<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Wendel Marques on Medium]]></title>
        <description><![CDATA[Stories by Wendel Marques on Medium]]></description>
        <link>https://medium.com/@wendelmarques99?source=rss-352ff2e14dd1------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*EzVr72AtlXF-HiAi-tMCsQ.jpeg</url>
            <title>Stories by Wendel Marques on Medium</title>
            <link>https://medium.com/@wendelmarques99?source=rss-352ff2e14dd1------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Mon, 16 Nov 2026 21:57:59 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@wendelmarques99/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[Criando um bot no Twitter que reporta as cinco maiores altas e baixas do Ibovespa com Python — Web…]]></title>
            <link>https://wendelmarques99.medium.com/criando-um-bot-no-twitter-que-reporta-as-cinco-maiores-altas-e-baixas-do-ibovespa-com-python-web-a7362e93f03b?source=rss-352ff2e14dd1------2</link>
            <guid isPermaLink="false">https://medium.com/p/a7362e93f03b</guid>
            <category><![CDATA[python]]></category>
            <category><![CDATA[twitter]]></category>
            <category><![CDATA[web-scraping]]></category>
            <dc:creator><![CDATA[Wendel Marques]]></dc:creator>
            <pubDate>Sat, 27 Feb 2021 21:17:35 GMT</pubDate>
            <atom:updated>2021-02-28T02:40:33.665Z</atom:updated>
            <content:encoded><![CDATA[<h3>Criando um bot no Twitter que reporta as cinco maiores altas e baixas do Ibovespa com Python — Web Scraping (Site do UOL Economia), Schedule (WayScript), Deploy (WayScript).</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/364/1*0Oiqlt4-3TLrICWKDUTYaw.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/376/1*rnIOtApZKIucsWH1tNZWLw.png" /></figure><p>Para isso é preciso montar o algoritimo do bot, implementá-lo na nuvem e agendar o horário em que o bot deve tweetar (não é razoável deixar o bot rodando o tempo todo já que é apenas no fechamento do pregão (18h) que temos a informação das maiores altas e baixas do dia) - sem esses dois passos seria necessário apertar <em>run</em> no código toda segunda a sexta às 18h.</p><h3><strong>Passos:</strong></h3><p>1- Obter informação das cinco maiores altas e baixas. Vamos pegar do site da UOL através de web scraping.</p><p>2- Tweetar a informação com a API Tweepy.</p><p>3- Fazer o Shedule (agendamento) e o Deploy (implementar) através do WayScript.</p><p>_________________________________________________________________</p><h3><strong>1º passo</strong></h3><p>Site em que iremos fazer a raspagem: <a href="https://economia.uol.com.br/cotacoes/bolsas/">https://economia.uol.com.br/cotacoes/bolsas/</a></p><pre># Instalando e importando pacotes</pre><pre>python - m pip install tweepy<br>python - m pip install bs4<br>python - m pip install requests</pre><pre>import tweepy # tweetar<br>from bs4 import BeautifulSoup # webscraping<br>import requests # requesicao no site do UOL<br>import re # Splitar</pre><pre># Requesicao get no link do UOL<br>html = requests.get(&#39;<a href="https://economia.uol.com.br/cotacoes/bolsas/&#39;">https://economia.uol.com.br/cotacoes/bolsas/&#39;</a>)</pre><pre># BeutifulSoup para puxar o html e parsear<br>html_parser = BeautifulSoup(html.text, &#39;html.parser&#39;)</pre><h4>Queremos as duas tabelas: “Maiores altas” e “Maiores baixas”.