Paris + préfecture de région Ile-de-France

.gitlab-ci.yml

@@ -198,6 +198,11 @@ test_pref73:
     PREF: "pref73"
   extends: .default_pref
 
+test_pref75:
+  variables:
+    PREF: "pref75"
+  extends: .default_pref
+
 test_pref80:
   variables:
     PREF: "pref80"
@@ -232,3 +237,8 @@ test_pref976:
   variables:
     PREF: "pref976"
   extends: .default_pref
+
+test_prefIDF:
+  variables:
+    PREF: "prefIDF"
+  extends: .default_pref

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'

Attrap_prefIDF.py

+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
+    # Île-de-France. On ne prend en compte que les RAA départementaux.Tant qu'à
+    # 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

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`)
@@ -82,6 +85,7 @@ Les options suivantes peuvent être précisées, par un paramètre si l'utilitai
 - Préfecture des Pyrénées-Orientales (identifiant : `pref66`)
 - Préfecture du Rhône (identifiant : `pref69`)
 - Préfecture de la Savoie (identifiant : `pref73`)
+- Préfecture de Paris (identifiant : `pref75`)
 - Préfecture de la Somme (identifiant : `pref80`)
 - Préfecture du Tarn (identifiant : `pref81`)
 - Préfecture du Var (identifiant : `pref83`)
@@ -90,6 +94,11 @@ Les options suivantes peuvent être précisées, par un paramètre si l'utilitai
 - Préfecture du Val-de-Marne (identifiant : `pref94`)
 - 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 !

cli.py

@@ -67,7 +67,8 @@ available_administrations = [
     'pref87',
     'pref93',
     'pref94',
-    'pref976'
+    'pref976',
+    'prefIDF'
 ]
 
 # Début du script