ThomasMoreAI/legal-skills-open / br/criminal/skills/investigacao-policial-diegocamara89
investigacao-policial-diegocamara89
VerifiedSkill operacional para agentes de policia investigadores focada em producao de provas, estabelecimento de autoria e materialidade, e acompanhamento de diligencias. Use esta skill sempre que o usuario mencionar "o que devo coletar", "como provar autoria", "quais provas tenho", "o que esta pendente", "montar tabela de IPs", "cruzar IPs", "expandir suspeito", "expandir rede", "relatorio de diligencias", "cadeia de custodia", "como requisitar dados ao WhatsApp", "status da investigacao", "materialidade", "autoria", "laranja", "conta laranja", "IMEI", "cruzamento de fontes", "convergencia", "golpe do Pix", "golpe do falso advogado", "estelionato digital", "rastrear autor", "o que falta no IP", "pendencias da investigacao", "processar documentos em lote", "quem fez isso", "de onde veio o dinheiro", ou quando /investigacao for invocado. Aplicavel a qualquer tipo de fraude (estelionato, falso advogado, fraude eletronica, Pix, conta laranja, organizacao criminosa). NAO use esta skill para tipificacao penal, analise de prescricao ou fundamentacao juridica — essas ficam com a skill relatorio-final-ip. NAO use para catalogar quais diligencias existem por tipo penal — isso fica com a skill diligencias-iniciais. Mesmo que o usuario nao use essas palavras exatas, ative esta skill sempre que o contexto envolver acompanhamento ativo de uma investigacao de fraude em andamento.
| File | Kind | Size |
|---|---|---|
| LICENSE | other | 1.1 KB |
| SKILL.md | skill md | 29.3 KB |
| agents/extrator.md | markdown | 7.3 KB |
| agents/openai.yaml | config | 383 B |
| agents/validador.md | markdown | 8.2 KB |
| assets/template_pcrn_drcc.docx | binary | 91.1 KB |
| references/analise_vinculos.md | markdown | 7.0 KB |
| references/cadeia_custodia.md | markdown | 4.1 KB |
| references/categorias_prova.md | markdown | 7.8 KB |
| references/estabelecimento_autoria.md | markdown | 7.1 KB |
| references/expansao_rede.md | markdown | 6.7 KB |
| references/metodologia_ip.md | markdown | 8.5 KB |
| references/orquestracao.md | markdown | 14.1 KB |
| references/requisitos_judiciais.md | markdown | 4.2 KB |
| references/schemas_multiagente.md | markdown | 9.6 KB |
| scripts/auditoria.py | script | 10.0 KB |
| scripts/extrator_verificacao.py | script | 17.1 KB |
| scripts/gerar_docx_relatorio.py | script | 22.6 KB |
| scripts/pre_processador.py | script | 11.0 KB |
| templates/checklist_provas_fraude.md | markdown | 3.1 KB |
| templates/relatorio_diligencias.md | markdown | 2.9 KB |
| templates/relatorio_missao_policial.md | markdown | 12.0 KB |
| templates/tabela_ip_cruzamento.md | markdown | 2.6 KB |
scripts/pre_processador.py
View on GitHub#!/usr/bin/env python3
"""
pre_processador.py — Pré-processamento de dados de investigação policial
Uso:
python3 pre_processador.py /caminho/dos/arquivos /caminho/saida
Funcionalidades:
- Extrai texto de PDFs (nativo e OCR)
- Extrai dados de planilhas (XLSX, CSV)
- Extrai texto de DOCX
- Gera índice dos autos
- Gera cronologia de eventos
"""
import os
import sys
import json
import re
from datetime import datetime
from pathlib import Path
def extrair_texto_pdf(filepath):
"""Extrai texto de PDF. Tenta pdfplumber primeiro, depois OCR."""
texto_paginas = []
try:
import pdfplumber
with pdfplumber.open(filepath) as pdf:
for i, page in enumerate(pdf.pages):
texto = page.extract_text()
if texto and len(texto.strip()) > 50:
texto_paginas.append({
'pagina': i + 1,
'texto': texto,
'metodo': 'pdfplumber'
})
else:
# Tentar OCR
texto_ocr = extrair_texto_ocr_pagina(filepath, i)
if texto_ocr:
texto_paginas.append({
'pagina': i + 1,
'texto': texto_ocr,
'metodo': 'OCR'
})
else:
texto_paginas.append({
'pagina': i + 1,
'texto': '[PÁGINA SEM TEXTO EXTRAÍVEL]',
'metodo': 'falha'
})
except Exception as e:
print(f"Erro ao processar PDF {filepath}: {e}")
return texto_paginas
def extrair_texto_ocr_pagina(filepath, pagina_idx):
"""Extrai texto via OCR de uma página específica."""
