Legislação brasileira em Markdown
A Constituição Federal e normas federais, estaduais, distritais e municipais, convertidas de
fontes oficiais para Markdown, com cabeçalho estruturado e link para a origem de cada texto.
As contagens do acervo publicado são atualizadas a cada commit em PROGRESSO.md.
O histórico do git é a própria linha do tempo: as 323.849 normas da base entraram uma por
commit, assinadas por quem as promulgou e datadas do dia em que foram aprovadas.
O objetivo é maior do que o que já está aqui: todo o ordenamento jurídico brasileiro — leis,
decretos, atos infralegais das agências e órgãos reguladores, tratados internalizados,
jurisprudência vinculante e o direito estadual e municipal — num lugar só, em texto simples, de
graça, para qualquer pessoa.
O escopo completo está em scripts/plano.py e a medição item a item — o que
já tem, o que falta, de que fonte vem e em qual pasta fica — em PROGRESSO.md,
gerados por scripts/progresso.py.
[!IMPORTANT]
Os textos têm caráter informativo e não substituem a publicação no Diário Oficial. São
conversões automáticas e, em 17.016 arquivos, OCR de PDF escaneado. Confira sempre a fonte
indicada no cabeçalho antes de citar.
Base inicial do histórico
As tabelas abaixo registram as 323.849 normas da base inicial; as coletas posteriores estão
contabilizadas em PROGRESSO.md.
| Esfera |
Normas |
| Constituição Federal |
1 |
| Federal |
29.184 |
| Estadual e distrital |
294.664 |
| Total |
323.849 |
Por tipo de instrumento:
| Tipo |
Normas |
|
Tipo |
Normas |
| Lei Ordinária |
289.684 |
|
Lei Promulgada |
434 |
| Decreto-Lei |
18.366 |
|
Emenda à Lei Orgânica |
134 |
| Lei Complementar |
12.598 |
|
Constituição Estadual |
26 |
| Emenda Constitucional |
2.013 |
|
Decreto-Lei Complementar |
23 |
| Lei Delegada |
550 |
|
Lei Constitucional |
19 |
As contagens por estado, com o que ficou de fora e por quê, estão em
COBERTURA.md. Para ver em gráficos — normas por estado, por década, por tema,
as palavras mais frequentes nas ementas e quem mais assinou — abra
estatisticas.html no navegador. É um arquivo único, sem servidor nem
dependência externa, gerado por scripts/estatisticas.py.
Estrutura
constituicao.md Constituição Federal de 1988 (texto vigente, Planalto)
federal/
leis-ordinarias/AAAA/*.md Leis federais, de 1822 a hoje
leis-complementares/AAAA/*.md
leis-delegadas/ decretos-lei/
estaduais/UF/
constituicao/ Constituição estadual
emendas-constitucionais/
leis-ordinarias/ leis-complementares/ leis-delegadas/ decretos-lei/
reguladores/<orgao>/<tipo>/ atos infralegais federais (CONTRAN, ANVISA, RFB, CMN…)
jurisprudencia/<tribunal>/ súmulas, temas vinculantes e controle concentrado
tratados/ tratados internacionais internalizados
municipais/UF/<municipio>/ legislação municipal
scripts/ o código que baixa, converte e audita
scripts/plano.py o escopo: todo tipo de norma que deve estar aqui
COBERTURA.md números por esfera e tipo, e as lacunas
PROGRESSO.md o plano medido contra o acervo, item a item
progresso.svg a imagem de progresso do topo deste README
estatisticas.html página com gráficos sobre o acervo
Os nomes de pasta são os mesmos em todas as esferas. Algumas unidades têm pastas a mais, porque a
fonte distingue instrumentos que as outras não têm: leis-promulgadas (AM, PB),
decretos-lei-complementares (SP), leis-constitucionais (MG), constituicoes-historicas (BA),
lei-organica e emendas-lei-organica (DF).
Fora do versionamento, porque os scripts os reproduzem: _fonte/ (27 GB com o HTML e os PDFs
originais, comprimidos), _indice/ (os índices de cada fonte) e os logs. Os _falhas.jsonl, que
registram linha por linha o que não entrou, estão versionados.
