From 45c8c738cb3471d3ada4cd54ca580032a187a28e Mon Sep 17 00:00:00 2001
From: Luc Pellissier <luc.pellissier@inria.fr>
Date: Sun, 9 Jun 2024 22:43:13 +0200
Subject: [PATCH] =?UTF-8?q?Paris=20+=20pr=C3=A9fecture=20de=20r=C3=A9gion?=
=?UTF-8?q?=20Ile-de-France?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit
---
.gitlab-ci.yml | 10 +++++
Attrap_pref75.py | 2 +-
Attrap_prefIDF.py | 108 ++++++++++++++++++++++++++++++++++++++++++++++
README.md | 9 ++++
cli.py | 3 +-
5 files changed, 130 insertions(+), 2 deletions(-)
create mode 100644 Attrap_prefIDF.py
diff --git a/.gitlab-ci.yml b/.gitlab-ci.yml
index df21d60..561cb79 100644
--- a/.gitlab-ci.yml
+++ b/.gitlab-ci.yml
@@ -193,6 +193,11 @@ test_pref69:
PREF: "pref69"
extends: .default_pref
+test_pref75:
+ variables:
+ PREF: "pref75"
+ extends: .default_pref
+
test_pref80:
variables:
PREF: "pref80"
@@ -222,3 +227,8 @@ test_pref976:
variables:
PREF: "pref976"
extends: .default_pref
+
+test_prefIDF:
+ variables:
+ PREF: "prefIDF"
+ extends: .default_pref
diff --git a/Attrap_pref75.py b/Attrap_pref75.py
index a14af0b..0b569aa 100644
--- a/Attrap_pref75.py
+++ b/Attrap_pref75.py
@@ -23,7 +23,7 @@ class Attrap_pref75(Attrap):
'2020': f'{__HOST}/ile-de-france/ile-de-france/ile-de-france/Documents-publications/Recueil-des-actes-administratifs/Raa-du-departement-de-Paris-2020',
'2019': f'{__HOST}/ile-de-france/ile-de-france/ile-de-france/Documents-publications/Recueil-des-actes-administratifs/Raa-du-departement-de-Paris-2019',
'2018': f'{__HOST}/ile-de-france/ile-de-france/ile-de-france/Documents-publications/Recueil-des-actes-administratifs/Raa-du-departement-de-Paris-2018'
- }
+ }
__USER_AGENT = 'Mozilla/5.0 (X11; Linux x86_64; rv:109.0) Gecko/20100101 Firefox/115.0'
full_name = 'Préfecture de Paris'
short_code = 'pref75'
diff --git a/Attrap_prefIDF.py b/Attrap_prefIDF.py
new file mode 100644
index 0000000..d309c1e
--- /dev/null
+++ b/Attrap_prefIDF.py
@@ -0,0 +1,108 @@
+import os
+import datetime
+
+from bs4 import BeautifulSoup
+from urllib.parse import unquote
+
+from Attrap import Attrap
+
+
+class Attrap_pref75(Attrap):
+
+ # Les RAA de Paris sont sur le site de la préfecture de région
+ # ÃŽle-de-France. On ne prend en compte que les RAA départementaux.Tant qu'Ã
+ # y être, on prend les RAA du département et de la région.
+
+ # Config
+ __HOST = 'https://www.prefectures-regions.gouv.fr'
+ __RAA_PAGE = {
+ '2024': f'{__HOST}/ile-de-france/ile-de-france/ile-de-france/Documents-publications/Recueil-des-actes-administratifs/RAA-de-la-region-Ile-de-France-2024',
+ '2023': f'{__HOST}/ile-de-france/ile-de-france/ile-de-france/Documents-publications/Recueil-des-actes-administratifs/RAA-de-la-region-Ile-de-France-2023',
+ '2022': f'{__HOST}/ile-de-france/ile-de-france/ile-de-france/Documents-publications/Recueil-des-actes-administratifs/RAA-de-la-region-Ile-de-France-2022',
+ '2021': f'{__HOST}/ile-de-france/ile-de-france/ile-de-france/Documents-publications/Recueil-des-actes-administratifs/RAA-de-la-region-Ile-de-France-2021',
+ '2020': f'{__HOST}/ile-de-france/ile-de-france/ile-de-france/Documents-publications/Recueil-des-actes-administratifs/RAA-de-la-region-Ile-de-France-2020',
+ '2019': f'{__HOST}/ile-de-france/ile-de-france/ile-de-france/Documents-publications/Recueil-des-actes-administratifs/RAA-de-la-region-Ile-de-France-2019',
+ '2018': f'{__HOST}/ile-de-france/ile-de-france/ile-de-france/Documents-publications/Recueil-des-actes-administratifs/RAA-de-la-region-Ile-de-France-2018'
+ }
+ __USER_AGENT = 'Mozilla/5.0 (X11; Linux x86_64; rv:109.0) Gecko/20100101 Firefox/115.0'
+ full_name = 'Préfecture de Paris'
+ short_code = 'pref75'
+
+ def __init__(self, data_dir):
+ super().__init__(data_dir, self.__USER_AGENT)
+ self.enable_tor(10)
+
+ def get_raa(self, keywords):
+ year_pages_to_parse = []
+
+ # Les RAA de Paris et de l'Île-de-France sont éparpillés sur des sous-pages par mois.
