- Tipo
- Projeto pessoal
- Estado
- Online
- Época
- 2026-2027
Onde Caçar
Calendário gratuito dos dias de caça nas zonas de caça municipais, construído a partir de centenas de PDFs publicados pelo ICNF.

Antes
- Informação dispersa em centenas de PDFs
- Consulta zona a zona, lenta e pouco prática
- Sem visão por concelho, distrito ou espécie
- Candidatura a cada zona preenchida à mão
Depois
- Um único calendário, gratuito e fácil de consultar
- Pesquisa por concelho, distrito e espécie
- Dados validados antes de serem publicados
- Candidatura gerada diretamente no site
Como funciona
- 1
Recolha
Scraping automático do site do ICNF (Playwright), por distrito. Cada PDF novo é descarregado e a primeira página é convertida em imagem — o PDF é depois descartado, só a imagem fica em disco.
- 2
Tratamento e Processamento
A imagem é endireitada com base no ângulo da própria grelha da tabela. De seguida, os cruzamentos da grelha são detetados e cada célula é recortada e remontada numa imagem nova, sem sobreposições.
- 3
Extração
Um agente de IA com visão lê a grelha de recortes diretamente e devolve os dados estruturados — sem OCR e sem custo de API por imagem.
- 4
Validação e Calendário
Validação automática de inconsistências, seguida de revisão humana numa webapp própria. Só depois cada intervalo de datas é expandido nos dias da semana permitidos, feriados incluídos.
Capturas de ecrã
Obstáculos do projeto
OCR (Tesseract) célula a célula não aguentava a variedade real dos ~300 documentos.
O pipeline de OCR foi abandonado. Passou a montar-se uma grelha só com os recortes de cada célula, lida por um agente de IA com visão — que entende a tabela como imagem, não como texto solto.
Extrair ~300 documentos por API paga da Claude não escalava.
A chamada direta à API foi removida. O sistema passou a gerar apenas os prompts; a extração é feita por agentes Claude Code, lançados manualmente, sem custo de API por imagem.
Scans nunca perfeitamente direitos desalinhavam a deteção da tabela.
Passou a calcular-se o ângulo de rotação a partir da própria grelha da tabela e a endireitar a imagem antes de qualquer deteção de células.
Dados espalhados por tabelas paralelas, ligadas por caminho de ficheiro.
O esquema foi unificado numa única tabela, ligada por identificador numérico em vez de uma string de caminho — evitando problemas de barras invertidas e escaping.
Reservas "desaparecidas", puladas para sempre pelo pipeline sem explicação.
Uma versão antiga só gravava a imagem processada em certas condições, mas a base de dados guardava sempre o caminho. Passou a confirmar-se sempre a existência real do ficheiro em disco.
Confiar cegamente em dados extraídos por um agente de IA.
Nenhuma linha entra no calendário sem validação automática de inconsistências e revisão humana numa webapp própria, antes de ser marcada como pronta.