Todo arquivo tem cabeçalho YAML e, no corpo, o título em # seguido do texto da norma:
---
titulo: "Lei nº 10.406 de 10/01/2002"
uf: "SP" # ausente nas normas federais
tipo: "Lei Ordinária"
numero: "10406"
data: 2002-01-10 # sempre presente; vazia quando a fonte não informa
ano: "2002" # só quando a fonte dá apenas o ano (PA, PE)
ementa: "Institui o Código Civil."
situacao: "Em vigor"
revogada: false
versao_texto: "compilada (texto vigente)"
publicacao: "DOU de 11/01/2002"
data_publicacao: 2002-01-11
urn: "urn:lex:br:federal:lei:2002-01-10;10406"
fonte: "https://normas.leg.br/?urn=urn:lex:br:federal:lei:2002-01-10;10406"
arquivo: "https://…/lei10406.pdf" # quando o texto veio de um PDF
baixado_em: 2026-10-13
---
# Lei nº 10.406 de 10/01/2002
LEI Nº 10.406, DE 10 DE JANEIRO DE 2002
Institui o Código Civil.
titulo, tipo, numero, data, versao_texto, fonte e baixado_em existem em todos os
arquivos; os demais aparecem quando a fonte os fornece. Os campos saem sempre nessa ordem.
O campo tipo usa o vocabulário canônico definido em CANONICO, em
scripts/comum.py. O mesmo mapa vale para quem baixa e para scripts/normalizar.py, que o reaplica
ao acervo já gravado — por isso lei-ordinaria e leis-ordinarias, ou Lei e LEI ORDINARIA, não
coexistem.
Duas exceções, ambas propositais: a constituicao.md na raiz é o único arquivo sem cabeçalho, por
ser o documento único de topo; e cinco arquivos trazem, no lugar do texto, um aviso em citação —
a fonte oficial serve um documento vazio para eles e só os metadados foram preservados.
O histórico do git
A base do histórico é uma linha do tempo da legislação: 323.851 commits, um por norma, em
ordem cronológica de 1822 até hoje, cada um assinado por quem promulgou a norma — 5.414
autores. Foi montada de uma vez só por scripts/montar_repositorio.py, com git fast-import.
[!NOTE]
As normas que chegam depois entram em commits de lote, um por coleta — "153.637 decretos
federais (1889–2026)" —, não mais um commit por norma. Reconstruir a linha do tempo a cada lote
significaria reescrever e reenviar meio milhão de commits para acrescentar texto novo; o custo
não se paga. A linha do tempo norma a norma continua no histórico e continua verdadeira para o
que ela cobre, e montar_repositorio.py continua funcionando para quem quiser gerá-la de novo,
do acervo inteiro, num repositório à parte.
Os autores que mais assinaram, na base:
| Normas |
Signatário |
| 4.247 |
Marconi Ferreira Perillo Júnior |
| 3.795 |
Aécio Neves |
| 3.457 |
Geraldo Alckmin |
| 3.097 |
Ronaldo Caiado |
| 2.654 |
Getúlio Vargas |
O autor sai do bloco de assinatura do próprio texto (scripts/signatarios.py). Em cerca de 48% dos
casos a assinatura não está na camada de texto do PDF, ou o OCR a perdeu; nesses, o autor é a
instituição — "Estado do Pará", "República Federativa do Brasil". A mensagem do commit sempre diz
de onde a autoria saiu, na linha Autoria:. Os demais signatários entram como Co-Authored-By.
Os e-mails são sintéticos, no formato [email protected], com os cinco dígitos
derivados do próprio nome — cada pessoa tem uma identidade só no histórico inteiro.
[!NOTE]
Datas anteriores a 1970. O git conta a data em segundos desde 1970; qualquer data anterior
vira timestamp negativo, que o git fsck reprova como badDate e o GitHub rejeita ao receber.
Como a maior parte do acervo é anterior a 1970, essas normas têm a data do commit fixada em
01-01-1970 e a data real no fim do título, depois de |, e repetida no corpo. Nos commits
com data representável o título fica limpo. A ordem cronológica se mantém pela sequência de
commits, que é linear.
Lei nº 86, de 21/04/1880 | 21-04-1880
AUTORIZA O GOVERNO A DISPENSAR DE PROVAS DE CAPACIDADE PARA EXERCER O MAGISTÉRIO…
Data da norma: 1880-04-21
A data do commit está fixada em 01-01-1970: o git não representa data anterior a essa
(vira timestamp negativo, que o GitHub rejeita). A data real da norma é a do título e
a da linha acima.
Autoria: signatário não identificado no texto; autoria institucional.
Fonte: https://www.al.sp.gov.br/norma/139216
As 1.595 normas cuja data não existe em nenhuma fonte ficam no fim do histórico, com
| sem data na fonte no título.
