feat(Uai): cria spider e scraper para o portal Uai

[DanielRogs]

Descrição

Implementa novo scraper para o Portal UAI com arquitetura multi-domínio, permitindo coleta de notícias de 5 domínios diferentes da rede UAI: uai.com.br, em.com.br, vrum.com.br, aqui.uai.com.br e soubh.uai.com.br.

Motivação: Expandir a cobertura de coleta de notícias para incluir um dos principais portais de notícias de Minas Gerais, aumentando significativamente o volume e diversidade de conteúdo coletado.

🗂️ 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 #37

🧪 Como Testar

1. Executar coleta de URLs: make crawl_uai
2. Verificar URLs coletadas: Confirmar que ~60+ URLs foram salvas no banco
3. Executar extração: make scrape_uai
4. Validar conteúdo: Verificar que título, descrição, corpo e tags foram extraídos
5. Resultado esperado: Taxa de sucesso de 93%+ na extração dos campos

📷 Evidências

Screenshots, GIFs ou logs (se aplicável).

🚀 Principais Funcionalidades Implementadas:

Spider Multi-Domínio (spiders/uai.py)

• Coleta URLs de 5 domínios diferentes
• Filtros robustos para remover conteúdo não-noticioso
• Seletores otimizados para cada subdomínio

Play de Extração (plays/uai.py)

• Extração de 4 campos: título, descrição, corpo, tags
• Seletores múltiplos com fallbacks
• Tratamento específico para cada domínio
• Taxa de sucesso: 93%+

Integração Completa

• Comandos no Makefile: crawl_uai / scrape_uai
• Documentação atualizada no README
• Compatibilidade com pipeline existente

Qualidade dos Dados

• Títulos: 100% de extração bem-sucedida
• Descrições: 100% após correções
• Corpo: Conteúdo substancial (2K-8K caracteres)
• Tags: Categorização automática por URL

📃 Notas Adicionais

• Portal multi-domínio: Primeira implementação com 5 domínios distintos no projeto