try:
from pdf2image import convert_from_path
import pytesseract
images = convert_from_path(filepath, first_page=pagina_idx+1,
last_page=pagina_idx+1, dpi=300)
if images:
texto = pytesseract.image_to_string(images[0], lang='por')
return texto if texto.strip() else None
except Exception as e:
print(f"OCR falhou para página {pagina_idx+1}: {e}")
return None
def extrair_tabelas_pdf(filepath):
"""Extrai tabelas de PDF."""
tabelas = []
try:
import pdfplumber
with pdfplumber.open(filepath) as pdf:
for i, page in enumerate(pdf.pages):
page_tables = page.extract_tables()
for j, table in enumerate(page_tables):
if table:
tabelas.append({
'pagina': i + 1,
'tabela_idx': j + 1,
'dados': table
})
except Exception as e:
print(f"Erro ao extrair tabelas de {filepath}: {e}")
return tabelas
def extrair_dados_planilha(filepath):
"""Extrai dados de XLSX, XLS ou CSV."""
try:
import pandas as pd
ext = Path(filepath).suffix.lower()
if ext in ['.xlsx', '.xls']:
xls = pd.ExcelFile(filepath)
dados = {}
for sheet in xls.sheet_names:
df = pd.read_excel(filepath, sheet_name=sheet)
dados[sheet] = {
'colunas': list(df.columns),
'linhas': len(df),
'dados': df.to_dict(orient='records')
}
return dados
elif ext == '.csv':
# Tentar diferentes encodings
for enc in ['utf-8', 'latin-1', 'cp1252']:
try:
df = pd.read_csv(filepath, encoding=enc)
return {
'Sheet1': {
'colunas': list(df.columns),
'linhas': len(df),
'dados': df.to_dict(orient='records')
}
}
except:
continue
except Exception as e:
print(f"Erro ao extrair planilha {filepath}: {e}")
return None
def extrair_texto_docx(filepath):
"""Extrai texto de DOCX."""
try:
import subprocess
result = subprocess.run(
['pandoc', filepath, '-t', 'plain'],
capture_output=True, text=True
)
return result.stdout
except Exception as e:
print(f"Erro ao extrair DOCX {filepath}: {e}")
return None
def classificar_documento(texto, nome_arquivo):
"""Classifica tipo de documento policial baseado no conteúdo."""
texto_lower = texto.lower() if texto else ''
nome_lower = nome_arquivo.lower()
classificacoes = {
'portaria': ['portaria', 'instauração', 'instaura'],
'boletim_ocorrencia': ['boletim de ocorrência', 'b.o.', 'reds', 'registro de evento'],
'depoimento': ['depoimento', 'oitiva', 'declarações', 'inquirido'],
'interrogatorio': ['interrogatório', 'interrogado', 'direito ao silêncio'],
'laudo_pericial': ['laudo', 'perícia', 'perito', 'pericial', 'exame'],
'auto_apreensao': ['auto de apreensão', 'auto de busca', 'apreensão'],
'extrato_bancario': ['extrato', 'saldo', 'débito', 'crédito', 'banco'],
'quebra_sigilo': ['sigilo', 'afastamento', 'quebra'],
'rif_coaf': ['rif', 'coaf', 'uif', 'relatório de inteligência financeira'],
'oficio': ['ofício', 'encaminho', 'solicito'],
'certidao': ['certidão', 'certifico', 'dou fé'],
'auto_flagrante': ['auto de prisão em flagrante', 'flagrante', 'apfd'],
'mandado': ['mandado de busca', 'mandado de prisão'],
'representacao': ['representação', 'represento'],
'relatorio_investigacao': ['relatório de investigação', 'relatório parcial'],
'dados_telefonicos': ['ere', 'erb', 'chamada', 'ligação', 'imei'],
}
for tipo, palavras in classificacoes.items():
for palavra in palavras:
if palavra in texto_lower or palavra in nome_lower:
return tipo
return 'outros'
def gerar_indice_autos(documentos):
"""Gera índice estruturado dos autos."""
indice = []
for doc in documentos:
indice.append({
'arquivo': doc['arquivo'],
'tipo': doc.get('tipo', 'não classificado'),
'paginas': doc.get('total_paginas', 'N/A'),
'resumo': doc.get('resumo', ''),
})
return indice
def extrair_datas(texto):
"""Extrai datas do texto para construção de cronologia."""
padroes = [
r'(\d{2}/\d{2}/\d{4})',
r'(\d{2}\.\d{2}\.\d{4})',
r'(\d{2}-\d{2}-\d{4})',
r'(\d{4}-\d{2}-\d{2})',
]
datas = []
for padrao in padroes:
matches = re.findall(padrao, texto)
datas.extend(matches)
return list(set(datas))
def processar_diretorio(input_dir, output_dir):
"""Processa todos os arquivos de um diretório de investigação."""