Fontes
| UF |
Fonte |
Texto |
| — |
Planalto |
Constituição Federal, texto vigente |
| Federal |
Dados abertos do Senado (índice) + normas.leg.br (texto) |
compilado vigente quando existe; senão a publicação original |
| AC, AL, AM, PB, PI, RO, RR, TO |
SAPL das Assembleias (API REST) |
PDF anexado, com OCR quando escaneado |
| AP |
e-Legis da Assembleia |
texto integral em PDF + Constituição consolidada |
| BA |
Portal de Legislação (Casa Civil) |
HTML |
| CE |
BELT – Banco Eletrônico de Leis Temáticas |
HTML |
| DF |
SINJ-DF |
texto compilado |
| ES, SE |
sistema de legislação das Assembleias |
HTML, compilado quando disponível |
| GO |
Legisla Goiás (Casa Civil) |
HTML |
| MA |
GED da Assembleia |
PDF |
| MG |
Dados abertos da ALMG |
texto atualizado quando existe |
| MS |
Legislação da Governadoria (Lotus Notes) |
HTML |
| MT |
Assembleia Legislativa |
redação atual, PDF gerado pelo site |
| PA |
Banco de Leis da ALEPA |
PDF, com OCR quando escaneado |
| PE |
Alepe Legis |
texto atualizado quando existe |
| PR |
Sistema Estadual de Legislação |
— ver pendências |
| RJ |
Legislação Estadual da ALERJ (Lotus Notes) |
— ver pendências |
| RN |
Assembleia Legislativa |
PDF, acervo a partir de 1994 |
| RS |
Sistema LEGIS da Assembleia; Constituição no portal do DAL |
PDF nas recentes, HTML nas antigas |
| SC |
Legislação SC (ALESC) |
texto anotado |
| SP |
ALESP (dados abertos + API) |
texto atualizado quando existe |
Cada script em scripts/estados/ documenta no cabeçalho a API ou o caminho que usa.
Todos limitam a taxa a 1–4 requisições por segundo, são retomáveis (pulam o que já existe) e
guardam o original em _fonte/. Bloqueios de acesso automatizado não são contornados.
O que ainda não está aqui
O plano inteiro, com meta e fonte por tipo de norma, está em PROGRESSO.md. Em
resumo, o que falta se organiza em três fases:
| Fase |
O quê |
Por que nessa ordem |
| 1 |
Fechar a esfera federal: emendas constitucionais, decretos do Executivo (as duas séries), decretos legislativos, medidas provisórias, resoluções das Casas, regulamentos consolidados (RIR, RIPI, Aduaneiro, RPS) e tratados promulgados |
fonte única e já conhecida — normas.leg.br e Planalto, a mesma infraestrutura do baixador federal |
| 2 |
O infralegal, onde mora a norma que de fato se aplica: CONTRAN e o Manual de Sinalização, NRs do trabalho, RDC da ANVISA, IN da Receita, resoluções do CMN e do Banco Central, CONAMA, CNE, CNJ, TSE, conselhos profissionais; a jurisprudência vinculante (súmulas, repercussão geral, repetitivos, controle concentrado); e o infralegal estadual, com destaque para os 27 RICMS |
uma fonte por órgão, cada uma com seu formato — é trabalho de muitos raspadores pequenos |
| 3 |
Direito municipal: leis orgânicas, planos diretores, códigos tributários, de obras e de posturas, e as leis das câmaras — começando pelas 27 capitais |
5.570 fontes sem índice central; sozinho é maior que todo o resto somado |
Além disso, ficam de fora as normas cujo texto não existe na fonte ou não pôde ser obtido — cada
caso tem uma linha, com o motivo, no _falhas.jsonl da respectiva pasta.
