aibot88 LiteParse Windows — Autos do PJe
Skill para extrair conteúdo de PDFs de autos do PJe (Processo Judicial Eletrônico) em Windows. O LiteParse lida bem com o padrão típico do PJe: capa padronizada + documentos anexados, frequentemente escaneados (OCR), podendo chegar a centenas de páginas.
Quando disparar
Acione esta skill quando o usuário:
- Invocar a barra de comando
/liteparse-windows - Fornecer um caminho de PDF e pedir para parsear/extrair/ler (ex.: "parseia
C:\...\0000001-23.2025.8.06.0203.pdf") - Falar em autos, processo, peça, tribunal, réplica, contestação, decisão — no contexto de extrair texto de um PDF local
- Mencionar número no padrão CNJ (
NNNNNNN-DD.AAAA.J.TR.OOOO) junto com um pedido de extração
Se o usuário pedir para baixar os autos, esta skill não cobre isso — redirecione para uma das skills de download (baixar-autos-pje via Claude in Chrome, ou pje-download via browser-use).
Pré-requisitos (assume instalado)
Antes de qualquer parse, valide rapidamente:
lit --version
Se o comando falhar, pare e informe o usuário que precisa instalar @llamaindex/liteparse globalmente (npm i -g @llamaindex/liteparse). Não entre em tutoriais longos de instalação — essa skill pressupõe ambiente pronto.
Dependências opcionais (já esperadas no Windows do usuário):
- LibreOffice — necessário se o anexo vier em DOC/DOCX/XLSX/PPTX dentro do processo
- ImageMagick — necessário para imagens soltas (JPG/PNG/TIFF)
Fluxo padrão de um PDF do PJe
1. Verificar o arquivo
ls -la "<caminho-do-pdf>"
Anote o tamanho — PDFs do PJe acima de ~5 MB quase sempre têm páginas escaneadas (OCR vai rodar). Abaixo disso costumam ser texto nativo.
2. Rodar o parse
Comando padrão, saída em texto, salvando ao lado do PDF:
lit parse "<caminho-do-pdf>" --format text -o "<caminho-do-pdf-sem-.pdf>.txt"
Por padrão o LiteParse:
- Extrai texto nativo quando disponível
- Faz OCR automático (Tesseract.js embutido) nas páginas escaneadas
- Usa DPI 150 (suficiente para autos típicos)
Para processos grandes (>50 páginas com OCR), rode em background para não travar a conversa:
lit parse "<caminho>" --format text -o "<saida.txt>"
# com run_in_background=true no Bash tool
Enquanto roda, avise o usuário: "Processando em background (pode levar vários minutos se houver OCR em muitas páginas)."
3. Reportar metadados do processo
Assim que o parse terminar, sempre leia as primeiras ~120 linhas do .txt e extraia os campos da capa padronizada do PJe. Monte uma tabela e apresente ao usuário:
| Campo | Onde encontrar na capa |
|---|---|
| Número | linha "Número: NNNNNNN-DD.AAAA.J.TR.OOOO" |
| Classe | linha "Classe: ..." |
| Órgão julgador | linha "Órgão julgador: ..." |
| Distribuição | linha "Última distribuição:" |
| Valor da causa | linha "Valor da causa: R$ ..." |
| Assuntos | linha "Assuntos: ..." |
| Sigilo | linha "Nível de Sigilo:" |
| Justiça gratuita | "Justiça gratuita? SIM/NÃO" |
| Liminar/tutela | "Pedido de liminar ou antecipação de tutela? SIM/NÃO" |
Depois identifique:
- Partes e advogados — seção "Partes ... Advogados"
- Últimas movimentações — topo da tabela "Documentos" (Id., Data, Documento, Tipo)
Dica: o número CNJ revela o tribunal pelo código TR (posições 15-16):
| TR | Tribunal |
|---|---|
| 06 | TJCE |
| 26 | TJSP |
| 19 | TJRS |
| 02 | TJRJ |
| 05 | TJBA |
| 04 | TRFs (01-06 conforme região) |
Mencione o tribunal detectado no relatório.
