> ## Documentation Index > Fetch the complete documentation index at: https://docs.sherlocker.com.br/llms.txt > Use this file to discover all available pages before exploring further. # Background Check > Verificação completa de antecedentes de pessoa física ou jurídica Verificação sistemática de antecedentes para contratação, locação, crédito ou parcerias comerciais. O Sherlocker conecta **7 dimensões** em um único fluxo: identidade, jurídico, financeiro, compliance, patrimônio, vínculos empresariais e presença digital. ## O problema Um background check manual exige consulta em dezenas de fontes isoladas — Receita Federal, tribunais, IBAMA, listas restritivas, cartório de protestos, portais IPTU. O Sherlocker unifica tudo via API, permitindo automatizar o processo inteiro. ## Dimensões verificadas Nome, RG, endereços, telefones, emails, parentes Processos criminais, cíveis e trabalhistas — como autor ou réu Dívida ativa, FGTS, previdenciária, benefícios sociais Sanções, IBAMA, trabalho escravo, listas restritivas, Banco Central Sociedades + compliance de cada empresa vinculada Imóveis, veículos, rural, aeronaves, patentes Perfis online vinculados aos emails encontrados ## Implementação ### Passo 1 — Identidade e rede familiar A primeira chamada já retorna o perfil completo: nome, RG, endereços, telefones, emails, parentes e IRPF. ```python theme={null} import requests from concurrent.futures import ThreadPoolExecutor BASE = "https://221b-api.sherlocker.com.br/api/v1" TOKEN = "SEU_TOKEN" def get(endpoint, **params): params["token"] = TOKEN return requests.get(f"{BASE}{endpoint}", params=params).json() # Perfil completo em uma chamada perfil = get(f"/pessoas/cpf/{cpf}") parentes = perfil.get("parentes", []) enderecos = perfil.get("enderecos", []) # Extrair CPFs dos parentes para check cruzado cpfs_parentes = [p["cpf"] for p in parentes if p.get("cpf")] ``` **O que validar:** * Nome confere com o informado? * Endereços são compatíveis com a região declarada? ### Passo 2 — Antecedentes judiciais ```python theme={null} # Processos do candidato processos = get(f"/processos/cpf/{cpf}", pagina=1, por_pagina=100) # Classificar por gravidade criminais = [] civeis = [] trabalhistas = [] for p in processos.get("processos", []): classe = p["processo"].get("classe_judicial", "").lower() if any(t in classe for t in ["criminal", "penal", "execucao penal"]): criminais.append(p) elif "trabalhista" in classe: trabalhistas.append(p) else: civeis.append(p) # Verificar polo — e autor ou reu? for p in processos.get("processos", []): for part in p.get("partes", []): if part.get("documento") == cpf: p["_papel"] = part.get("polo") # Autor, Reu, etc ``` **Red flags:** * Processos criminais como réu * Execuções fiscais (dívidas tributárias em cobrança) * Volume alto de ações trabalhistas como réu (se for PJ) ### Passo 3 — Situação financeira ```python theme={null} # Executar em paralelo — 3 fontes independentes with ThreadPoolExecutor(max_workers=3) as pool: fut_dividas = pool.submit(get, f"/dividas/cpf/{cpf}") fut_beneficios = pool.submit(get, f"/beneficios/cpf/{cpf}") fut_listas = pool.submit(get, f"/listas-restritivas/cpf/{cpf}") dividas = fut_dividas.result() beneficios = fut_beneficios.result() listas = fut_listas.result() ``` **O que analisar:** * **Dívidas**: Dívida Ativa, FGTS, Previdenciária — volume e antiguidade * **Benefícios**: recebe Bolsa Família ou BPC? Pode indicar incompatibilidade com cargo/renda declarada * **Listas restritivas**: sanções, impedimentos, PEP e leniência (resumo + cobertura auditável) ### Passo 