pref34: ajout de la préfecture de l'Hérault

.gitlab-ci.yml

@@ -127,6 +127,34 @@ test_pref13:
     - output.log
     expire_in: 1 hour
 
+test_pref34:
+  stage: test
+  image: registry.git.laquadrature.net/bastien/raaspotter/base:latest
+  tags:
+  - unprivileged
+  needs: [install]
+  script:
+  - curl --silent --location --output artifacts.zip "${CI_SERVER_PROTOCOL}://${CI_SERVER_HOST}:${CI_SERVER_PORT}/api/v4/projects/${CI_PROJECT_ID}/jobs/artifacts/${CI_COMMIT_BRANCH}/download?job=${CI_JOB_NAME}&job_token=${CI_JOB_TOKEN}" || true
+  - unzip -q artifacts.zip data/pref34/* || true
+  - rm artifacts.zip || true
+  - source bin/activate
+  - /etc/init.d/tor start
+  - python ./cli.py --pref pref34
+  retry: 2
+  only:
+  - main
+  cache:
+    key: $CI_COMMIT_REF_SLUG
+    paths:
+    - bin/
+    - lib/
+    - pyvenv.cfg
+  artifacts:
+    paths:
+    - data/pref34/*.txt
+    - output.log
+    expire_in: 1 hour
+
 test_pref35:
   stage: test
   image: registry.git.laquadrature.net/bastien/raaspotter/base:latest

Makefile

-make: ppparis pref06 pref13 pref35 pref38 pref59 pref62 pref69
+make: ppparis pref06 pref13 pref34 pref35 pref38 pref59 pref62 pref69
 ppparis:
 	python cli.py --pref ppparis
 pref06:
 	python cli.py --pref pref06
 pref13:
 	python cli.py --pref pref13
+pref34:
+	python cli.py --pref pref34
 pref35:
 	python cli.py --pref pref35
 pref38:

RAAspotter_pref34.py

+import os, sys
+import datetime
+
+from bs4 import BeautifulSoup
+from urllib.parse import unquote
+
+from RAAspotter import RAAspotter
+
+class RAAspotter_pref34(RAAspotter):
+
+  # Config
+  __HOST       = 'https://www.herault.gouv.fr'
+  __RAA_PAGE   = {'2024': f'{__HOST}/Publications/Recueils-des-actes-administratifs/Recueil-des-actes-administratifs-2024',
+                  '2023': f'{__HOST}/Publications/Recueils-des-actes-administratifs/Recueil-des-actes-administratifs-2023',
+                  '2022': f'{__HOST}/Publications/Recueils-des-actes-administratifs/Recueil-des-actes-administratifs-2022',
+                  '2021': f'{__HOST}/Publications/Recueils-des-actes-administratifs/Recueil-des-actes-administratifs-2021',
+                  '2020': f'{__HOST}/Publications/Recueils-des-actes-administratifs/Recueil-des-actes-administratifs-2020',
+                  '2019': f'{__HOST}/Publications/Recueils-des-actes-administratifs/Archives/Recueil-des-actes-administratifs-2019'}
+  __USER_AGENT = 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/122.0.0.0 Safari/537.36'
+  full_name = 'Préfecture de l\'Hérault'
+  short_code = 'pref34'
+
+  def __init__(self, data_dir):
+    super().__init__(data_dir, self.__USER_AGENT)
+    self.enable_tor(10)
+
+  def get_raa(self, keywords):
+    self.print_output('RAAspotter_pref34')
+    self.print_output(f'Termes recherchés: {keywords}')
+    self.print_output('')
+
+    pages_to_parse = []
+    if self.not_before.year <= 2024:
+      pages_to_parse.append(self.__RAA_PAGE['2024'])
+    if self.not_before.year <= 2023:
+      pages_to_parse.append(self.__RAA_PAGE['2023'])
+    if self.not_before.year <= 2022:
+      pages_to_parse.append(self.__RAA_PAGE['2022'])
+    if self.not_before.year <= 2021:
+      pages_to_parse.append(self.__RAA_PAGE['2021'])
+    if self.not_before.year <= 2020:
+      pages_to_parse.append(self.__RAA_PAGE['2020'])
+    if self.not_before.year <= 2019:
+      pages_to_parse.append(self.__RAA_PAGE['2019'])
+
+    for raa_page in pages_to_parse:
+      page_content = self.get_page(raa_page, 'get').content
+      raa_elements = self.get_raa_elements(page_content)
+      self.parse_raa(raa_elements, keywords.split(','))
+
+    self.mailer()
+
+  def get_raa_elements(self, page_content):
+    elements = []
+    # On charge le parser
+    soup = BeautifulSoup(page_content, 'html.parser')
+
+    # On récupère chaque balise a
+    for a in soup.select('a.fr-link.fr-link--download'):
+      if a.get('href') and a['href'].endswith('.pdf'):
+          if a['href'].startswith('/'):
+            url = f"{self.__HOST}{a['href']}"
+          else:
+            url = a['href']
+
+          url      = unquote(url)
+          name     = a.find('span').previous_sibling.replace('Télécharger ', '').strip()
+          date     = datetime.datetime.strptime(a.find('span').get_text().split(' - ')[-1].strip(), '%d/%m/%Y')
+          filename = url.split('/')[-1]
+
+          raa = RAAspotter.RAA(url, date, name, filename)
+          elements.append(raa)
+    return elements

README.md

@@ -35,6 +35,7 @@ Il est possible de ne lancer l'analyse que pour une seule administration, avec l
 - Préfecture de police de Paris (identifiant : `ppparis`)
 - Préfecture des Alpes-Maritimes  (identifiant : `pref06`)
 - Préfecture des Bouches-du-Rhône (identifiant : `pref13`)
+- Préfecture de l'Hérault  (identifiant : `pref34`)
 - Préfecture d'Ille-et-Vilaine (identifiant : `pref35`)
 - Préfecture du Nord (identifiant : `pref59`)
 - Préfecture du Pas-de-Calais (identifiant : `pref62`)

cli.py

@@ -38,6 +38,7 @@ available_prefs = [
   'ppparis',
   'pref06',
   'pref13',
+  'pref34',
   'pref35',
   'pref38',
   'pref59',