pref33: ajout de la préfecture de la Gironde

.gitlab-ci.yml

@@ -134,6 +134,11 @@ test_pref31:
     PREF: "pref31"
   extends: .default_pref
 
+test_pref33:
+  variables:
+    PREF: "pref33"
+  extends: .default_pref
+
 test_pref34:
   variables:
     PREF: "pref34"

Makefile

-make: ppparis pref04 pref05 pref06 pref09 pref13 pref31 pref34 pref35 pref38 pref42 pref44 pref59 pref62 pref65 pref66 pref69 pref80 pref81 pref83 pref87 pref976
+make: ppparis pref04 pref05 pref06 pref09 pref13 pref31 pref33 pref34 pref35 pref38 pref42 pref44 pref59 pref62 pref65 pref66 pref69 pref80 pref81 pref83 pref87 pref976
 ppparis:
 	python cli.py --pref ppparis
 pref04:
@@ -13,6 +13,8 @@ pref13:
 	python cli.py --pref pref13
 pref31:
 	python cli.py --pref pref31
+pref33:
+	python cli.py --pref pref33
 pref34:
 	python cli.py --pref pref34
 pref35:

RAAspotter_pref33.py

+import os
+import re
+import datetime
+import logging
+
+from bs4 import BeautifulSoup
+from urllib.parse import unquote
+
+from RAAspotter import RAAspotter
+
+logger = logging.getLogger(__name__)
+
+
+class RAAspotter_pref33(RAAspotter):
+
+    # Config
+    __HOST = 'https://www.gironde.gouv.fr'
+    __RAA_PAGE = f'{__HOST}/Publications/Recueil-des-Actes-Administratifs'
+    __USER_AGENT = 'Mozilla/5.0 (X11; Linux x86_64; rv:109.0) Gecko/20100101 Firefox/115.0'
+    full_name = 'Préfecture de la Gironde'
+    short_code = 'pref33'
+
+    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_pref33')
+        self.print_output(f'Termes recherchés: {keywords}')
+        self.print_output('')
+
+        pages_to_parse = []
+
+        # Parfois un RAA est mal catégorisé et se retrouve sur la page racine, donc on la parse
+        pages_to_parse.append(self.__RAA_PAGE)
+
+        # On détermine quelles pages d'année parser
+        year_pages_to_parse = []
+        page_content = self.get_page(self.__RAA_PAGE, 'get').content
+        year_pages = self.get_sub_pages(
+            page_content,
+            '.fr-card.fr-card--sm.fr-card--grey.fr-enlarge-link div.fr-card__body div.fr-card__content h2.fr-card__title a',
+            self.__HOST,
+            False
+        )
+        for year_page in year_pages:
+            year = 9999
+            try:
+                year = int(re.search('.*([0-9]{4})', year_page['name'].strip(), re.IGNORECASE).group(1))
+                if year is None:
+                    year = 9999
+            except Exception as exc:
+                logger.warning(f"Impossible de deviner l\'année de la page {year_page['name']}")
+                year = 9999
+
+            if year >= self.not_before.year:
+                year_pages_to_parse.append(year_page['url'])
+
+        # Pour chaque année, on cherche les sous-pages de mois
+        month_pages_to_parse = []
+        for year_page in year_pages_to_parse:
+            page_content = self.get_page(year_page, 'get').content
+            month_pages = self.get_sub_pages(
+                page_content,
+                '.fr-card.fr-card--sm.fr-card--grey.fr-enlarge-link div.fr-card__body div.fr-card__content h2.fr-card__title a',
+                self.__HOST,
+                False
+            )[::-1]
+
+            for month_page in month_pages:
+                guessed_date = RAAspotter.guess_date(month_page['name'], '([a-zéû]* [0-9]{4})')
+                if guessed_date >= self.not_before.replace(day=1):
+                    pages_to_parse.append(month_page['url'])
+
+        # On parse les pages sélectionnées
+        elements = self.get_raa_with_pager(
+            pages_to_parse,
+            "ul.fr-pagination__list li a.fr-pagination__link.fr-pagination__link--next.fr-pagination__link--lg-label",
+            self.__HOST
+        )[::-1]
+
+        self.parse_raa(elements, keywords.split(','))
+        self.mailer()
+
+    def get_raa_elements(self, page_content):
+        elements = []
+
+        # On récupère chaque carte avec un RAA
+        for card in BeautifulSoup(page_content, 'html.parser').select('div.fr-card.fr-card--horizontal div.fr-card__body div.fr-card__content'):
+            # On récupère le lien
+            links = card.select('h2.fr-card__title a.fr-card__link.menu-item-link')
+            # On récupère la date
+            dates_raw = card.select('div.fr-card__end p.fr-card__detail')
+
+            # Si on a toutes les infos, on continue
+            if links and links[0] and dates_raw and dates_raw[0]:
+                a = links[0]
+                date_raw = dates_raw[0]
+
+                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.get_text().strip()
+                    date = datetime.datetime.strptime(date_raw.get_text().replace('Publié le', '').strip(), '%d/%m/%Y')
+
+                    raa = RAAspotter.RAA(url, date, name)
+                    elements.append(raa)
+        return elements

README.md

@@ -39,6 +39,7 @@ Il est possible de ne lancer l'analyse que pour une seule administration, avec l
 - Préfecture de l'Ariège (identifiant : `pref09`)
 - Préfecture des Bouches-du-Rhône (identifiant : `pref13`)
 - Préfecture de la Haute-Garonne (identifiant : `pref31`)
+- Préfecture de la Gironde (identifiant : `pref33`)
 - Préfecture de l'Hérault (identifiant : `pref34`)
 - Préfecture d'Ille-et-Vilaine (identifiant : `pref35`)
 - Préfecture de l'Isère (identifiant : `pref38`)

cli.py

@@ -45,6 +45,7 @@ available_prefs = [
     'pref09',
     'pref13',
     'pref31',
+    'pref33',
     'pref34',
     'pref35',
     'pref38',