From 7b7a584df4fa62f800380f12a00d804f17e8f6dd Mon Sep 17 00:00:00 2001
From: Bastien Le Querrec <blq@laquadrature.net>
Date: Fri, 5 Apr 2024 03:04:58 +0200
Subject: [PATCH] =?UTF-8?q?pref66:=20ajout=20de=20la=20pr=C3=A9fecture=20d?=
=?UTF-8?q?es=20Pyr=C3=A9n=C3=A9es-Orientales?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit
---
.gitlab-ci.yml | 5 ++
Makefile | 4 +-
RAAspotter_pref66.py | 139 +++++++++++++++++++++++++++++++++++++++++++
README.md | 1 +
cli.py | 1 +
5 files changed, 149 insertions(+), 1 deletion(-)
create mode 100644 RAAspotter_pref66.py
diff --git a/.gitlab-ci.yml b/.gitlab-ci.yml
index 6792ebd..060db3e 100644
--- a/.gitlab-ci.yml
+++ b/.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"
diff --git a/Makefile b/Makefile
index 643d7e2..5f8f8e3 100644
--- a/Makefile
+++ b/Makefile
@@ -1,4 +1,4 @@
-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:
diff --git a/RAAspotter_pref66.py b/RAAspotter_pref66.py
new file mode 100644
index 0000000..a2f4277
--- /dev/null
+++ b/RAAspotter_pref66.py
@@ -0,0 +1,139 @@
+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
diff --git a/README.md b/README.md
index abaaf5c..c54e83a 100644
--- a/README.md
+++ b/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`)
diff --git a/cli.py b/cli.py
index 51bff78..80cef67 100755
--- a/cli.py
+++ b/cli.py
@@ -49,6 +49,7 @@ available_prefs = [
'pref59',
'pref62',
'pref65',
+ 'pref66',
'pref69',
'pref81',
'pref83',
--
GitLab