pref66: ajout de la préfecture des Pyrénées-Orientales

.gitlab-ci.yml

@@ -152,6 +152,11 @@ test_pref65:
     PREF: "pref65"
   extends: .default_pref
 
+test_pref66:
+  variables:
+    PREF: "pref66"
+  extends: .default_pref
+
 test_pref69:
   variables:
     PREF: "pref69"

Makefile

-make: ppparis pref04 pref06 pref09 pref13 pref34 pref35 pref38 pref59 pref62 pref65 pref69 pref81 pref83 pref976
+make: ppparis pref04 pref06 pref09 pref13 pref34 pref35 pref38 pref59 pref62 pref65 pref66 pref69 pref81 pref83 pref976
 ppparis:
 	python cli.py --pref ppparis
 pref04:
@@ -21,6 +21,8 @@ pref62:
 	python cli.py --pref pref62
 pref65:
 	python cli.py --pref pref65
+pref66:
+	python cli.py --pref pref66
 pref69:
 	python cli.py --pref pref69
 pref81:

RAAspotter_pref66.py

+import os
+import sys
+import datetime
+import logging
+
+from bs4 import BeautifulSoup
+from urllib.parse import unquote
+
+from RAAspotter import RAAspotter
+
+logger = logging.getLogger(__name__)
+
+
+class RAAspotter_pref66(RAAspotter):
+
+    # Config
+    __HOST = 'https://www.pyrenees-orientales.gouv.fr'
+    __RAA_PAGE = {
+        '2024': f'{__HOST}/Publications/Le-recueil-des-actes-administratifs/Annee-2024',
+        '2023': f'{__HOST}/Publications/Le-recueil-des-actes-administratifs/Annee-2023',
+        '2022': f'{__HOST}/Publications/Le-recueil-des-actes-administratifs/Annee-2022',
+        '2021': f'{__HOST}/Publications/Le-recueil-des-actes-administratifs/Annee-2021',
+        '2020': f'{__HOST}/Publications/Le-recueil-des-actes-administratifs/Annee-2020',
+        '2019': f'{__HOST}/Publications/Le-recueil-des-actes-administratifs/Annee-2019'
+    }
+    __USER_AGENT = 'Mozilla/5.0 (X11; Linux x86_64; rv:109.0) Gecko/20100101 Firefox/115.0'
+    full_name = 'Préfecture des Pyrénées-Orientales'
+    short_code = 'pref66'
+
+    def __init__(self, data_dir):
+        super().__init__(data_dir, self.__USER_AGENT)
+        self.enable_tor(10)
+
+    def get_raa(self, keywords):
+        self.print_output('RAAspotter_pref66')
+        self.print_output(f'Termes recherchés: {keywords}')
+        self.print_output('')
+
+        elements = []
+
+        # La préfecture des Pyrénées-Orientales est une originale : avant 2024,
+        # chaque page annuelle contient l'ensemble des RAA, mais pas tout le
+        # temps avec leur date, qu'il faut deviner à partir du nom du RAA.
+        # Mais en 2024, ça change ! La page de 2024 contient un tableau
+        # récapitulatif avec toutes les dates de publication des RAA, mais
+        # aussi un pager. Sauf qu'il s'avère que le tableau récapitulatif
+        # n'est pas exhaustif. On doit donc parser toutes les sous-pages de
+        # 2024 puisqu'on ne peut se fier au tableau récapitulatif.
+        # Grrr.
+        if self.not_before.year <= 2024:
+            for element in self.get_raa_elements_since_2024(self.__RAA_PAGE['2024']):
+                elements.append(element)
+        if self.not_before.year <= 2023:
+            for element in self.get_raa_elements_before_2024(self.__RAA_PAGE['2023']):
+                elements.append(element)
+        if self.not_before.year <= 2022:
+            for element in self.get_raa_elements_before_2024(self.__RAA_PAGE['2022']):
+                elements.append(element)
+        if self.not_before.year <= 2021:
+            for element in self.get_raa_elements_before_2024(self.__RAA_PAGE['2021']):
+                elements.append(element)
+        if self.not_before.year <= 2020:
+            for element in self.get_raa_elements_before_2024(self.__RAA_PAGE['2020']):
+                elements.append(element)
+        if self.not_before.year <= 2019:
+            for element in self.get_raa_elements_before_2024(self.__RAA_PAGE['2019']):
+                elements.append(element)
+
