Cobertura estadual: onde achar cada diário, e o que falta

Levantamento feito em 19/09/2026, de dentro do container, pela VPN brasileira — que é exatamente o caminho que a coleta usa. Um endereço que responde aqui responde para o coletor; um que não responde aqui, não responde para ele também, por mais que abra no seu navegador.

O que foi medido: para cada uma das 27 UFs, o endereço do Diário Oficial do Executivo e o do Tribunal de Contas foram chamados, e a resposta foi classificada (código HTTP, tipo de conteúdo, presença de link de PDF). O que NÃO foi medido: o layout interno de cada diário. Saber que uma origem responde não é saber que o parser_config dela está escrito.

1. Resposta curta

### ⚠️ A página de vendas promete mais do que existe site/landing.html anuncia "Tribunal de Contas de todos os 26 estados e o DF", gera uma linha de "Diário Oficial do Estado" para cada UF, e soma 241 fontes. O catálogo real tem 2 DOEs e 3 TCEs. A cobertura judicial (DOU, 27 TJs, 6 TRFs, 24 TRTs, superiores) é verdadeira e é a maior parte do valor. O que não se sustenta é a promessa estadual de Executivo e Controle. Corrigir a página antes de vender, ou vender só o que a §2 lista como pronto.

2. O que está coletando hoje

Os três últimos entraram sem uma linha de código nova — só configuração, pelo caminho descrito no manual de fontes § 2.

3. Diários Oficiais do Executivo — as 27 UFs

✅ coletando · 🟡 responde, falta mapear o layout · 🔴 bloqueio de rede/WAF

4. Tribunais de Contas — as 27 UFs

Vários estados têm dois: o TCE (estado) e o TCM (municípios) — caso de BA, GO, PA e CE. A tabela traz o que foi encontrado; onde o TCM apareceu primeiro, está anotado.

5. O plano, em ordem de custo/benefício

Passo 1 — os 🟡 que já têm PDF à vista (1 a 3 h cada)

MS (Executivo) e MA, MS, GO, PI (TCE) são os mais próximos. O roteiro é o mesmo que resolveu RO e AM:

1. Abrir o endereço num navegador de verdade, com o inspetor de rede aberto, e navegar até o diário de ontem.
2. Anotar a URL do PDF e a URL da página que lista as edições do dia.
3. Ver se a URL do PDF é dedutível da data:
4. é → só url_template, como o RO;
5. não é → descoberta, com link_regex apontando para o arquivo. Se a listagem não filtrar por data, ponha o dia dentro da própria regex com {data:%Y-%-m-%-d} (como o TCE-RO) ou por extenso com {data:%B} (como o TCE-AM).
6. Cadastrar em Fontes → Cadastrar fonte, motor PDF.
7. Afinar em Heurística: analisar um dia, olhar quantos atos saíram e se a ficha veio preenchida. O botão de sugestão com IA propõe os marcadores a partir de amostras.
8. Ligar a fonte e conferir no painel de Saúde no dia seguinte.

Passo 2 — os 🟡 que carregam por JavaScript

AL, MT, RN, SE, RR, RS, TO, SC (Executivo). São aplicações de página única: o HTML vem vazio e os dados chegam depois, por uma chamada de API. Essa chamada costuma ser pública e estável.

Como achar, sem programar: abrir o site no Chrome, F12 → aba Network → filtrar por Fetch/XHR → navegar até o diário. A chamada que devolve a lista de edições aparece ali, com a URL completa. Copie e me mande — a partir dela o cadastro é o mesmo do Passo 1, e frequentemente a fonte vira api_generica, que é ainda mais simples que PDF.

Passo 3 — os 🔴 de TLS (BA, GO, PI, PR, AP, DF-TCE, PE-TCE)

São sete origens cujo servidor tem a cadeia de certificados mal configurada — erro do lado deles, não nosso. Já existe tratamento por host exato em clipping/http.py (_HOSTS_SEM_CADEIA_COMPLETA), feito para o STF, que tem o mesmo defeito.

O conserto é acrescentar o host àquela lista. Não faço isso em lote e sem conferir: cada exceção afrouxa a verificação de TLS para aquele domínio, e isso merece ser decidido host a host, olhando o certificado com openssl s_client -showcerts. Diga quais UFs interessam e eu confiro uma a uma.

Passo 4 — os 🔴 de WAF (DF-Executivo, CE, SE, RR-TCE, SC-TCE, RJ-TCE, TSE)

Exigem navegador com execução de JavaScript para passar pelo desafio. Não é conserto de configuração — é infraestrutura nova: um container com Chrome headless, que hoje não existe neste servidor. É a única categoria em que não consigo avançar sem essa decisão sua.

Custo: um serviço a mais no docker-compose.yml, memória e um coletor que fala com ele. Vale se essas UFs forem comerciais; não vale por completude.

6. O que fazer com a página de vendas, enquanto isso

Três caminhos, nesta ordem de honestidade:

1. Ajustar o texto para a cobertura real: judiciário nacional completo, DOU, e Executivo/Controle em SP, RO e AM. É o que eu faria.
2. Vender por UF sob demanda: "seu estado em até X dias úteis" — o Passo 1 torna isso plausível para boa parte dos 🟡.
3. Manter a promessa e correr atrás. Só funciona com prazo e alguém dedicado.

O que não dá é ir a mercado com a página atual e o catálogo atual, porque o primeiro cliente de outro estado descobre no primeiro dia.