Pendências
| O quê |
Por quê |
| PR — destravado em 15/10/2026 |
o WAF de legislacao.pr.gov.br devolvia 403 a partir da segunda requisição. Em novo teste, seis requisições seguidas responderam 200: o bloqueio saiu. scripts/estados/pr.py passou a coletar, com lei, lei complementar, emenda, Constituição, decreto, resolução e portaria |
| RJ — nada coletado |
o Lotus Notes da ALERJ fecha a conexão ou leva mais de 60 s por página. scripts/estados/rj.py está pronto para quando o servidor voltar |
| AC — só até 2009 |
limite do SAPL da Assembleia |
| TO — a partir de 2020 |
limite do SAPL da Assembleia |
| RN — a partir de 1994 |
o acervo da Assembleia não tem PDF anterior |
| RS — 5.569 leis antigas |
estão no índice, mas a página de texto responde "NORMA SEM TEXTO": nunca foram digitalizadas |
| ES e SE — 311 e 411 normas |
o servidor da Assembleia derruba a conexão nessas mesmas normas, de forma consistente |
| CE e MA — só leis |
o BELT do Ceará é um Banco Eletrônico de Leis e o GED do Maranhão só serve LEI, EC e LC: nenhuma das duas fontes carrega decreto ou ato infralegal. Precisam das Casas Civis estaduais |
| MG — não atualiza mais |
dadosabertos.almg.gov.br/arquivo/legislacao-mineira/download passou a responder 204 sem conteúdo para todo ano, e o serviço ws/legislacao não responde. As 26.733 normas já coletadas continuam no acervo; a atualização precisa de outro caminho na ALMG |
Qualidade do OCR
17.016 arquivos vêm de PDF escaneado, com OCR pelo framework Vision do macOS. O texto é legível,
mas tem dois defeitos conhecidos:
- ordem de leitura trocada em digitalizações de duas colunas — corrigido, e sem precisar de
modelo nenhum: o Vision devolve a caixa de cada linha, então
scripts/ocr.swift procura a calha
vertical entre as colunas e emite a da esquerda inteira antes da direita. A correção é
conservadora por desenho — só age quando há uma calha limpa, com os dois lados cheios e linhas
largas o bastante para serem prosa, o que afasta tabela de duas colunas, que se lê por linha e
não por coluna. Numa amostra de 120 PDFs escaneados (431 páginas) de sete estados, uma página
tinha calha de prosa: o defeito é real, e é raro. scripts/bin/ocr --diagnostico arquivo.pdf
relata, por página, se uma calha foi encontrada;
- ordinais confundidos (
Art. 19 por Art. 1º) — corrigido em 1.509 arquivos por
scripts/corrigir_ocr.py, que só reescreve a corrida 19, 29, 39… quando ela começa em 19, tem
ao menos dois termos e a numeração resultante fica coerente. Assim um Art. 19 legítimo, ou um
Art. 99 que cita outra lei, não é tocado.
Nenhum dos dois exigia um modelo de visão, afinal: o do ordinal saiu por regra de texto e o das
colunas, por geometria. O que resta de OCR imperfeito é erro de reconhecimento de caractere em
digitalização antiga, que é o limite do material, não do método.
baidu/Unlimited-OCR foi testado em Apple Silicon e não serve localmente: na resolução de treino o
encoder de visão pede ~21 GB, e numa resolução que caiba o prefill leva 221 s por página com saída
vazia. Reprocessar o lote exige GPU NVIDIA.
Reproduzir e atualizar
Requisitos: macOS, Python 3 (só biblioteca padrão), pdftotext (poppler) e, para o OCR, o
framework Vision via swiftc -O scripts/ocr.swift -o scripts/bin/ocr.
# baixar — todos os scripts são retomáveis: pulam o que já existe
python3 -I scripts/baixar_federal.py
python3 -I scripts/estados/sp.py # um estado por script
python3 -I scripts/estados/sapl.py baixar PB # estados com SAPL
python3 -I scripts/estados/spl_agape.py ES # ES e SE
# manter em ordem
python3 -I scripts/reconverter.py [UF ...] # regenera os .md a partir de _fonte
python3 -I scripts/normalizar.py # pastas, tipos e cabeçalhos canônicos
python3 -I scripts/corrigir_ocr.py # ordinais do OCR
python3 -I scripts/corrigir_datas_invalidas.py # datas que não existem no calendário
python3 -I scripts/relatorio.py # atualiza COBERTURA.md
python3 -I scripts/progresso.py # atualiza PROGRESSO.md e progresso.svg
python3 -I scripts/estatisticas.py # atualiza estatisticas.html
# remontar o histórico do git
python3 -I scripts/montar_repositorio.py --saida /caminho/do/repo
Os quatro scripts de manutenção são idempotentes e rodam em simulação por padrão: só gravam com
--aplicar. Rodar de novo, depois de aplicado, relata zero mudanças.
Auditorias da base inicial
Os resultados abaixo são da base inicial. Os lotes posteriores exigem validação própria;
scripts/auditar.py --staged verifica os arquivos exatamente como entrarão no próximo commit.
| Verificação |
Resultado |
git fsck --strict |
zero erros |
| data em todos os arquivos |
323.848 de 323.848 (a Constituição não tem cabeçalho) |
| data que existe no calendário e não está no futuro |
100% |
| nomes de pasta canônicos |
100% |
tipo no vocabulário fechado |
100% |
cabeçalho + # título + texto |
323.843; 5 com aviso de ausência; 1 por desenho |
Licença
Os textos das normas são atos oficiais do poder público e, pelo art. 8º, I, da Lei nº 9.610/98,
não são objeto de proteção autoral. Os scripts deste repositório estão sob a licença MIT — veja
LICENSE.
这是一个把巴西全部法律——包括联邦宪法以及联邦、州、联邦区和市级法规——从官方来源转换成纯 Markdown 的仓库。每个文件都带有结构化的文件头,并附有指回原始出处的链接。