Add ValeGazetteSpider e alguns municípios que a utilizam

[vcoelh]

AO ABRIR uma Pull Request de um novo raspador (spider), marque com um X cada um dos items da checklist abaixo. Caso algum item não seja marcado, JUSTIFIQUE o motivo.

Layout do site publicador de diários oficiais

Marque apenas um dos itens a seguir:

• O layout não se parece com nenhum caso da lista de layouts padrão
• É um layout padrão e esta PR adiciona a spider base do padrão ao projeto junto com alguns municípios que fazem parte do padrão.
• É um layout padrão e todos os municípios adicionados usam a classe de spider base adequada para o padrão.

Código da(s) spider(s)

• O(s) raspador(es) adicionado(s) tem os atributos de classe exigidos.
• O(s) raspador(es) adicionado(s) cria(m) objetos do tipo Gazette coletando todos os metadados necessários.
• O atributo de classe start_date foi preenchido com a data da edição de diário oficial mais antiga disponível no site.
• Explicitar o atributo de classe end_date não se fez necessário.
• Não utilizo custom_settings em meu raspador.

Testes

• Uma coleta-teste da última edição foi feita. O arquivo de .log deste teste está anexado na PR.
• Uma coleta-teste por intervalo arbitrário foi feita. Os arquivos de .loge .csv deste teste estão anexados na PR.
• Uma coleta-teste completa foi feita. Os arquivos de .log e .csv deste teste estão anexados na PR.

Verificações

• Eu experimentei abrir alguns arquivos de diários oficiais coletados pelo meu raspador e verifiquei eles conforme a documentação não encontrando problemas.
• Eu verifiquei os arquivos .csv gerados pela minha coleta conforme a documentação não encontrando problemas.
• Eu verifiquei os arquivos de .log gerados pela minha coleta conforme a documentação não encontrando problemas.

Descrição

Esse PR resolve #1116 assim como adiciona mais três municípios (to_buriti_do_tocantins, to_pium, to_cristalandia)

Coleta-teste completa:
to_buriti_do_tocantins-full-extraction.csv
to_buriti_do_tocantins-full-extraction.log

to_pium-full-extraction.csv
to_pium-full-extraction.log

to_cristalandia-full-extraction.csv
to_cristalandia-full-extraction.log

Coleta-teste intervalo arbitrário:

to_buriti_do_tocantins-2022-12-31--2024-04-11.csv
to_buriti_do_tocantins-2022-12-31--2024-04-11.log

to_pium-2022-12-31--2024-04-11.csv
to_pium-2022-12-31--2024-04-11.log

to_cristalandia-2022-12-31--2024-04-11.csv
to_cristalandia-2022-12-31--2024-04-11.log

Coleta-teste última edição:

to_buriti_do_tocantins-last-edition.log

to_cristalandia-last-edition.log

to_pium-last-edition.log

[victorfernandesraton]

Em vez de colocar o espaço em branco , a regex ficaria mais consistente se usasse o token \s

[talesmota]

Não seria mais interessante usar o dateparser para tratar essa data?

website_date_text  = gazette.xpath(
            './/*[contains(text(), "Publicado")]/text()'
        ).get()
website_date_text = publish_date.split(',')[1]
website_date_text = dateparser.parse(
                website_date_text, languages=["pt"]).date()

[vcoelh]

Obrigado pela sugestão! Já subi a alteração!