\s(?=[:digit:])|(?<=[:digit:])\\s", ";")

cime_trabalho<-
  str_replace_all(cime_trabalho,"Nome Data de Nascimento UF", "nome;data_nascimento;uf")

write(cime_trabalho, "cime_trabalho.csv", )


df_cime <- read_delim("cime_trabalho.csv", 
                            delim = ";", escape_double = FALSE, col_types = cols(data_nascimento = col_date(format = "%d.%m.%Y")), 
                            trim_ws = TRUE)