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 conteneurs
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
La Quadrature du Net
Attrap
Validations
56d45579
Valider
56d45579
rédigé
2 months ago
par
Bastien Le Querrec
Parcourir les fichiers
Options
Téléchargements
Correctifs
Plain Diff
pref75: utilise Selenium+Tor
parent
53d809c8
Branches
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_pref75.py
+9
-6
9 ajouts, 6 suppressions
Attrap_pref75.py
avec
9 ajouts
et
6 suppressions
Attrap_pref75.py
+
9
−
6
Voir le fichier @
56d45579
...
...
@@ -15,7 +15,7 @@ class Attrap_pref75(Attrap):
# Config
hostname
=
'
https://www.prefectures-regions.gouv.fr
'
raa_page
=
f
'
{
hostname
}
/ile-de-france/tags/view/Ile-de-France/Documents+et+publications/Recueil+des+actes+administratifs
'
user_agent
=
'
Mozilla/5.0 (
Windows NT 10.0
; rv:1
09
.0) Gecko/20100101 Firefox/1
15
.0
'
user_agent
=
'
Mozilla/5.0 (
X11; Linux x86_64
; rv:1
28
.0) Gecko/20100101 Firefox/1
28
.0
'
full_name
=
'
Préfecture de Paris
'
short_code
=
'
pref75
'
timezone
=
'
Europe/Paris
'
...
...
@@ -23,17 +23,19 @@ class Attrap_pref75(Attrap):
def
__init__
(
self
,
data_dir
):
super
().
__init__
(
data_dir
,
self
.
user_agent
)
self
.
enable_tor
(
10
)
self
.
set_sleep_time
(
10
)
def
get_raa
(
self
,
keywords
):
year_pages_to_parse
=
[]
# On détermine quelles pages d'année parser
page_content
=
self
.
get_
page
(
self
.
raa_page
,
'
get
'
).
content
page_content
=
self
.
get_
session
(
self
.
raa_page
,
'
main
'
,
6
)
year_pages
=
self
.
get_sub_pages
(
page_content
,
'
article.news-list-item header h2.news-list-title a
'
,
self
.
hostname
,
False
False
,
selenium
=
True
)
for
year_page
in
year_pages
:
year_date
=
Attrap
.
guess_date
(
year_page
[
'
name
'
].
strip
(),
'
(?:.*Paris.*)([0-9]{4})
'
).
replace
(
day
=
1
,
month
=
1
)
...
...
@@ -42,13 +44,14 @@ class Attrap_pref75(Attrap):
pages_to_parse
=
[]
for
year_page
in
year_pages_to_parse
:
page_content
=
self
.
get_
page
(
year_page
,
'
get
'
).
content
page_content
=
self
.
get_
session
(
year_page
,
'
main
'
,
6
)
year
=
BeautifulSoup
(
page_content
,
'
html.parser
'
).
select
(
'
div.breadcrumb div.container p span.active
'
)[
0
].
get_text
().
split
(
'
-
'
)[
-
1
].
strip
()
month_pages
=
self
.
get_sub_pages
(
page_content
,
'
div.sommaire-bloc div.sommaire-content ol li a
'
,
self
.
hostname
,
False
False
,
selenium
=
True
)[::
-
1
]
for
month_page
in
month_pages
:
month_date
=
Attrap
.
guess_date
(
f
"
{
month_page
[
'
name
'
]
}
{
year
}
"
,
"
(.*)
"
).
replace
(
day
=
1
)
...
...
@@ -57,7 +60,7 @@ class Attrap_pref75(Attrap):
elements
=
[]
for
page
in
pages_to_parse
[::
-
1
]:
page_content
=
self
.
get_
page
(
page
,
'
get
'
).
content
page_content
=
self
.
get_
session
(
page
,
'
main
'
,
6
)
for
element
in
self
.
get_raa_elements
(
page_content
):
elements
.
append
(
element
)
...
...
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