</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/946/1*PDQJFWoc6Jvn5HxETBlz5g.png" /></figure><p>Para capturar esses dados precisamos entender o que tem por trás (codigo fonte do objeto). As tabela estão dentro da <em>tag table</em> e da <em>classe data-table</em>.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/730/1*GYb-NwqJysR4SejB9TrYPQ.png" /></figure><pre># Buscando as Tabelas<br>conteudo = html_parser.findAll(&#39;table&#39;, {&#39;class&#39;:&#39;data-table&#39;})</pre><pre># Manipulação de dados<br># conteudo[0] - tabela de alta<br># conteudo[1] - tabela de baixa </pre><pre>ativos = re.split(&#39; &#39;,conteudo[0].text.strip().replace(&#39;R$&#39;,&#39;&#39;).replace(&#39;+&#39;, &#39; +&#39;).replace(&#39;-&#39;,&#39; -&#39;))</pre><pre>ativos_2 = re.split(&#39; &#39;,conteudo[1].text.strip().replace(&#39;R$&#39;,&#39;&#39;).replace(&#39;-&#39;, &#39; -&#39;).replace(&#39;+&#39;, &#39; +&#39;))</pre><h4>Pronto! Já temos a informação que queremos.</h4><pre>print(ativos)</pre><pre>[&#39;BTOW3.SA&#39;, &#39;+6,81%&#39;, &#39;88,65&#39;, &#39;AZUL4.SA&#39;, &#39;+3,31%&#39;, &#39;43,70&#39;, &#39;PCAR3.SA&#39;, &#39;+3,26%&#39;, &#39;88,95&#39;, &#39;CSNA3.SA&#39;, &#39;+3,22%&#39;, &#39;35,26&#39;, &#39;EMBR3.SA&#39;, &#39;+2,83%&#39;, &#39;11,62&#39;]</pre><h3><strong>2º passo</strong></h3><p>Precisamos entrar no <a href="https://developer.twitter.com/en/apply-for-access">https://developer.twitter.com/en/apply-for-access</a>.</p><p>E solicitar acesso na API do Twitter.</p><h3>Os passos para conseguir o acesso:</h3><p>1- Clicar no <em>Apply for a developer account</em></p><p>2- Preencher os formulário de inteção do uso da API (Exigência do Twitter)</p><p>3- Aguardar aprovação</p><p>Uma vez aceita, você receberá as seguintes informações:</p><ul><li>Consumer Key</li><li>Consumer Secret</li><li>Auth Access Token</li><li>Auth Access Token Secret</li></ul><h3><strong>Estrutura básica para autenticação da API</strong></h3><pre># Sendo &quot;CONSUMER_KEY&quot;, &quot;CONSUMER_SECRET&quot;,&quot;ACCESS_TOKEN&quot;, #&quot;ACCESS_TOKEN_SECRET&quot; as keys que o twitter irá fornecer. Não <br># coloco aqui para evitar uso inadequado delas.<br># Autenticação</pre><pre>auth = tweepy.OAuthHandler(&quot;CONSUMER_KEY&quot;, &quot;CONSUMER_SECRET&quot;)<br>auth.set_access_token(&quot;ACCESS_TOKEN&quot;, &quot;ACCESS_TOKEN_SECRET&quot;)</pre><h3>Criando uma função para tweetar o conteúdo de interesse.