Skip to content
GitLab
Explorer
Connexion
Navigation principale
Rechercher ou aller à…
Projet
Attrap
Gestion
Activité
Membres
Labels
Programmation
Tickets
Tableaux des tickets
Jalons
Wiki
Code
Requêtes de fusion
Dépôt
Branches
Validations
Étiquettes
Graphe du dépôt
Comparer les révisions
Compilation
Pipelines
Jobs
Planifications de pipeline
Artéfacts
Déploiement
Releases
Registre de paquets
Registre de conteneur
Opération
Modules Terraform
Aide
Aide
Support
Documentation de GitLab
Comparer les forfaits GitLab
Forum de la communauté
Contribuer à GitLab
Donner votre avis
Conditions générales et politique de confidentialité
Raccourcis clavier
?
Extraits de code
Groupes
Projets
Afficher davantage de fils d'Ariane
davinov
Attrap
Validations
390e07fb
Valider
390e07fb
rédigé
il y a 6 mois
par
Bastien Le Querrec
Parcourir les fichiers
Options
Téléchargements
Correctifs
Plain Diff
pref64: corrige l'analyse des pages
parent
aec0608f
Aucune branche associée trouvée
Branches contenant la validation
Aucune étiquette associée trouvée
Aucune requête de fusion associée trouvée
Modifications
1
Masquer les modifications d'espaces
En ligne
Côte à côte
Affichage de
1 fichier modifié
Attrap_pref64.py
+32
-54
32 ajouts, 54 suppressions
Attrap_pref64.py
avec
32 ajouts
et
54 suppressions
Attrap_pref64.py
+
32
−
54
Voir le fichier @
390e07fb
...
...
@@ -11,15 +11,8 @@ class Attrap_pref64(Attrap):
# Config
__HOST
=
'
https://www.pyrenees-atlantiques.gouv.fr
'
__RAA_PAGE
=
{
'
2024
'
:
f
'
{
__HOST
}
/Publications/Recueil-des-actes-administratifs/Annee-2024
'
,
'
2023
'
:
f
'
{
__HOST
}
/Publications/Recueil-des-actes-administratifs/Annee-2023
'
,
'
2022
'
:
f
'
{
__HOST
}
/Publications/Recueil-des-actes-administratifs/Annee-2022
'
,
'
2021
'
:
f
'
{
__HOST
}
/Publications/Recueil-des-actes-administratifs/Annee-2021
'
,
'
2020
'
:
f
'
{
__HOST
}
/Publications/Recueil-des-actes-administratifs/Annee-2020
'
,
'
2019
'
:
f
'
{
__HOST
}
/Publications/Recueil-des-actes-administratifs/Annee-2019
'
}
__USER_AGENT
=
'
Mozilla/5.0 (X11; Linux x86_64; rv:109.0) Gecko/20100101 Firefox/115.0
'
__RAA_PAGE
=
f
'
{
__HOST
}
/Publications/Recueil-des-actes-administratifs
'
__USER_AGENT
=
'
Mozilla/5.0 (X11; Linux x86_64; rv:129.0) Gecko/20100101 Firefox/129.0
'
full_name
=
'
Préfecture des Pyrénées-Atlantiques
'
short_code
=
'
pref64
'
...
...
@@ -28,53 +21,38 @@ class Attrap_pref64(Attrap):
self
.
set_sleep_time
(
30
)
def
get_raa
(
self
,
keywords
):
year_pages_to_parse
=
[]
if
self
.
not_before
.
year
<=
2024
:
year_pages_to_parse
.
append
(
self
.
__RAA_PAGE
[
'
2024
'
])
if
self
.
not_before
.
year
<=
2023
:
year_pages_to_parse
.
append
(
self
.
__RAA_PAGE
[
'
2023
'
])
if
self
.
not_before
.
year
<=
2022
:
year_pages_to_parse
.
append
(
self
.
__RAA_PAGE
[
'
2022
'
])
if
self
.
not_before
.
year
<=
2021
:
year_pages_to_parse
.
append
(
self
.
__RAA_PAGE
[
'
2021
'
])
if
self
.
not_before
.
year
<=
2020
:
year_pages_to_parse
.
append
(
self
.
__RAA_PAGE
[
'
2020
'
])
if
self
.
not_before
.
year
<=
2019
:
year_pages_to_parse
.
append
(
self
.
__RAA_PAGE
[
'
2019
'
])
pages_to_parse
=
[]
# Pour chaque année, on cherche les sous-pages de mois
for
year_page
in
year_pages_to_parse
:
# On récupère les pages d'années
year_pages
=
[]
page_content
=
self
.
get_page
(
self
.
