pref80: détecte l'URL de l'année voulue automatiquement

Attrap_pref80.py

@@ -14,14 +14,7 @@ class Attrap_pref80(Attrap):
 
     # Config
     hostname = 'https://www.somme.gouv.fr'
-    raa_page = {
-        '2024': f'{hostname}/Publications/Recueil-des-actes-administratifs-du-departement-de-la-Somme/Annee-2024',
-        '2023': f'{hostname}/Publications/Recueil-des-actes-administratifs-du-departement-de-la-Somme/Annee-2023',
-        '2022': f'{hostname}/Publications/Recueil-des-actes-administratifs-du-departement-de-la-Somme/Annee-2022',
-        '2021': f'{hostname}/Publications/Recueil-des-actes-administratifs-du-departement-de-la-Somme/Annee-2021',
-        '2020': f'{hostname}/Publications/Recueil-des-actes-administratifs-du-departement-de-la-Somme/Annee-2020',
-        '2019': f'{hostname}/Publications/Recueil-des-actes-administratifs-du-departement-de-la-Somme/Annee-2019'
-    }
+    raa_page = f'{hostname}/Publications/Recueil-des-actes-administratifs-du-departement-de-la-Somme'
     user_agent = 'Mozilla/5.0 (Windows NT 10.0; rv:109.0) Gecko/20100101 Firefox/115.0'
     full_name = 'Préfecture de la Somme'
     short_code = 'pref80'
@@ -33,18 +26,19 @@ class Attrap_pref80(Attrap):
 
     def get_raa(self, keywords):
         year_pages_to_parse = []
-        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'])
+
+        # 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,
+            'div.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:
+            year_date = Attrap.guess_date(year_page['name'].strip(), '.*([0-9]{4})').replace(day=1, month=1)
+            if year_date.year >= self.not_before.year:
+                year_pages_to_parse.append(year_page['url'])
 
         # Pour chaque page Année, on récupère la liste des RAA
         elements = []
@@ -63,7 +57,7 @@ class Attrap_pref80(Attrap):
 
         # Pour chaque balise a, on regarde si c'est un PDF, et si oui on le
         # parse
-        for a in soup.select('div.fr-text--lead.fr-my-3w p a.fr-link'):
+        for a in soup.select('div.fr-text--lead p a.fr-link'):
             if a.get('href') and a['href'].endswith('.pdf'):
                 if a['href'].startswith('/'):
                     url = f"{self.hostname}{a['href']}"