Pular para o conteúdo principal

​
OCR do documento de empresa

O módulo cnpj_ocr lê o documento societário que a empresa enviou (cartão CNPJ, CCMEI, contrato social, alteração contratual registrada na Junta, certidão, estatuto ou ata) e extrai os campos impressos nele. Diferente do documento de pessoa, aqui não há câmera: é envio de arquivo, e o documento pode ter várias páginas.
Tudo aqui é o que o PAPEL diz, na data em que o papel foi emitido. Inclusive registration_status e cnae_principal: eles são leitura do documento, e não consulta à Receita. Para a situação cadastral vigente você precisa de cnpj_registration ou cnpj_realtime, que perguntam à fonte. Tratar o campo lido do papel como situação atual é a confusão mais cara desta seção, porque uma certidão de 2019 diz “ATIVA” para sempre.
Campo que o documento não trazia simplesmente não aparece no objeto. Ele não vem null: a chave não existe. A única que sempre existe é cnpj, e ela pode vir string vazia, o que é um resultado legítimo e não uma falha: contrato de constituição original não traz CNPJ, porque a empresa ainda não tinha um. Vazio também é o que sai quando o documento cita mais de um CNPJ sem rótulo que desempate, porque preferimos não responder a chutar entre a empresa titular e uma sócia pessoa jurídica. Quando resolvemos, o número vem com 14 posições e dígito verificador conferido (inclusive no formato alfanumérico da Receita), nunca um número que não fecha.
O sandbox deste módulo emite os mesmos nomes de campo da produção, então dá para fixar o shape contra ele. O que muda entre os dois ambientes é só o conteúdo: no sandbox os valores são fixos e nenhum documento é lido de verdade. Continua valendo a regra de cima: campo que o documento não trazia não aparece no objeto, então programe por presença de chave e não por posição.