__RAA_PAGE
,
'
get
'
).
content
for
year_page
in
self
.
get_sub_pages
(
page_content
,
'
div.fr-card__body div.fr-card__content h2.fr-card__title a
'
,
self
.
__HOST
,
False
):
year
=
Attrap
.
guess_date
(
year_page
[
'
name
'
],
'
.* ([0-9]{4})
'
).
year
if
year
<
9999
and
year
>=
self
.
not_before
.
year
:
year_pages
.
append
(
year_page
[
'
url
'
])
# Pour chaque page d'année, on récupère les pages de mois
month_pages
=
[]
for
year_page
in
year_pages
:
page_content
=
self
.
get_page
(
year_page
,
'
get
'
).
content
month_page
s
=
self
.
get_sub_pages
(
for
month_page
in
self
.
get_sub_pages
(
page_content
,
'
.fr-card.fr-card--sm.fr-card--grey.fr-enlarge-link
div.fr-card__body div.fr-card__content h2.fr-card__title a
'
,
'
div.fr-card__body div.fr-card__content h2.fr-card__title a
'
,
self
.
__HOST
,
False
)[::
-
1
]
# Pour chaque page de mois, on récupère les liens vers des pages de RAA
for
month_page
in
month_pages
:
raa_links
=
self
.
get_sub_pages_with_pager
(
month_page
[
'
url
'
],
'
div.content-view-line div.class-file h2 a
'
,
'
ul.fr-pagination__list li a.fr-pagination__link.fr-pagination__link--next
'
,
None
,
self
.
__HOST
)[::
-
1
]
# Pour chaque lien vers un RAA, on filtre ceux ne correspondant pas à la période analysée
for
raa_link
in
raa_links
:
guessed_date
=
Attrap
.
guess_date
(
raa_link
[
'
name
'
],
'
n°[ 0-9-]* du ([0-9]*(?:er)? [a-zéû]* [0-9]*)
'
)
if
guessed_date
>=
self
.
not_before
:
pages_to_parse
.
append
(
raa_link
[
'
url
'
])
):
if
Attrap
.
guess_date
(
month_page
[
'
name
'
],
'
(.*)
'
).
replace
(
day
=
1
)
>=
self
.
not_before
.
replace
(
day
=
1
):
month_pages
.
append
(
month_page
[
'
url
'
])
# On
parse les pages contenant des RAA
elements
=
[]
for
page
in
pages_to_parse
:
page_content
=
self
.
get_page
(
page
,
'
get
'
).
content
for
raa
in
self
.
get_raa_elements
(
page_content
):
elements
.
append
(
raa
)
# On
récupère les RAA en suivant la navigation de chaque page de mois
elements
=
self
.
get_raa_with_pager
(
month_pages
,
'
a.fr-pagination__link--next.fr-pagination__link--lg-label
'
,
self
.
__HOST
)
self
.
parse_raa
(
elements
,
keywords
)
self
.
mailer
()
...
...
@@ -85,7 +63,7 @@ class Attrap_pref64(Attrap):
soup
=
BeautifulSoup
(
page_content
,
'
html.parser
'
)
# On récupère chaque balise a
for
a
in
soup
.
select
(
'
a
.fr-
link.fr-link--download
'
):
for
a
in
soup
.
select
(
'
div
.fr-
card__body div.fr-card__content h2.fr-card__title a.fr-card__link.menu-item-link
'
):
if
a
.
get
(
'
href
'
)
and
a
[
'
href
'
].
endswith
(
'
.pdf
'
):
if
a
[
'
href
'
].
startswith
(
'
/
'
):
url
=
f
"
{
self
.
__HOST
}{
a
[
'
href
'
]
}
"
...
...
@@ -93,8 +71,8 @@ class Attrap_pref64(Attrap):
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
'
)
name
=
a
.
get_text
(
).
strip
()
date
=
datetime
.
datetime
.
strptime
(
a
[
'
title
'
]
.
split
(
'
-
'
)[
-
1
].
strip
(),
'
%d/%m/%Y
'
)
raa
=
Attrap
.
RAA
(
url
,
date
,
name
)
elements
.
append
(
raa
)
...
...
Ce diff est replié.
Cliquez pour l'agrandir.
Aperçu
0%
Chargement en cours
Veuillez réessayer
ou
joindre un nouveau fichier
.
Annuler
You are about to add
0
people
to the discussion. Proceed with caution.
Terminez d'abord l'édition de ce message.
Enregistrer le commentaire
Annuler
Veuillez vous
inscrire
ou vous
se connecter
pour commenter