Skip to content
Extraits de code Groupes Projets
Valider 75f8ed62 rédigé par Bastien Le Querrec's avatar Bastien Le Querrec
Parcourir les fichiers

pref976: détecte l'URL de l'année voulue automatiquement

parent b7a35e56
Aucune branche associée trouvée
Aucune étiquette associée trouvée
Aucune requête de fusion associée trouvée
...@@ -11,15 +11,7 @@ class Attrap_pref976(Attrap): ...@@ -11,15 +11,7 @@ class Attrap_pref976(Attrap):
# Config # Config
hostname = 'https://www.mayotte.gouv.fr' hostname = 'https://www.mayotte.gouv.fr'
raa_page = { raa_page = f'{hostname}/Publications/Recueil-des-actes-administratifs-R.A.A'
'default': f'{hostname}/Publications/Recueil-des-actes-administratifs-R.A.A',
'2024': f'{hostname}/Publications/Recueil-des-actes-administratifs-R.A.A/RAA-2024',
'2023': f'{hostname}/Publications/Recueil-des-actes-administratifs-R.A.A/RAA-2023',
'2022': f'{hostname}/Publications/Recueil-des-actes-administratifs-R.A.A/RAA-2022',
'2021': f'{hostname}/Publications/Recueil-des-actes-administratifs-R.A.A/RAA-2021',
'2020': f'{hostname}/Publications/Recueil-des-actes-administratifs-R.A.A/RAA-2020',
'2019': f'{hostname}/Publications/Recueil-des-actes-administratifs-R.A.A/RAA-2019'
}
user_agent = 'Mozilla/5.0 (Windows NT 10.0; rv:109.0) Gecko/20100101 Firefox/115.0' user_agent = 'Mozilla/5.0 (Windows NT 10.0; rv:109.0) Gecko/20100101 Firefox/115.0'
full_name = 'Préfecture de Mayotte' full_name = 'Préfecture de Mayotte'
short_code = 'pref976' short_code = 'pref976'
...@@ -30,24 +22,23 @@ class Attrap_pref976(Attrap): ...@@ -30,24 +22,23 @@ class Attrap_pref976(Attrap):
self.set_sleep_time(30) self.set_sleep_time(30)
def get_raa(self, keywords): def get_raa(self, keywords):
pages_to_parse = [] year_pages_to_parse = []
if self.not_before.year <= 2024:
pages_to_parse.append(self.raa_page['2024']) # On récupère les pages d'années
if self.not_before.year <= 2023: page_content = self.get_page(self.raa_page, 'get').content
pages_to_parse.append(self.raa_page['2023']) for card in self.get_sub_pages(
if self.not_before.year <= 2022: page_content,
pages_to_parse.append(self.raa_page['2022']) 'div.fr-card__body div.fr-card__content h2.fr-card__title a',
if self.not_before.year <= 2021: self.hostname,
pages_to_parse.append(self.raa_page['2021']) False
if self.not_before.year <= 2020: ):
pages_to_parse.append(self.raa_page['2020']) if Attrap.guess_date(card['name'], '([0-9]{4})').year >= self.not_before.year:
if self.not_before.year <= 2019: year_pages_to_parse.append(card['url'])
pages_to_parse.append(self.raa_page['2019'])
pages_to_parse = [self.raa_page]
sub_pages_to_parse = [self.raa_page['default']]
# Pour chaque année, on cherche les sous-pages de mois # Pour chaque année, on cherche les sous-pages de mois
for raa_page in pages_to_parse: for raa_page in year_pages_to_parse:
page_content = self.get_page(raa_page, 'get').content page_content = self.get_page(raa_page, 'get').content
month_pages = self.get_sub_pages( month_pages = self.get_sub_pages(
page_content, page_content,
...@@ -59,7 +50,7 @@ class Attrap_pref976(Attrap): ...@@ -59,7 +50,7 @@ class Attrap_pref976(Attrap):
# On regarde aussi si sur la page de l'année il n'y aurait pas un # On regarde aussi si sur la page de l'année il n'y aurait pas un
# RAA mal catégorisé # RAA mal catégorisé
for page_to_parse in self.find_raa_card(raa_page): for page_to_parse in self.find_raa_card(raa_page):
sub_pages_to_parse.append(page_to_parse) pages_to_parse.append(page_to_parse)
# Pour chaque mois, on cherche les pages des RAA # Pour chaque mois, on cherche les pages des RAA
for month_page in month_pages: for month_page in month_pages:
...@@ -68,11 +59,11 @@ class Attrap_pref976(Attrap): ...@@ -68,11 +59,11 @@ class Attrap_pref976(Attrap):
month_page['url'], month_page['url'],
year year
): ):
sub_pages_to_parse.append(page_to_parse) pages_to_parse.append(page_to_parse)
# On parse les pages contenant des RAA # On parse les pages contenant des RAA
elements = [] elements = []
for page in sub_pages_to_parse: for page in pages_to_parse:
page_content = self.get_page(page, 'get').content page_content = self.get_page(page, 'get').content
for element in self.get_raa_elements(page_content): for element in self.get_raa_elements(page_content):
elements.append(element) elements.append(element)
......
0% Chargement en cours ou .
You are about to add 0 people to the discussion. Proceed with caution.
Terminez d'abord l'édition de ce message.
Veuillez vous inscrire ou vous pour commenter