Melhora tratamento de erros para tipos de arquivo não suportados

[diraol]

🎯 Objetivo

Reduzir a verbosidade dos logs para arquivos com tipos não suportados (especialmente ZIP) e melhorar a eficiência evitando tentativas de processamento desnecessárias.

📋 Problema

Arquivos ZIP e outros tipos não suportados geravam logs extremamente verbosos:

• WARNING com o caminho do arquivo
• ERROR com a mensagem
• Stack trace completo com ~15 linhas

Exemplo:

WARNING:root:Could not process gazette: 5107602/2009-02-27/e9642a24f98c20f0ce2ef5637d65c6abb0bdf854.zip. Cause: Unsupported file type: application/zip
ERROR:root:Unsupported file type: application/zip
Traceback (most recent call last):
  [Stack trace completo]

✅ Solução Implementada

1. Nova Exceção Customizada

• UnsupportedFileTypeError criada em data_extraction/text_extraction.py
• Exportada no módulo para uso consistente no projeto
• Permite tratamento específico de erros de tipos não suportados

2. Detecção Antecipada de ZIP

• Novo método is_zip() na classe ApacheTikaTextExtractor
• Verifica tipo de arquivo ANTES de tentar processar
• Log específico: "Skipping unsupported ZIP file: {file_path}"
• Evita processamento desnecessário

3. Tratamento de Erros Simplificado

• UnsupportedFileTypeError capturado separadamente
• Apenas WARNING logado (sem stack trace)
• Outros erros mantêm log completo para debugging

📊 Resultado

Antes:

WARNING:root:Could not process gazette: [...].zip. Cause: Unsupported file type: application/zip
ERROR:root:Unsupported file type: application/zip
Traceback (most recent call last):
  [~15 linhas de stack trace]

Depois:

WARNING:root:Skipping unsupported ZIP file: [...].zip
WARNING:root:Could not process gazette: [...].zip. Cause: Unsupported file type: application/zip

📝 Arquivos Modificados

• data_extraction/text_extraction.py - Nova exceção e método is_zip()
• data_extraction/__init__.py - Export da exceção
• tasks/gazette_text_extraction.py - Detecção antecipada e tratamento de erros

🧪 Testes

• Sintaxe Python validada com py_compile
• Imports verificados
• Lógica de fluxo mantida inalterada