+ # Donc on parse la page principale à la recherche des sous-pages.
+
+ 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'])
+
+ print(year_pages_to_parse)
+
+ pages_to_parse = []
+ for year_page in year_pages_to_parse:
+ page_content = self.get_page(year_page, 'get').content
+ # print(page_content)
+ month_pages = self.get_sub_pages(
+ page_content,
+ 'ol li a',
+ self.__HOST,
+ False
+ )[::-1]
+ print(month_pages)
+ for month_page in month_pages:
+ pages_to_parse.append(month_page['url'])
+
+ print(pages_to_parse)
+
+
+ elements = []
+ for page in pages_to_parse:
+ page_content = self.get_page(page, 'get').content
+ for element in self.get_raa_elements(page_content):
+ elements.append(element)
+
+
+
+ self.parse_raa(elements, keywords)
+ self.mailer()
+
+ def get_raa_elements(self, page_content):
+ elements = []
+ # On charge le parser
+ soup = BeautifulSoup(page_content, 'html.parser')
+
+ # Pour chaque balise a, on regarde si c'est un PDF, et si oui on le parse
+ for a in soup.select('main div.container.main-container div.col-main article.article div.texte div a.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').get_text()
+ quasidate = a.get('href')
+ guessed = Attrap.guess_date(quasidate,"([0-9]+\.[0-9]+\.[0-9]+)")
+ if (guessed == datetime.datetime(9999, 1, 1, 0, 0)):
+ guessed = Attrap.guess_date(quasidate,"([0-9]+-[0-9]+-[0-9]+)")
+ if (guessed == datetime.datetime(9999, 1, 1, 0, 0)):
+ guessed = Attrap.guess_date(quasidate,"75-([0-9]*)")
+ date = guessed
+
+ raa = Attrap.RAA(url, date, name)
+ elements.append(raa)
+ return elements
diff --git a/README.md b/README.md
index 53ce752..0a3a364 100644
--- a/README.md
+++ b/README.md
@@ -63,6 +63,9 @@ Les options suivantes peuvent être précisées, par un paramètre si l'utilitai
## Administrations supportées
- Préfecture de police de Paris (identifiant : `ppparis`)
+
+### Préfectures de département
+
- Préfecture des Alpes-de-Haute-Provence (identifiant : `pref04`)
- Préfecture des Hautes-Alpes (identifiant : `pref05`)
- Préfecture des Alpes-Maritimes (identifiant : `pref06`)
@@ -81,6 +84,7 @@ Les options suivantes peuvent être précisées, par un paramètre si l'utilitai
- Préfecture des Hautes-Pyrénées (identifiant : `pref65`)
- Préfecture des Pyrénées-Orientales (identifiant : `pref66`)
- Préfecture du Rhône (identifiant : `pref69`)
+- Préfecture de Paris (identifiant : `pref75`)
- Préfecture de la Somme (identifiant : `pref80`)
- Préfecture du Tarn (identifiant : `pref81`)
- Préfecture du Var (identifiant : `pref83`)
@@ -88,6 +92,11 @@ Les options suivantes peuvent être précisées, par un paramètre si l'utilitai
- Préfecture de Seine-Saint-Denis (identifiant : `pref93`)
- Préfecture de Mayotte (identifiant : `pref976`)
+### Préfectures de région
+
+- Préfecture de région Île-de-France (identifiant : `prefIDF`)
+
+
## Contributions
Les contributions à ce projet sont les bienvenues !
diff --git a/cli.py b/cli.py
index 06e3255..ca94949 100755
--- a/cli.py
+++ b/cli.py
@@ -65,7 +65,8 @@ available_administrations = [
'pref83',
'pref87',
'pref93',
- 'pref976'
+ 'pref976',
+ 'prefIDF'
]
# Début du script
--
GitLab