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
d91deeaa
Valider
d91deeaa
rédigé
3 months ago
par
Bastien Le Querrec
Parcourir les fichiers
Options
Téléchargements
Correctifs
Plain Diff
pref05: utilise la classe générique de département
parent
3c0e2c77
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_pref05.py
+4
-91
4 ajouts, 91 suppressions
Attrap_pref05.py
avec
4 ajouts
et
91 suppressions
Attrap_pref05.py
+
4
−
91
Voir le fichier @
d91deeaa
import
os
import
datetime
from
Attrap_prefdpt
import
Attrap_prefdpt
from
bs4
import
BeautifulSoup
from
urllib.parse
import
unquote
from
Attrap
import
Attrap
class
Attrap_pref05
(
Attrap
):
class
Attrap_pref05
(
Attrap_prefdpt
):
# Config
hostname
=
'
https://www.hautes-alpes.gouv.fr
'
raa_page
=
f
'
{
hostname
}
/Publications/Recueil-des-actes-administratifs
'
user_agent
=
'
Mozilla/5.0 (Windows NT 10.0; rv:109.0) Gecko/20100101 Firefox/115.0
'
full_name
=
'
Préfecture des Hautes-Alpes
'
short_code
=
'
pref05
'
timezone
=
'
Europe/Paris
'
def
__init__
(
self
,
data_dir
):
super
().
__init__
(
data_dir
,
self
.
user_agent
)
self
.
set_sleep_time
(
30
)
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
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
.
hostname
,
False
)
for
year_page
in
year_pages
:
if
int
(
year_page
[
'
name
'
].
replace
(
'
Année
'
,
''
).
strip
())
>=
self
.
not_before
.
year
:
year_pages_to_parse
.
append
(
year_page
[
'
url
'
])
month_pages_to_parse
=
[]
# Pour chaque année, on cherche les sous-pages de mois
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
.
hostname
,
False
)[::
-
1
]
for
month_page
in
month_pages
:
# On filtre les mois ne correspondant pas à la période analysée
guessed_date
=
Attrap
.
guess_date
(
month_page
[
'
name
'
],
'
(.*)
'
)
if
guessed_date
.
replace
(
day
=
1
)
>=
self
.
not_before
.
replace
(
day
=
1
):
month_pages_to_parse
.
append
(
month_page
[
'
url
'
])
pages_to_parse
=
[]
# Pour chaque page de mois, on cherche les pages de RAA
for
month_page
in
month_pages_to_parse
:
pages
=
self
.
get_sub_pages_with_pager
(
month_page
,
'
div.fr-card.fr-card--horizontal.fr-card--sm.fr-enlarge-link.fr-mb-3w div.fr-card__body div.fr-card__content h2.fr-card__title a.fr-card__link
'
,
'
nav.fr-pagination ul.fr-pagination__list li a.fr-pagination__link.fr-pagination__link--next.fr-pagination__link--lg-label
'
,
'
div.fr-card.fr-card--horizontal.fr-card--sm.fr-enlarge-link.fr-mb-3w div.fr-card__body div.fr-card__content div.fr-card__end p.fr-card__detail
'
,
self
.
hostname
)[::
-
1
]
for
page
in
pages
:
guessed_date
=
datetime
.
datetime
.
strptime
(
page
[
'
details
'
].
replace
(
'
Publié le
'
,
''
).
strip
(),
'
%d/%m/%Y
'
)
if
guessed_date
.
replace
(
day
=
1
)
>=
self
.
not_before
.
replace
(
day
=
1
):
pages_to_parse
.
append
(
page
[
'
url
'
])
elements
=
[]
# On parse les pages contenant des RAA
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
)
# On parse les RAA
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
'
)
# On récupère chaque balise a
for
a
in
soup
.
select
(
'
div.fr-grid-row div.fr-downloads-group.fr-downloads-group--bordered ul li a
'
):
if
a
.
get
(
'
href
'
)
and
a
[
'
href
'
].
endswith
(
'
.pdf
'
):
if
a
[
'
href
'
].
startswith
(
'
/
'
):
url
=
f
"
{
self
.
hostname
}{
a
[
'
href
'
]
}
"
else
:
url
=
a
[
'
href
'
]
url
=
unquote
(
url
)
name
=
a
.
find
(
'
span
'
).
previous_sibling
.
replace
(
'
Télécharger
'
,
''
).
strip
()
date
=
datetime
.
datetime
.
strptime
(
a
.
find
(
'
span
'
).
get_text
().
split
(
'
-
'
)[
-
1
].
strip
(),
'
%d/%m/%Y
'
)
raa
=
Attrap
.
RAA
(
url
,
date
,
name
,
timezone
=
self
.
timezone
)
elements
.
append
(
raa
)
return
elements
Attrap_prefdpt
.
grey_card
[
'
year
'
]
=
'
Année *([0-9]{4})
'
Attrap_prefdpt
.
grey_card
[
'
month
'
]
=
'
([A-Za-zéû]* *[0-9]{4})
'
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