</h3><pre>def tweetar():</pre><pre>#Fazendo o texto para publicar no TT das maiores altas</pre><pre> texto = (&#39;🇧🇷 As maiores altas do dia no Ibovespa \n\n&#39;+\</pre><pre>ativos[0] + &quot; &quot; + ativos[1]+ &#39;\n&#39;\<br>+ativos[3] + &quot; &quot; + ativos[4]+ &#39;\n&#39;\<br>+ativos[6] + &quot; &quot; + ativos[7]+ &#39;\n&#39; \<br>+ativos[9] +&quot; &quot; + ativos[10] +  &#39;\n&#39;\<br>+ativos[12]+ &quot; &quot; + ativos[13])</pre><pre>#Fazendo o texto para publicar no TT das maiores baixas</pre><pre> texto_2 = (&#39;🇧🇷 As maiores baixas do dia no Ibovespa \n\n&#39;+\</pre><pre> ativos_2[0] + &quot; &quot; + ativos_2[1]+ &#39;\n&#39;\<br>+ativos_2[3] + &quot; &quot; + ativos_2[4]+ &#39;\n&#39;\<br>+ativos_2[6] + &quot; &quot; + ativos_2[7]+ &#39;\n&#39; \<br>+ativos_2[9] +&quot; &quot; + ativos_2[10] +  &#39;\n&#39;\<br>+ativos_2[12]+ &quot; &quot; + ativos_2[13])</pre><pre> api.update_status(texto)</pre><pre> time.sleep(60)</pre><pre> api.update_status(texto_2)</pre><h3>Tweetando…</h3><pre>try:</pre><pre>tweetar()</pre><pre>print(&#39;Foi tweetado&#39;)<br></pre><pre>except:</pre><pre>print(&#39;Deu algo errado. Debug o código.&#39;)</pre><h3><strong>3º passo</strong></h3><p>Iremos fazer o deploy e o shedule do nosso bot no WahyScript.</p><p>Link: <a href="https://wayscript.com/index">https://wayscript.com/index</a>.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*H5Qo4cLcHkhAdX8Gc46JVA.png" /></figure><h3>Passos:</h3><p>1-Crie uma conta.</p><p>2- Ao logar, ir em “+ New Script” &gt; “Create Script”.</p><p>3- Dentro do Script, “Add Trigger”&gt; Digite “Time Trigger” &gt;”import”</p><p>4- Dentro do Time Trigger Configure custom(Advanced) para permitir fazer shedule personalizado.</p><p>No nosso caso, queremos rodar de segunda a sexta às 18h e 30. Portanto, o código é <em>30 18 * * 1–5.</em></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*uMAxknC-UEDemfn4Hpnnbw.png" /></figure><p>Feito o shedule.</p><h3><strong>Agora iremos fazer o deploy</strong></h3><p>“Add Step” &gt; “Python” &gt; “Add .py file to run” e adicionar seu aqruivo.py .</p><p>Além disso, no arquivo <em>requirements.txt</em> precisamos adicionar os <em>packages</em> que usamos na construção do bot. Obs: Como <em>re</em> é built-in do python não é precisa adicionar ao requirements.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/309/1*BtWXUKK63nFm3mpobW6XaQ.png" /></figure><p>Espero ter ajudado. Qualquer dúvida, pode entrar em contato (:</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=a7362e93f03b" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Como importar série histórica de cotas dos fundos de investimentos no R?]]></title>
            <link>https://wendelmarques99.medium.com/como-importar-s%C3%A9rie-hist%C3%B3rica-de-cotas-dos-fundos-de-investimentos-no-r-248fa905387a?source=rss-352ff2e14dd1------2</link>
            <guid isPermaLink="false">https://medium.com/p/248fa905387a</guid>
            <category><![CDATA[r]]></category>
            <category><![CDATA[economia]]></category>
            <category><![CDATA[finanças]]></category>
            <category><![CDATA[fundos-de-investimento]]></category>
            <category><![CDATA[data-science]]></category>
            <dc:creator><![CDATA[Wendel Marques]]></dc:creator>
            <pubDate>Mon, 12 Oct 2020 03:17:47 GMT</pubDate>
