rfoel / cnpj Goto Github PK
View Code? Open in Web Editor NEWServerless application to fetch CNPJ data from Casa dos Dados.
Home Page: http://cnpj.rafaelfranco.com
Serverless application to fetch CNPJ data from Casa dos Dados.
Home Page: http://cnpj.rafaelfranco.com
@rfoel, blz?
Fiz um projeto bem semelhante, no caso, um scheduler para rodar todos os dias e extrair todas as infos do CNPJ com base no CNAE;
O endpoint api.casadosdados.com.br/v2/public/cnpj/search
retorna dados "básicos", então fiz um service para extrair os dados unitários:
@Injectable()
export class CnpjService {
constructor(private _puppeteer: CommonService) {}
async extract(param: string): Promise<Cnpj> {
const request = await this._puppeteer.crawl(
`https://casadosdados.com.br/solucao/cnpj/${param}`,
);
const response = await request.evaluate(
() => window['__NUXT__'].data[0].cnpj,
);
await request.close();
return response;
}
}
Line 20 in aeadde8
O ponto é: Não sei até que nível deseja escalar este projeto, mas, como o site casadosdados.com.br
tem proteção CloudFlare
, é questão de tempo (requests) até esse user-agent ser bloqueado.
Minha sugestão/solução é: Criar uma lista de user-agents e aplicar no puppeteer de forma randômica para cada requisição, segue utilitários:
https://gist.github.com/caioagiani/0a179cbf48ab7de8df99515744e772a5
https://gist.github.com/caioagiani/911b6fab52e6ab194d76da586ec42086
Ps: Fiz um list dos CNPJ na rota solucao/cnpj/pesquisa-avancada
(semelhante ao seu), mas só guardo o CNPJ e pesquiso à parte no Service acima. Motivo: coletar os dados de contato como email/telefone e o restante das infos.
Em pouco tempo de extração, meu request foi bloqueado com Captcha e Access denied, então fiz o random user-agent e funcionou aqui!
Resultado (simples):
USER-AGENT: Mozilla/5.0 (X11; U; FreeBSD i386; ru-RU; rv:1.9.1.3) Gecko/20090913 Firefox/3.5.3
CNPJ 45162751000142 - KYRO BX LTDA - [email protected]
USER-AGENT: Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.9.2.10) Gecko/20100915 Ubuntu/9.04 (jaunty) Firefox/3.6.10
CNPJ 45164310000180 - FUSION PLATAFORMA LTDA - [email protected]
USER-AGENT: Mozilla/5.0 (X11; U; Linux ppc; fr; rv:1.9.2.12) Gecko/20101027 Ubuntu/10.10 (maverick) Firefox/3.6.12
CNPJ 45163049000101 - WTNK SYSTEM LTDA - [email protected]
USER-AGENT: Mozilla/5.0 (Windows; U; Windows NT 6.1; hu; rv:1.9.1.9) Gecko/20100315 Firefox/3.5.9 (.NET CLR 3.5.30729)
CNPJ 45161956000103 - PROMAIS SISTEMAS DE GESTAO LTDA - [email protected]
USER-AGENT: Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 6.0; ja) Opera 11.00
CNPJ 45152663000160 - PAULO SILAS VIOLIN ARQUITETURA DE DADOS - [email protected]
USER-AGENT: Opera/9.80 (X11; Linux i686; U; fr) Presto/2.7.62 Version/11.01
CNPJ 45162627000187 - YURI SANTOS LEMES PRODUCOES E PARTICIPACOES DIGITAIS - [email protected]
A declarative, efficient, and flexible JavaScript library for building user interfaces.
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
An Open Source Machine Learning Framework for Everyone
The Web framework for perfectionists with deadlines.
A PHP framework for web artisans
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
Some thing interesting about web. New door for the world.
A server is a program made to process requests and deliver data to clients.
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
Some thing interesting about visualization, use data art
Some thing interesting about game, make everyone happy.
We are working to build community through open source technology. NB: members must have two-factor auth.
Open source projects and samples from Microsoft.
Google ❤️ Open Source for everyone.
Alibaba Open Source for everyone
Data-Driven Documents codes.
China tencent open source team.