os.makedirs(output_dir, exist_ok=True)
documentos = []
for arquivo in sorted(os.listdir(input_dir)):
filepath = os.path.join(input_dir, arquivo)
if not os.path.isfile(filepath):
continue
ext = Path(arquivo).suffix.lower()
doc_info = {
'arquivo': arquivo,
'caminho': filepath,
'extensao': ext,
}
print(f"Processando: {arquivo}")
if ext == '.pdf':
paginas = extrair_texto_pdf(filepath)
tabelas = extrair_tabelas_pdf(filepath)
texto_completo = '\n'.join([p['texto'] for p in paginas])
doc_info['paginas'] = paginas
doc_info['tabelas'] = tabelas
doc_info['total_paginas'] = len(paginas)
doc_info['tipo'] = classificar_documento(texto_completo, arquivo)
doc_info['datas'] = extrair_datas(texto_completo)
doc_info['resumo'] = texto_completo[:500] + '...' if len(texto_completo) > 500 else texto_completo
elif ext in ['.xlsx', '.xls', '.csv']:
dados = extrair_dados_planilha(filepath)
doc_info['dados_planilha'] = dados
doc_info['tipo'] = 'planilha'
elif ext == '.docx':
texto = extrair_texto_docx(filepath)
doc_info['texto'] = texto
doc_info['tipo'] = classificar_documento(texto or '', arquivo)
doc_info['datas'] = extrair_datas(texto or '')
elif ext in ['.txt', '.md']:
with open(filepath, 'r', encoding='utf-8', errors='replace') as f:
texto = f.read()
doc_info['texto'] = texto
doc_info['tipo'] = classificar_documento(texto, arquivo)
doc_info['datas'] = extrair_datas(texto)
elif ext in ['.jpg', '.jpeg', '.png', '.tiff', '.bmp']:
try:
import pytesseract
from PIL import Image
img = Image.open(filepath)
texto = pytesseract.image_to_string(img, lang='por')
doc_info['texto'] = texto
doc_info['tipo'] = classificar_documento(texto, arquivo)
except:
doc_info['tipo'] = 'imagem'
documentos.append(doc_info)
# Gerar índice
indice = gerar_indice_autos(documentos)
# Salvar resultados
with open(os.path.join(output_dir, 'indice_autos.json'), 'w', encoding='utf-8') as f:
json.dump(indice, f, ensure_ascii=False, indent=2)
with open(os.path.join(output_dir, 'documentos_processados.json'), 'w', encoding='utf-8') as f:
# Salvar sem dados binários
docs_clean = []
for doc in documentos:
doc_clean = {k: v for k, v in doc.items()
if k not in ['dados_planilha']} # planilhas salvas separadas
docs_clean.append(doc_clean)
json.dump(docs_clean, f, ensure_ascii=False, indent=2, default=str)
# Salvar planilhas processadas separadamente
for doc in documentos:
if 'dados_planilha' in doc and doc['dados_planilha']:
nome_base = Path(doc['arquivo']).stem
with open(os.path.join(output_dir, f'planilha_{nome_base}.json'), 'w', encoding='utf-8') as f:
json.dump(doc['dados_planilha'], f, ensure_ascii=False, indent=2, default=str)
print(f"\nProcessamento concluído!")
print(f"Total de documentos: {len(documentos)}")
print(f"Tipos identificados:")
tipos = {}
for doc in documentos:
t = doc.get('tipo', 'desconhecido')
tipos[t] = tipos.get(t, 0) + 1
for tipo, qtd in sorted(tipos.items()):
print(f" - {tipo}: {qtd}")
print(f"\nResultados salvos em: {output_dir}")
if __name__ == '__main__':
if len(sys.argv) < 3:
print("Uso: python3 pre_processador.py <diretorio_entrada> <diretorio_saida>")
sys.exit(1)
processar_diretorio(sys.argv[1], sys.argv[2])
Related skills
| Skill | Stars | Updated | Works with | Status | Install |
|---|---|---|---|---|---|
| reverse-engineer-anythingmorluto/reaReverse engineer native, managed, Electron/JavaScript, packaged, firmware, and browser targets with REA, and build agent environments (AgentEnv bundles) of web applications from a live instance or a capture, and of Linux desktop apps with a task from a request. Use shipped-artifact or requested runtime evidence to explain features, compare versions, decompile code, or guide a reconstruction. Skip REA for ordinary source-repository architecture analysis. | Stars: 472k | Updated | Claude CodeCodex | Verified | Install |
| diagnosing-superpowersobra/superpowersUse when a superpowers session went wrong and your human partner wants to know why — repeated work, ignored plans, stumbles, poor results, a skill that didn't fire, "it took too long", "why is it so expensive", "what is it doing" — or wants to build a bug report for the superpowers maintainers, for the current session or a past one identified by id or path, on any harness. | Stars: 323k | Updated | Claude CodeCodex | Verified | Install |
| dispatching-parallel-agentsobra/superpowersUse when facing 2+ independent tasks that can be worked on without shared state or sequential dependencies | Stars: 323k | Updated | Claude CodeCodex | Verified | Install |
| executing-plansobra/superpowersUse when executing an implementation plan in the current session as the implementer yourself — your human partner chose inline execution, or no subagent tool is available | Stars: 323k | Updated | Claude CodeCodex | Verified | Install |