            <atom:updated>2020-10-12T03:32:45.480Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*XzxudiNdKETEpR329cq9VQ.jpeg" /></figure><p>Olá, meu primeiro post aqui!</p><p>Com o intuito de colaborar com a comunidade de R, Python, finanças, Data Science, economia, publico esse post de como importar , dentre outras informações, a série histórica de cotas dos fundos de investimentos.</p><p>Antes de tudo, ainda não existe um pacote no R (acredito que no Python também não) como o quantmod ou BatchGetSymbols que baixa, por exemplo, cotação diárias de ações em uma linha de código, para fundos de invstimentos. Portanto, espero que esse post ajude alguém de alguma forma.</p><p>A consulta que queremos fazer é o infome diário da CVM.</p><p>Segue link: <a href="http://dados.cvm.gov.br/dataset/fi-doc-inf_diario">http://dados.cvm.gov.br/dataset/fi-doc-inf_diario</a> . Nesse link, há um espaço para baixar o informe diário durante um período mensal em csv.</p><p>O que iremos fazer é copiar o link de download para o R, generalizar para os outros meses e montar uma função que recebe data de início, data final e o CNPJ do fundo. A Função irá exportar a série histórica em excel (aqui você pode deixar no R, exportar em qualquer outro formato etc). Só há um detalhe! A CVM fornece diferentes links durante a série . O que exige alguns if’s para montar uma função automatizada.</p><p>Na explicação, estou quebrando o código em partes , mas ao final do post, disponibilizo completo.</p><pre>## Inputs da função</pre><pre># Vamos escolher essas datas </pre><pre>data_inicio = c(&#39;2019-11-01&#39;)<br>data_final = c(&#39;2020-10-04&#39;)</pre><pre># Escolhi dois fundos. Para isso, temos que saber o CNPJ de cada um. </pre><pre>CNPJ = c(&#39;30.576.260/0001-70&#39;,&#39;31.533.459/0001-84&#39;)</pre><p>Criando uma função chamada CVM_fundos. Vamos impor uma condição, pois, como disse no começo do texto, esse link só servirá para uma parte do histórico . A condição é que tanto o ano de início da busca como o ano final tem que ser pelo menos maior que 2016.</p><pre># Função</pre><pre>CVM_fundos = function(data_inicio, data_final, CNPJ){</pre><pre># Garantindo que as datas estarão no formato Date</pre><pre>data_inicio = as.Date(data_inicio)<br>data_final = as.Date(data_final)</pre><pre># 1ª Condição <br>if (as.integer(format(data_inicio, &#39;%Y&#39;)) &gt;2016 &amp; <br>as.integer(format(data_final,&#39;%Y&#39;))&gt;2016){</pre><p>Criando um vetor de datas com o formato YYYYMM do início da busca até o final.</p><pre>ano_1 = format(seq(data_inicio, data_final, by = &#39;month&#39;),&#39;%Y%m&#39;)</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/324/1*_rkqllcV8nExU984s_fnJw.png" /></figure><p>Agora, vamos criar os links colapsando a data com o link base. Esse é o processo de generalização que menciono acima. Iteramos cada data com o url. No processo de iteração, usaremos o pacote purrr ao invés do loop for. É mais rápido e também deixa o código mais legivel. É uma boa prática de programação. Aqui fica minha sugestão e apelo, PARA DE USAR LOOP FOR!</p><pre>library(tidyverse)</pre><pre>urls = map_chr(ano_1,<br>~paste0(‘<a href="http://dados.cvm.gov.br/dados/FI/DOC/INF_DIARIO/DADOS/inf_diario_fi_&#39;">http://dados.cvm.gov.br/dados/FI/DOC/INF_DIARIO/DADOS/inf_diario_fi_&#39;</a>, .x,’.csv’))</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/668/1*cTOF6r1_5TklThR3R2Kixg.png" /></figure><p>O próximo passo é ler cada url. Para isso, precisamos iterar cada url com a função fread do pacote data.table.