feat(Jornal da Paraiba): Criação do spider e scraper do portal de notícias Jornal da Paraiba

[mateus9levy]

feat(scraper): Adiciona crawler e scraper para o portal Jornal da Paraíba

Descrição

Este commit introduz o suporte completo (crawler e scraper) para um novo portal: Jornal da Paraíba (jornaldaparaiba.com.br).

Motivação: O portal utiliza renderização de conteúdo via JavaScript, o que impedia a extração correta do corpo da notícia por métodos tradicionais. A implementação utiliza Playwright para garantir que a página seja totalmente renderizada antes da extração dos dados.

Alterações principais:

• spiders/jornaldaparaiba.py (Novo): Adiciona o crawler (Scrapy) responsável por descobrir, navegar e filtrar as URLs de notícias válidas do site.
• plays/jornaldaparaiba.py (Novo): Adiciona o scraper (Playwright) que acessa a URL da notícia, aguarda a renderização do conteúdo dinâmico e extrai título, descrição, corpo (div#article) e tags.
• Integração: O novo portal foi registrado no create_db.py e as novas classes (JornalDaParaibaSpider e JornalDaParaibaPlay) foram importadas nos arquivos __init__.py de seus respectivos módulos.

🗂️ Tipo de Mudança

• 🐞 Correção de bug (fix)
• ✨ Nova funcionalidade (feat)
• ♻️ Refatoração (refactor/improve)
• 📝 Documentação (docs)
• 🚀 Performance (perf)
• 🧪 Testes (test)
• ⚙️ Build/CI (build/ci/cd/static)

📌 Checklist

• Mensagem de commit segue o padrão Conventional Commits
• Nome da branch segue a Política de Branches Git Flow
• Testes adicionados/atualizados
• Documentação atualizada (README / Storybook / Swagger / MkDocs)
• Pipeline CI/CD aprovado
• Sem dependências pendentes

🔗 Issues Relacionadas

Closes #

🧪 Como Testar

Como os comandos make não foram adicionados neste diff, você pode testar manualmente:

1. Execute o crawler (usando o nome do spider):
   docker compose run scraper python crawl.py jornaldaparaiba
2. Execute o scraper (usando o domínio):
   docker compose exec scraper python scrape_no_openai.py --platform jornaldaparaiba.com.br
3. Resultado esperado: Verifique os logs ou o banco de dados. As notícias do "Jornal da Paraíba" devem ser salvas.

📷 Evidências

(Screenshots, GIFs ou logs (se aplicável).)

📃 Notas Adicionais

Observações para revisores ou deploy.

[alanagabriele]

Revisado, nenhuma alteração necessária.

ref PR repo original: EH-FAKE#65