Skip to content
Extraits de code Groupes Projets
Valider f37ec7a6 rédigé par Bastien Le Querrec's avatar Bastien Le Querrec
Parcourir les fichiers

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

parent bd4bf297
Aucune branche associée trouvée
Aucune étiquette associée trouvée
Aucune requête de fusion associée trouvée
......@@ -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']}"
......
0% Chargement en cours ou .
You are about to add 0 people to the discussion. Proceed with caution.
Terminez d'abord l'édition de ce message.
Veuillez vous inscrire ou vous pour commenter