DOM PI 2025 — PDFs fonte (Diário Oficial dos Municípios do Piauí) PDFs originais das publicações de 2025 do Diário Oficial dos Municípios do Piauí, organizados por Território de Desenvolvimento . São a fonte da qual o corpus textual foi extraído por OCR/parsing. 41.617 PDFs · ~70 GB. Dataset de texto derivado (carregável, com limpeza e tiers de qualidade): gutoportelaa/dom pi corpus 2025 . Cobertura de PDFs (parcial): presentes 7 territórios — tabuleiros alto parnaiba , carnaubais , vale dos rios piaui e itaueiras , planice litoran , entre rios , vale do sambito e teresina . Faltam os PDFs de 6 territórios ( cocais , mangabeiras , serra da capivara , chapada vale do rio itaim , vale do caninde , vale do rio guaribas ), removidos do disco local após a extração — a serem adicionados. O texto extraído de TODOS os 13 territórios está completo no dataset de corpus (config extraido = OCR bruto). Estrutura Manifesto ( manifest.parquet ) — consulta por município/data Como os PDFs são um dump de arquivos (sem colunas), há um manifest.parquet com 1 linha por PDF : arquivo (caminho no repo), territorio , municipio (nome oficial canonizado), data publicacao (DD/MM/AAAA) e edicao . Permite filt…
We use cookies for essential functionality and analytics. You can accept or reject analytics cookies.Cookie policy