+        self.parse_raa(elements, keywords.split(','))
+        self.mailer()
+
+    # On parse un lien d'avant 2024
+    def get_raa_elements_before_2024(self, page):
+        elements = []
+        page_content = self.get_page(page, 'get').content
+        soup = BeautifulSoup(page_content, 'html.parser')
+        for a in soup.select('div.fr-table.fr-table--bordered.list a.fr-link.fr-link--download'):
+            if a.get('href') and a['href'].endswith('.pdf'):
+                date = None
+                try:
+                    # Lorsque la date n'est pas affichée à l'écran, elle est en
+                    # fait cachée dans la propriété "title" du lien
+                    details = ''
+                    if a.find('span'):
+                        details = a.find('span').get_text().split(' - ')[-1].strip()
+                    else:
+                        details = a['title'].split(' - ')[-1].strip()
+                    date = datetime.datetime.strptime(details, '%d/%m/%Y')
+                except Exception as exc:
+                    logger.error(f'Impossible de trouver de date pour le texte : {text_raw}: {exc}')
+                    sys.exit(1)
+
+                if date >= self.not_before:
+                    url = ''
+                    if a['href'].startswith('/'):
+                        url = f"{self.__HOST}{a['href']}"
+                    else:
+                        url = a['href']
+
+                    url = unquote(url)
+                    name = ''
+                    if a.find('span') and a.find('span').previous_sibling:
+                        name = a.find('span').previous_sibling.replace('Télécharger ', '').strip()
+                    else:
+                        name = a.get_text().replace('Télécharger ', '').strip()
+                    filename = url.split('/')[-1]
+
+                    elements.append(RAAspotter.RAA(url, date, name, filename))
+        return elements
+
+    # On parse les RAA depuis 2024
+    def get_raa_elements_since_2024(self, root_page):
+        pages = self.get_sub_pages_with_pager(
+            root_page,
+            'div.fr-card__body div.fr-card__content h2.fr-card__title a.fr-card__link',
+            'ul.fr-pagination__list li a.fr-pagination__link.fr-pagination__link--next',
+            'div.fr-card__body div.fr-card__content div.fr-card__end p.fr-card__detail',
+            self.__HOST
+        )[::-1]
+
+        pages_to_parse = []
+        elements = []
+
+        for page in pages:
+            if not page['url'].endswith('.pdf'):
+                logger.warning(f"Attention, le lien vers {page['url']} n'est pas bon !")
+            else:
+                if page['url'].startswith('/'):
+                    url = f"{self.__HOST}{page['url']}"
+                else:
+                    url = page['url']
+
+                url = unquote(url)
+                name = page['name'].replace('Télécharger ', '').strip()
+                date = datetime.datetime.strptime(page['details'].replace('Publié le ', '').strip(), '%d/%m/%Y')
+                filename = url.split('/')[-1]
+
+                elements.append(RAAspotter.RAA(url, date, name, filename))
+        return elements

README.md

@@ -43,6 +43,7 @@ Il est possible de ne lancer l'analyse que pour une seule administration, avec l
 - Préfecture du Nord (identifiant : `pref59`)
 - Préfecture du Pas-de-Calais (identifiant : `pref62`)
 - Préfecture des Hautes-Pyrénées (identifiant : `pref65`)
+- Préfecture des Pyrénées-Orientales (identifiant : `pref66`)
 - Préfecture du Rhône (identifiant : `pref69`)
 - Préfecture du Tarn (identifiant : `pref81`)
 - Préfecture du Var (identifiant : `pref83`)

cli.py

@@ -49,6 +49,7 @@ available_prefs = [
     'pref59',
     'pref62',
     'pref65',
+    'pref66',
     'pref69',
     'pref81',
     'pref83',