4. Oferecer próximos passos
Depois do relatório, pergunte ao usuário se quer algum destes:
- Extrair peças específicas em arquivos separados (petição inicial, contestação, réplica, decisão, sentença) — use
--target-pagesquando souber o range - Reprocessar em JSON com bounding boxes:
lit parse ... --format json— útil quando a saída vai alimentar um agente/LLM ou extração estruturada - Screenshots de páginas para inspeção visual:
lit screenshot <pdf> --pages "1,3,5" -o ./screenshots - Buscar termos no
.txtgerado (valores, datas, nomes) — use Grep direto - Abrir no VS Code:
code "<caminho.txt>"
Opções avançadas (quando o padrão não for suficiente)
| Situação | Flag |
|---|---|
| PDF só com texto nativo (sem scans) — parse mais rápido | --no-ocr |
| Scan de baixa qualidade (letras borradas) | --dpi 300 |
| Só algumas páginas | --target-pages "1-10,45,80-90" |
| Texto em rodapé/carimbo muito pequeno sumindo | --preserve-small-text |
| Documentos com texto em ângulo (assinaturas digitalizadas) | remover --skip-diagonal-text se estiver setado |
| OCR errando em português | --ocr-language por (exige modelo Tesseract por) |
| Lote de vários PDFs de um mesmo processo | lit batch-parse <dir> <out-dir> --extension .pdf --recursive |
Particularidades do Windows
Caminhos
- No Git Bash (shell padrão usado pela skill), use aspas duplas e barras normais:
lit parse "C:/Users/marco/processos/0000001-23.2025.8.06.0203.pdf" ... - Barras invertidas
\funcionam dentro de aspas duplas, mas misture com cuidado - Espaços no caminho exigem aspas
PowerShell (alternativa)
Se o usuário pedir PowerShell explicitamente:
lit parse "C:\Users\marco\processos\0000001-23.2025.8.06.0203.pdf" --format text -o "C:\Users\marco\processos\0000001-23.2025.8.06.0203.txt"
A sintaxe das flags do lit é idêntica; só muda o shell ao redor.
Abrir resultado
code "<caminho.txt>" # VS Code
notepad "<caminho.txt>" # Bloco de Notas (fallback)
Troubleshooting
| Sintoma | Causa provável | Ação |
|---|---|---|
lit: command not found |
CLI não instalado ou fora do PATH | npm i -g @llamaindex/liteparse, reabrir shell |
| OCR travando em uma página específica | Página com imagem gigante ou corrompida | Pular com --target-pages excluindo a página |
| Texto em português saindo embaralhado | Tesseract sem modelo por |
Instalar modelo ou usar --ocr-server-url externo |
| Anexo DOCX não sendo processado | LibreOffice ausente ou fora do PATH | Verificar soffice --version |
| Parse muito lento (>30min em 200 páginas) | DPI alto + OCR pesado | Reduzir para --dpi 150 ou desativar OCR com --no-ocr se o PDF for nativo |
| Saída em branco | PDF criptografado/protegido | Avisar o usuário — LiteParse não quebra senha |
Formato de entrada esperado
PDFs gerados pelo PJe tipicamente contêm:
- Capa (1 página) — texto nativo, metadados padronizados
- Sumário de documentos (1-3 páginas) — texto nativo, tabela com Id./Data/Tipo
- Peças anexadas — mistura de texto nativo (petições digitadas) e scans (procurações, RG, comprovantes)
O LiteParse trata essa mistura automaticamente. Páginas escaneadas aparecem nos logs como OCR on page N → Found X text items. Poucos text items (< 20) costumam indicar páginas de carimbo/assinatura com pouco conteúdo útil — normal.
Princípio de operação
Esta skill é uma casca fina sobre o CLI lit. A inteligência vem de:
- Escolher flags adequadas ao perfil de PDF do PJe
- Extrair e apresentar os metadados da capa padronizada de forma estruturada — isso transforma um texto bruto de 10k linhas em um resumo acionável
- Conhecer as armadilhas de Windows (paths, shell) para não travar na parte trivial
- Oferecer próximos passos que o usuário realmente precisa (busca, extração de peças, JSON pra agentes)
Se em algum momento o usuário quiser um comportamento que diverge — ex.: parsear um PDF que não é do PJe, ou um XLSX qualquer — use a skill genérica liteparse no lugar desta.