README.md

@@ -16,7 +16,7 @@ source bin/activate
 pip3 install -r requirements.txt
 ```
 
-Vous devez avoir installé OCRmyPDF, les données `eng` et `fra` de Tesseract, et le démon Tor.
+Vous devez avoir installé les données `eng` et `fra` de Tesseract et le démon Tor.
 
 ## Utilisation
 
@@ -37,7 +37,7 @@ Les options suivantes peuvent être précisées, par un paramètre si l'utilitai
 | CLI | Variable d'environnement | Signification | Valeur par défaut |
 |---|---|---|---|
 | `--keywords`, `-k` | `KEYWORDS` | Liste des mots-clés recherchés, séparés par une virgule. | Aucune |
-| `--not-before` | `NOT_BEFORE` | Date (format YYYY-MM-DD) avant laquelle les RAA ne sont pas analysés. | `2024-01-01` |
+| `--not-before` | `NOT_BEFORE` | Date (format relatif `1 week` ou `YYYY-MM-DD`) avant laquelle les RAA ne sont pas analysés. | `2024-01-01` |
 | `--smtp-hostname` | `SMTP_HOSTNAME` | Nom d'hôte SMTP. | `localhost` |
 | `--smtp-username` | `SMTP_USERNAME` | Nom d'utilisateur SMTP. | Aucun |
 | `--smtp-password` | `SMTP_PASSWORD` | Mot de passe SMTP. | Aucun |
@@ -52,38 +52,85 @@ Les options suivantes peuvent être précisées, par un paramètre si l'utilitai
 | `-v` | `VERBOSE` | Si spécifié, relève le niveau de verbosité à INFO. | Non-spécifié |
 | `-vv` | `VVERBOSE` | Si spécifié, relève le niveau de verbosité à DEBUG. | Non-spécifié |
 
+Vous pouvez également activer le safe mode en spécifiant la variable d'environnement `SAFE_MODE`. Cela désactive Tor et limite les requêtes à une toutes les 30 secondes. Cette option ne doit être utilisée qu'en cas de blocage généralisé de Tor. Attention : avec le safe mode, la CI se connecte directement au serveur, et son IP risque d'être bloquée si trop de requêtes sont lancées. Pensez donc à limiter le nombre de jobs qui s'exécutent en parallèle si vous devez activer ce mode. Les requêtes via Selenium ne sont pas impactées par le safe mode.
+
 ## Administrations supportées
 
 - Préfecture de police de Paris (identifiant : `ppparis`)
+- Préfecture de l'Ain (identifiant : `pref01`)
+- Préfecture de l'Aisne (identifiant : `pref02`)
+- Préfecture de l'Allier (identifiant : `pref03`)
 - Préfecture des Alpes-de-Haute-Provence (identifiant : `pref04`)
 - Préfecture des Hautes-Alpes (identifiant : `pref05`)
 - Préfecture des Alpes-Maritimes (identifiant : `pref06`)
 - Préfecture de l'Ariège (identifiant : `pref09`)
+- Préfecture de l'Aube (identifiant : `pref10`)
+- Préfecture de l'Aude (identifiant : `pref11`)
 - Préfecture des Bouches-du-Rhône (identifiant : `pref13`)
+- Préfecture de la Corse-du-Sud (identifiant : `pref2a`)
+- Préfecture de Haute-Corse (identifiant : `pref2b`)
+- Préfecture du Doubs (identifiant : `pref25`)
+- Préfecture du Finistère (identifiant : `pref29`)
+- Prefecture du Gard (identifiant : `pref30`)
 - 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`)
+- Préfecture du Jura (identifiant : `pref39`)
 - Préfecture de la Loire (identifiant : `pref42`)
 - Préfecture de la Loire-Atlantique (identifiant : `pref44`)
+- Préfecture de Maine-et-Loire (identifiant : `pref49`)
+- Préfecture de la Manche (identifiant : `pref50`)
+- Préfecture de la Haute-Marne (identifiant : `pref52`)
+- Préfecture de Meurthe-et-Moselle (identifiant : `pref54`)
+- Préfecture de la Meuse (identifiant : `pref55`)
 - Préfecture du Nord (identifiant : `pref59`)
+- Préfecture de l'Orne (identifiant : `pref61`)
 - Préfecture du Pas-de-Calais (identifiant : `pref62`)
+- Préfecture du Puy-de-Dôme (identifiant : `pref63`)