</p><pre># utilizaremos a família map para aplicar uma função na iteração.</pre><pre># Ela é parecido com a familía apply do R base, mas é mais efeciente. </pre><pre># Além disso, filtraremos os dados baseado nos inputs</pre><pre># com  a função filter do pacote dplry (carregado com tidyverse)</pre><pre>library(data.table)</pre><pre>dados_fundos = urls %&gt;%<br>map_dfr(~fread(.x)) %&gt;%<br>filter(DT_COMPTC &gt;= data_inicio, DT_COMPTC &lt;= data_final, CNPJ_FUNDO %in% c(CNPJ))</pre><p>Exportando o dataframe para o excel com a função export do pacote rio.</p><pre>library(rio)</pre><pre># Nome do arquivo será Fundos+um número aleátorio com extenção xlsx.</pre><pre>export(dados_fundos, paste0(‘Fundos’,runif(1),’.xlsx’))<br>} # Fechando chave da primeira condição</pre><p>A segunda condição é que o ano final da busca tem que ser igual ou menor que 2016 e o ano inicial maior ou igual 2005.</p><pre># 2ª condição</pre><pre>else if (as.integer(format(data_final, &#39;%Y&#39;))&lt;= 2016 &amp; as.integer(format(data_inicio,&#39;%Y&#39;)) &lt;= 2016) {</pre><pre># Vetor de datas do inicio ao fim da data de busca </pre><pre>anos_2 = as.integer(format(data_inicio,&#39;%Y&#39;)):as.integer(format(data_final,&#39;%Y&#39;))</pre><p>Essa segunda condição é necessária pois o link para o ano de 2005–2016 é diferente. Os arquivos são “zipados”, o que muda um pouco o código, mas o processo é quase o mesmo. Itera, ler, filtrar.</p><pre># Iterandndo a data no URL</pre><pre>fundos_2 = map_chr(anos_2,               ~paste0(&#39;<a href="http://dados.cvm.gov.br/dados/FI/DOC/INF_DIARIO/DADOS/HIST/inf_diario_fi_&#39;">http://dados.cvm.gov.br/dados/FI/DOC/INF_DIARIO/DADOS/HIST/inf_diario_fi_&#39;</a>, .x,&#39;.zip&#39;))</pre><pre># Guardando os arquivos zipados em uma variável</pre><pre>filename = paste0(&#39;Arquivo&#39;, 1:length(fundos_2), &#39;.zip&#39;)</pre><p>Baixando os arquivos. Aqui usaremos novamente a família map. Entretanto, o adequdo seria usar o walk, também do pacote purrr, para funções impuras, ou seja, funções que não te geram um valor. E perceba que quando me refiro a valor não estou falando apenas de valores númericos, mas de qualquer tipo ou classe, seja um string, um valor booleano, um dataframe, uma lista etc.</p><pre>map2(.x = fundos_2, .y = filename, download.file)</pre><p>Unzipando os arquivos, lendo os arquivos em um processo de iteração com a família map e filtrando com base nos inputs. Em seguida, excluímos os arquivos, já que eles já estão como váriaveis no R.