ADR-0002 — Fonte oficial: CSV da Caixa (em vez de scraping de HTML)

• Status: Aceito — emendado em 2026-07-18 (escopo do detalhe, ver nota abaixo)
• Data: 2026-07-16

Emenda (2026-07-18): o ADR-0010 redefine o scraping da página de detalhe como secundário mas obrigatório em volume (enriquecer todos os imóveis, de forma paced/event-driven), e não como "opcional/pontual". O CSV permanece a fonte primária (verdade de existência/preço); o detalhe é a segunda camada obrigatória. As referências a "enriquecimento pontual" abaixo estão superadas por essa emenda.

Contexto

Precisamos coletar imóveis de leilão da Caixa. Havia duas opções: raspar o HTML do site ou usar algum canal oficial. A Caixa publica a lista completa de imóveis por estado em CSV.

Decisão

Usar a lista oficial em CSV como fonte primária: https://venda-imoveis.caixa.gov.br/listaweb/Lista_imoveis_{UF}.csv (verificada, responde 200). O scraping da página de detalhe é fonte secundária obrigatória em volume (fotos, edital, praças, dívidas, ocupação), coletada de forma educada e paced para todos os imóveis — ver a emenda acima e o ADR-0010. Limites e salvaguardas na política de coleta. Detalhes técnicos em Fonte Caixa (CSV).

Consequências

• + Muito mais estável (não quebra com mudança de layout) e legalmente mais seguro (canal sancionado pela própria Caixa).
• + Menos carga no site da Caixa; parsing determinístico.
• − O CSV tem menos campos que a página de detalhe → enriquecimento em volume obrigatório (secundário, paced), não pontual — ver emenda e ADR-0010.
• Guardamos o CSV bruto antes de normalizar (reprocessável).

Alternativas consideradas

• Scraping do HTML como fonte primária: frágil e com maior risco jurídico/de bloqueio — rejeitado como primário.