4 — Compliance e listas restritivas O endpoint de listas restritivas já cobre 11 listas oficiais (CEIS, CNEP, TCU, PEP, sanções internacionais, IBAMA, trabalho escravo, leniência). Se o candidato tem vínculos empresariais, verifique as empresas também: ```python theme={null} # Empresas do candidato sociedades = get(f"/empresas/cpf/{cpf}") # Check de compliance de cada empresa for empresa in sociedades.get("empresas", []): cnpj = empresa["cnpj"] with ThreadPoolExecutor(max_workers=3) as pool: fut_lr = pool.submit(get, f"/listas-restritivas/cnpj/{cnpj}") fut_trab = pool.submit(get, f"/trabalhista/cnpj/{cnpj}") fut_div = pool.submit(get, f"/dividas/cnpj/{cnpj}") lr_empresa = fut_lr.result() trab_empresa = fut_trab.result() div_empresa = fut_div.result() # Red flags criticos trabalho_escravo = trab_empresa.get("trabalho_escravo", {}).get("found", False) if trabalho_escravo: print(f"ALERTA: {cnpj} na lista de trabalho escravo") ``` ### Passo 5 — Patrimônio ```python theme={null} with ThreadPoolExecutor(max_workers=5) as pool: fut_imoveis = pool.submit(get, f"/imoveis/cpf/{cpf}") fut_veiculos = pool.submit(get, f"/veiculos/cpf/{cpf}") fut_rural = pool.submit(get, f"/rural/cpf/{cpf}") fut_aeronaves = pool.submit(get, f"/aeronaves/cpf/{cpf}") fut_patentes = pool.submit(get, f"/patentes/cpf/{cpf}") patrimonio = { "imoveis": fut_imoveis.result(), "veiculos": fut_veiculos.result(), "rural": fut_rural.result(), "aeronaves": fut_aeronaves.result(), "patentes": fut_patentes.result(), } ``` ### Passo 6 — Presença digital ```python theme={null} # Para cada email encontrado no perfil emails = [e["email"] for e in perfil.get("emails", [])] perfis_digitais = {} for email in emails: perfis_digitais[email] = get(f"/perfis/email/{email}") ``` ### Passo 7 — Check de parentes (opcional) Para background checks de alta criticidade, verifique os parentes mais próximos: ```python theme={null} # Conjuge e pais — check simplificado parentes_criticos = [p for p in parentes if p.get("vinculo_nome") in ("Cônjuge", "Mãe", "Pai")] for parente in parentes_criticos: cpf_p = parente["cpf"] lr = get(f"/listas-restritivas/cpf/{cpf_p}") proc = get(f"/processos/cpf/{cpf_p}", pagina=1, por_pagina=10) # Avaliar red flags ``` ## Montando o relatório ```python theme={null} total_dividas = dividas.get("total", 0) relatorio = { "candidato": { "cpf": cpf, "nome": perfil["nome_completo"], "data_nascimento": perfil.get("data_nascimento"), }, "antecedentes": { "processos_criminais": len(criminais), "processos_civeis": len(civeis), "processos_trabalhistas": len(trabalhistas), }, "financeiro": { "dividas_ativas": total_dividas, "beneficios_sociais": beneficios.get("total", 0), "tem_alerta": listas["resumo"]["tem_alerta"], }, "compliance": { "tem_sancao": listas["resumo"]["tem_sancao"], "confiabilidade": listas["resumo"]["confiabilidade"], "empresas_com_problemas": [], # preenchido no passo 4 }, "patrimonio": { "imoveis": len(patrimonio["imoveis"].get("imoveis", [])), "veiculos": len(patrimonio["veiculos"].get("veiculos", [])), }, "vinculos_empresariais": len(sociedades.get("socios", [])), } ``` A força do background check está no cruzamento: o candidato pode estar limpo, mas ser sócio de uma empresa na lista de trabalho escravo. Cada entidade ilumina uma dimensão diferente — juntas, formam o quadro completo. ## APIs utilizadas Identidade, contatos, parentes Antecedentes judiciais Dívida ativa, FGTS, previdenciária Sanções, PEP, impedimentos, leniência Dados cadastrais, sócios PAT, trabalho escravo Propriedades urbanas Frota de veículos Presença digital