</p><pre>files = map(filename, .f = unzip, exdir = getwd()) %&gt;% <br>      unlist()</pre><pre>dados_fundos2 = files %&gt;% <br>map_dfr(~fread(.)) %&gt;% <br>filter(DT_COMPTC &gt;= data_inicio, DT_COMPTC &lt;= data_final,  CNPJ_FUNDO %in% c(CNPJ))</pre><pre>file.remove(files)<br>file.remove(filename)</pre><p>Exportando os arquivos</p><pre>export(dados_fundos2, basename(paste0(‘Fundos’,rnorm(1),’.xlsx’)))<br>} # Fechando a chave da 2ª condição</pre><p>A 3ª condição é que o ano final da busca tem que ser maior que 2016, o ano inicial maior ou igual 2005 e menor ou igual a 2016. Essa parte , é uma junção dos códigos da primeira e da segunda codição. O único passo diferente é que juntamos os dois resultados que foi mostrado na condição 1 e 2 em um único dataframe. Para juntar os dois DF’s, utilizaremos a função bind_rows().</p><pre>else if (as.integer(format(data_final, &#39;%Y&#39;)) &gt; 2016 &amp; as.integer(format(data_inicio,&#39;%Y&#39;)) &gt;= 2005 &amp;<br>as.integer(format(data_inicio,&#39;%Y&#39;)) &lt;= 2016){<br>    <br>anos_3 = as.integer(format(data_inicio,&#39;%Y&#39;)):2016<br>    <br>fundos_3 = map_chr(anos_3,<br>                       ~paste0(&#39;<a href="http://dados.cvm.gov.br/dados/FI/DOC/INF_DIARIO/DADOS/HIST/inf_diario_fi_&#39;">http://dados.cvm.gov.br/dados/FI/DOC/INF_DIARIO/DADOS/HIST/inf_diario_fi_&#39;</a>, .x,&#39;.zip&#39;)) <br>    <br>filename = paste0(&#39;Arquivo&#39;, 1:length(fundos_3), &#39;.zip&#39;)</pre><pre>map2(.x = fundos_3, .y = filename, download.file)<br>    <br>files = map(filename, .f = unzip, exdir = getwd()) %&gt;% <br>      unlist() <br>    <br>dados_fundos3 = files %&gt;% <br>   map_dfr(~fread(.))%&gt;%<br>filter(DT_COMPTC &gt;= data_inicio, DT_COMPTC &lt;= data_final, CNPJ_FUNDO %in% c(CNPJ))<br>    <br>file.remove(files)<br>file.remove(filename)<br> <br>anos_4 = format(seq(as.Date(&#39;2017-01-01&#39;), data_final, by = &#39;month&#39;),&#39;%Y%m&#39;)<br>    <br>dados_fundos4 = map_chr(anos_4,                     ~paste0(&#39;<a href="http://dados.cvm.gov.br/dados/FI/DOC/INF_DIARIO/DADOS/inf_diario_fi_&#39;">http://dados.cvm.gov.br/dados/FI/DOC/INF_DIARIO/DADOS/inf_diario_fi_&#39;</a>, .x,&#39;.csv&#39;)) %&gt;% <br>map_dfr(~fread(.x)) %&gt;% <br>      filter(DT_COMPTC &gt;= as.Date(&#39;2017-01-01&#39;), DT_COMPTC &lt;= data_final, CNPJ_FUNDO %in% c(CNPJ))</pre><pre>fundos_final = bind_rows(dados_fundos3, dados_fundos4)</pre><pre># exportando para excel</pre><pre>export(fundos_final, paste0(&#39;fundos&#39;, runif(1), &#39;.xlsx&#39;))<br>    <br>  } # fechando chaves da 3ª condição<br>} # fechando chaves da função completa<br></pre><p>Rodando a função com os inputs</p><pre>CVM_fundos(CNPJ = CNPJ, data_inicio = data_inicio, data_final = data_final)</pre><h4>Observação: O portal de dados abertos da CVM só disponibiliza histórico até 2005.</h4><p>Código completo:</p><pre>CVM_fundos = function(data_inicio, data_final, CNPJ){<br>  <br>data_inicio = as.Date(data_inicio)<br>data_final = as.Date(data_final)</pre><pre>ano_1 = format(seq(data_inicio, data_final, by = &#39;month&#39;),&#39;%Y%m&#39;)</pre><pre>if (as.integer(format(data_inicio, &#39;%Y&#39;)) &gt;2016 &amp; as.integer(format(data_final,&#39;%Y&#39;)) &gt;2016){<br>   <br>    <br>urls = map_chr(ano_1, ~paste0(&#39;<a href="http://dados.cvm.gov.br/dados/FI/DOC/INF_DIARIO/DADOS/inf_diario_fi_&#39;">http://dados.cvm.gov.br/dados/FI/DOC/INF_DIARIO/DADOS/inf_diario_fi_&#39;</a>, .x,&#39;.csv&#39;))<br>    <br>dados_fundos= urls %&gt;%<br>      