Receita Federal: dados abertos do CNPJ (rfb-cnpj)¶
O rfb-cnpj-fetcher coleta os dados abertos do Cadastro Nacional da Pessoa Jurídica (CNPJ) publicados pela Receita Federal do Brasil (RFB) e os converte para o lake em Parquet particionado por competência. O cadastro tem quatro tabelas de dados (empresas, estabelecimentos, sócios e Simples Nacional/MEI) e seis tabelas de domínio.
Página de referência: https://www.gov.br/receitafederal/pt-br/assuntos/orientacao-tributaria/cadastros/consultas/dados-publicos-cnpj (não pôde ser lida por leitor automático na conferência de 2026-11-10). Documento de layout lido: https://www.gov.br/receitafederal/dados/cnpj-metadados.pdf
| Dataset | O que é | Arquivos por competência | Página |
|---|---|---|---|
empresas |
Razão social, natureza jurídica, capital social e porte, por raiz de CNPJ | 10 (Empresas0 a 9) |
empresas |
estabelecimentos |
Matriz e filiais: CNPJ completo, situação, CNAE, endereço e contatos | 10 | estabelecimentos |
socios |
Quadro societário e representantes legais | 10 | socios |
simples |
Opção pelo Simples Nacional e pelo MEI | 1 | simples |
cnaes |
Tabela de atividades econômicas (CNAE) | 1 | cnaes |
naturezas |
Tabela de naturezas jurídicas | 1 | naturezas |
qualificacoes |
Tabela de qualificações de sócios | 1 | qualificacoes |
municipios |
Tabela de municípios (códigos da Receita) | 1 | municipios |
paises |
Tabela de países | 1 | paises |
motivos |
Tabela de motivos de situação cadastral | 1 | motivos |
Como a Receita publica¶
- Uma pasta por competência (
AAAA-MM) num servidor público de arquivos, com 37 ZIPs: 10 de empresas, 10 de estabelecimentos, 10 de sócios, um de Simples e seis de domínio. Na raiz há também um arquivo consolidado,cnpj.tar.gz(64 GB em 2026-01), que o fetcher não baixa. A fonte lista 42 competências, de 2023-05 a 2026-10 (conferido em 2026-11-10). - Cada ZIP guarda um único arquivo de texto, sem cabeçalho, em latin-1, separado por ponto e vírgula e com todos os campos entre aspas. O layout está no documento de metadados da Receita. O nome do arquivo dentro do ZIP não termina em
.csv:K3241.K03200Y0.D60711.EMPRECSV(empresas),...ESTABELE(estabelecimentos),...SOCIOCSV(sócios),F.K03200$W.SIMPLES.CSV.D60711(Simples) eF.K03200$Z.D60711.CNAECSVe similares (domínio). - Cada competência é um retrato completo do cadastro, não um incremento. Os dez arquivos de empresas (e de estabelecimentos e sócios) dividem o cadastro por faixa de
cnpj_basico; o arquivo0fica com a faixa mais alta e é o maior (571 MB de empresas e 2,2 GB de estabelecimentos em 2026-10). - O fetcher guarda cada ZIP como
AAAA-MM/<grupo>/<Arquivo>@AAAAMMDD.zip. O sufixo é a data de última modificação do servidor; as competências 2023-05 a 2025-05 têm todas 20250520, a data em que foram coletadas. - O layout da Receita manda ocultar o CPF dos sócios e dos representantes (três primeiros dígitos e dois verificadores, conforme o art. 129, § 2º, da Lei nº 13.473/2017) e trocar a data de nascimento por uma faixa etária.
Como os conjuntos se relacionam¶
- CNPJ completo.
cnpj_basico(8 dígitos) ligaempresas,estabelecimentos,sociosesimples; o CNPJ de 14 dígitos écnpj_basico+cnpj_ordem+cnpj_dv, só emestabelecimentos. - Domínios.
empresas.natureza_juridica→naturezas;empresas.qualificacao_responsavel,socios.qualificacao_socioesocios.qualificacao_representante_legal→qualificacoes;estabelecimentos.motivo_situacao_cadastral→motivos;estabelecimentos.cnae_fiscal_*→cnaes;estabelecimentos.municipio→municipios;estabelecimentos.paisesocios.pais→paises. - Códigos da Receita. Município e país usam códigos próprios da Receita, diferentes dos do IBGE e dos de outras fontes.
Quebras que valem para mais de um conjunto¶
| Desde | Mudança | Afeta |
|---|---|---|
| 2026-05 | pais passa a vir como 105 (Brasil) em parte dos estabelecimentos nacionais |
estabelecimentos |
| 2026-08 | O documento do sócio pessoa jurídica passa de 14 para 8 dígitos | socios |
- A fonte anunciou o CNPJ alfanumérico para julho de 2026. Nas amostras conferidas, até 2026-10, todos os
cnpj_basicosão numéricos.
Dados pessoais e licença¶
estabelecimentos(nome fantasia, endereço, telefone, e-mail),empresas(razão social, que no empresário individual traz o nome e o CPF completo da pessoa) esocios(nome, CPF mascarado, faixa etária) trazem dados de pessoas. O cabeçalho de cada página os lista como inventário.- A fonte não declara licença para os dados. O rodapé do site da Receita declara Creative Commons Atribuição-SemDerivações 3.0 Não Adaptada para o conteúdo do site (https://creativecommons.org/licenses/by-nd/3.0/deed.pt_BR). Não foi encontrada restrição de coleta ou redistribuição nos documentos lidos.
Conversão¶
O conversor lê os ZIPs como a Receita os publica, inclusive quando o arquivo de texto dentro deles não tem extensão .csv ou .txt (K3241.K03200Y0.D61010.EMPRECSV, F.K03200$W.SIMPLES.CSV.D61010). Isso exige o extra analysis com quantilica-analytics 0.11.2 ou superior. Conferido com ZIPs de 2026-10: os seis datasets de domínio e simples por inteiro, e Empresas9, Estabelecimentos9 e Socios9 (um dos dez arquivos de cada); nesses, o número de linhas do Parquet é igual ao de registros do bruto. Os demais arquivos de empresas, estabelecimentos e socios não foram convertidos nessa conferência. Os esquemas de referência vêm de amostras convertidas.