Banco Nacional de Questões - CNH do Brasil

Repositório para armazenar código de extração e estruturação de questões do Banco Nacional de Questões da CNH do Brasil em formato JSON.

Motivação

Apesar de pública, as questões do Banco Nacional de Questões não estão facilmente acessíveis em formatos estruturados que possam ser utilizados por desenvolvedores e educadores, sendo apenas encontrada em formato PDF.

Estrutura do Repositório

• extract.py: Script para extrair texto do arquivo PDF do Banco Nacional de Questões
• generate_json.py: Script para converter o texto extraído em um arquivo JSON estruturado
• extracted_text.txt: Arquivo de texto intermediário contendo o conteúdo extraído do PDF
• questions.json: Arquivo JSON final contendo as questões estruturadas

Uso

1. Coloque o arquivo PDF do Banco Nacional de Questões na mesma pasta que os scripts. Se já não estiver, renomeie-o para Banco Nacional de Questões.pdf ou ajuste o código em extract.py para corresponder ao nome do arquivo.
2. Execute extract.py para extrair o texto do PDF.

   python extract.py

3. Execute generate_json.py para converter o texto extraído em JSON.

   python generate_json.py

4. O arquivo questions.json será gerado com as questões estruturadas.

Problemas conhecidos

• A extração de texto pode não ser perfeita devido à formatação do PDF original. Há questões e comentários que utilizam duas ou mais linhas, o que pode causar problemas na extração. O código atual não lida com esses casos. Está implementado no código uma lógica para gerenciamento de casos de quebra de linha, que pode não funcionar corretamente.