map_dfr(~fread(.x)) %&gt;%<br>      filter(DT_COMPTC &gt;= data_inicio, DT_COMPTC &lt;= data_final, CNPJ_FUNDO %in% c(CNPJ))<br>    <br>export(dados_fundos, paste0(&#39;Fundos&#39;,runif(1),&#39;.xlsx&#39;))<br>    <br>}</pre><pre>else if (as.integer(format(data_final, &#39;%Y&#39;)) &lt;= 2016 &amp; as.integer(format(data_inicio,&#39;%Y&#39;)) &lt;= 2016) {<br>    <br>    anos_2 = as.integer(format(data_inicio,&#39;%Y&#39;)):as.integer(format(data_final,&#39;%Y&#39;))<br>    <br>    fundos_2 = map_chr(anos_2,<br>                       ~paste0(&#39;<a href="http://dados.cvm.gov.br/dados/FI/DOC/INF_DIARIO/DADOS/HIST/inf_diario_fi_&#39;">http://dados.cvm.gov.br/dados/FI/DOC/INF_DIARIO/DADOS/HIST/inf_diario_fi_&#39;</a>, .x,&#39;.zip&#39;))</pre><pre>filename = paste0(&#39;Arquivo&#39;, 1:length(fundos_2), &#39;.zip&#39;)<br>    map2(.x = fundos_2, .y = filename, download.file)<br>    <br>    files = map(filename, .f = unzip, exdir = getwd()) %&gt;% <br>      unlist()<br>    dados_fundos2 = files %&gt;% <br>      map_dfr(~fread(.)) %&gt;% <br>      filter(DT_COMPTC &gt;= data_inicio, DT_COMPTC &lt;= data_final,  CNPJ_FUNDO %in% c(CNPJ))<br>    file.remove(files)<br>    file.remove(filename)<br>    export(dados_fundos2, basename(paste0(&#39;Fundos&#39;,rnorm(1),&#39;.xlsx&#39;)))<br>  }<br>  <br>else if (as.integer(format(data_final, &#39;%Y&#39;)) &gt; 2016 &amp; <br>           as.integer(format(data_inicio,&#39;%Y&#39;)) &gt;= 2005 &amp;<br>           as.integer(format(data_inicio,&#39;%Y&#39;)) &lt;= 2016) {<br>    <br> anos_3 = as.integer(format(data_inicio,&#39;%Y&#39;)):2016<br>    <br> fundos_3 = map_chr(anos_3,<br>                       ~paste0(&#39;<a href="http://dados.cvm.gov.br/dados/FI/DOC/INF_DIARIO/DADOS/HIST/inf_diario_fi_&#39;">http://dados.cvm.gov.br/dados/FI/DOC/INF_DIARIO/DADOS/HIST/inf_diario_fi_&#39;</a>, .x,&#39;.zip&#39;)) <br>    <br> filename = paste0(&#39;Arquivo&#39;, 1:length(fundos_3), &#39;.zip&#39;)<br> <br>map2(.x = fundos_3, .y = filename, download.file)<br>    <br>files = map(filename, .f = unzip, exdir = getwd()) %&gt;% <br>      unlist() <br>    <br>dados_fundos3 = files %&gt;% <br>      map_dfr(~fread(.))%&gt;%<br>      filter(DT_COMPTC &gt;= data_inicio, DT_COMPTC &lt;= data_final, CNPJ_FUNDO %in% c(CNPJ))<br>    <br>file.remove(files)<br>file.remove(filename)<br>    <br>anos_4 = format(seq(as.Date(&#39;2017-01-01&#39;), data_final, by = &#39;month&#39;),&#39;%Y%m&#39;)<br>    <br>dados_fundos4 = map_chr(anos_4, ~paste0(&#39;<a href="http://dados.cvm.gov.br/dados/FI/DOC/INF_DIARIO/DADOS/inf_diario_fi_&#39;">http://dados.cvm.gov.br/dados/FI/DOC/INF_DIARIO/DADOS/inf_diario_fi_&#39;</a>, .x,&#39;.csv&#39;)) %&gt;% <br>  map_dfr(~fread(.x)) %&gt;% <br>  filter(DT_COMPTC &gt;= as.Date(&#39;2017-01-01&#39;), DT_COMPTC &lt;= data_final, CNPJ_FUNDO %in% c(CNPJ))<br>    <br>    <br>fundos_final = bind_rows(dados_fundos3, dados_fundos4)</pre><pre>export(fundos_final, paste0(&#39;fundos&#39;, runif(1), &#39;.xlsx&#39;))<br>    <br>  }<br>}</pre><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=248fa905387a" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>