 - Préfecture des Pyrénées-Atlantiques (identifiant : `pref64`)
 - Préfecture des Hautes-Pyrénées (identifiant : `pref65`)
 - Préfecture des Pyrénées-Orientales (identifiant : `pref66`)
 - Préfecture du Rhône (identifiant : `pref69`)
+- Préfecture de la Savoie (identifiant : `pref73`)
+- Préfecture de la Haute-Savoie (identifiant : `pref74`)
+- Préfecture de Paris (identifiant : `pref75`)
+- Préfecture de la Seine-Maritime (identifiant : `pref76`)
+- Préfecture de Seine-et-Marne (identifiant : `pref77`)
 - Préfecture de la Somme (identifiant : `pref80`)
 - Préfecture du Tarn (identifiant : `pref81`)
 - Préfecture du Var (identifiant : `pref83`)
 - Préfecture de la Haute-Vienne (identifiant : `pref87`)
+- Préfecture de l'Essonne (identifiant : `pref91`)
+- Préfecture des Hauts-de-Seine (identifiant : `pref92`)
+- Préfecture de Seine-Saint-Denis (identifiant : `pref93`)
+- Préfecture du Val-de-Marne (identifiant : `pref94`)
 - Préfecture de Mayotte (identifiant : `pref976`)
+- Préfecture de la région Bretagne (identifiant : `prefbretagne`)
+- Préfecture de la région Île-de-France (identifiant : `prefidf`)
+- Préfecture de la région Provence-Alpes-Côte-d'Azur (identifiant : `prefpaca`)
 
 ## Contributions
 
-Les contributions à ce projet sont les bienvenues ! 
+Les contributions à ce projet sont les bienvenues !
+
+Chaque administration est gérée par un fichier dont le nom correspond à son identifiant (`Attrap_XXX.py`). Commencez par copier un de ces fichiers puis adaptez son code à l'administration que vous voulez ajouter. Il est impératif de lancer le moins de requêtes possibles vers le site de l'administration : lorsqu'une administration a une page par année ou par mois, ne lancez une requête que vers les pages qui correspondent à la plage temporelle demandée dans la valeur de configuration `NOT_BEFORE`.
+
+Vous pouvez lancer la commande suivante pour connaître fonctions disponibles pour récupérer les RAA sur le site d'une administration :
+
+```
+bin/python -m pydoc Attrap
+```
+
+Avant d'ouvrir une merge request, assurez-vous que :
+- l'administration est activée dans `cli.py` et dans `Makefile` ;
+- il existe un job dans la CI (`.gitlab-ci.yml`) pour l'administration ;
+- le fichier de README indique que la nouvelle administration est supportée ;
+- vous n'avez qu'un seul commit par nouvelle préfecture (sinon, il faut faire un squash), de la forme `identifiant_de_l'administration: ajout de nom_complet_de_l'administration` ;
+- `make lint` ne renvoie pas d'erreur.
 
-Vous pouvez rejoindre le salon de discussion à ce sujet sur Matrix : `#Attrap:laquadrature.net`
+Vous pouvez rejoindre le salon de discussion Matrix du projet : `#Attrap:laquadrature.net`.
 
 ## Licence
 

cli.py

+#!/usr/bin/env python3
+
 import os
 import argparse
 import logging
 import datetime
+import dateparser
 import importlib
 
 from Attrap import Attrap
@@ -27,9 +30,13 @@ if os.getenv('SMTP_SSL'):
 else:
     __SMTP_SSL = False
 if os.getenv('NOT_BEFORE'):
-    __NOT_BEFORE = datetime.datetime.strptime(
-        os.getenv('NOT_BEFORE'), '%Y-%m-%d'
-    )
+    try:
+        relative_date = dateparser.parse(os.getenv('NOT_BEFORE'))
+        __NOT_BEFORE = datetime.datetime(year=relative_date.year, month=relative_date.month, day=relative_date.day)
+    except Exception as exc:
+        __NOT_BEFORE = datetime.datetime.strptime(
+            os.getenv('NOT_BEFORE'), '%Y-%m-%d'
+        )
 else:
     __NOT_BEFORE = datetime.datetime(2024, 1, 1)
 __MASTODON_ACCESS_TOKEN = os.getenv('MASTODON_ACCESS_TOKEN')
@@ -38,30 +45,59 @@ __MASTODON_INSTANCE = os.getenv('MASTODON_INSTANCE')
 # Liste des administrations supportées
 available_administrations = [
     'ppparis',
+    'pref01',
+    'pref02',
+    'pref03',
     'pref04',
     'pref05',
     'pref06',
     'pref09',
+    'pref10',
+    'pref11',
     'pref13',
+    'pref2a',
+    'pref2b',
+    'pref25',
+    'pref29',
+    'pref30',
     'pref31',
     'pref33',
     'pref34',
     'pref35',
     'pref38',
+    'pref39',
     'pref42',
     'pref44',
+    'pref49',
+    'pref50',
+    'pref52',
+    'pref54',
+    'pref55',
     'pref59',
+    'pref61',
     'pref62',
     'pref63',
     'pref64',
     'pref65',
     'pref66',
     'pref69',
+    'pref73',
+    'pref74',
+    'pref75',
+    'pref76',
+    'pref77',
     'pref80',
     'pref81',
     'pref83',
     'pref87',
-    'pref976'
+    'pref91',
+    'pref92',
+    'pref93',
+    'pref94',
+    'pref976',
+    'prefbretagne',
+    'prefidf',
+    'prefpaca'
 ]
 
 # Début du script
@@ -158,7 +194,7 @@ parser.add_argument(
 )
 args = parser.parse_args()
 
-if args.v or os.getenv('VERBOSE'):
+if (args.v or os.getenv('VERBOSE')) and not args.vv and not os.getenv('VVERBOSE'):
     logging.basicConfig(level=logging.INFO)
     logging.getLogger("stem").setLevel(logging.WARNING)
 
@@ -170,7 +206,11 @@ if args.keywords:
     __KEYWORDS = args.keywords
 
 if args.not_before:
-    __NOT_BEFORE = datetime.datetime.strptime(args.not_before, '%Y-%m-%d')
+    try:
+        relative_date = dateparser.parse(args.not_before)
+        __NOT_BEFORE = datetime.datetime(year=relative_date.year, month=relative_date.month, day=relative_date.day)
+    except Exception as exc:
+        __NOT_BEFORE = datetime.datetime.strptime(args.not_before, '%Y-%m-%d')
 
 if args.smtp_hostname:
     __SMTP_HOSTNAME = args.smtp_hostname

s3/download-all-from-s3.sh → misc/download-all-from-s3.sh

@@ -6,6 +6,7 @@ s3_key="${1}"
 s3_secret="${2}"
 s3_host="${3}"
 s3_bucket="${4}"
+dest="${5}"
 
 root_path=$(dirname $(realpath "${BASH_SOURCE[0]}"))
 
@@ -29,8 +30,8 @@ pref16
 pref17
 pref18
 pref19
-pref2A
-pref2B
+pref2a
+pref2b
 pref21
 pref22
 pref23
@@ -85,6 +86,7 @@ pref71
 pref72
 pref73
 pref74
+pref75
 pref76
 pref77
 pref78
@@ -109,14 +111,16 @@ pref971
 pref972
 pref973
 pref974
-pref976"
+pref976
+prefidf
+prefpaca"
 
-if test -z "$s3_key" || test -z "$s3_secret" || test -z "$s3_host" || test -z "$s3_bucket"; then
-	echo "Usage: ${0} <s3_key> <s3_secret> <s3_host> <s3_bucket>"
+if test -z "$s3_key" || test -z "$s3_secret" || test -z "$s3_host" || test -z "$s3_bucket" || test -z "$dest"; then
+	echo "Usage: ${0} <s3_key> <s3_secret> <s3_host> <s3_bucket> <dest>"
 	exit 1
 fi
 
 for i in $administrations; do
-	${root_path}/download-from-s3.sh "${i}" "$s3_key" "$s3_secret" "$s3_host" "$s3_bucket" || true
-	rm "${root_path}/../data/${i}.zip" || true
+	${root_path}/download-from-s3.sh "${i}" "$s3_key" "$s3_secret" "$s3_host" "$s3_bucket" "$dest" || true
+	rm "${dest}/${i}.zip" || true
 done

s3/download-from-s3.sh → misc/download-from-s3.sh

@@ -7,14 +7,17 @@ s3_key="${2}"
 s3_secret="${3}"
 s3_host="${4}"
 s3_bucket="${5}"
+dest="${6}"
 
-if test -z "$pref" || test -z "$s3_key" || test -z "$s3_secret" || test -z "$s3_host" || test -z "$s3_bucket"; then
-	echo "Usage: ${0} <pref> <s3_key> <s3_secret> <s3_host> <s3_bucket>"
+if test -z "$pref" || test -z "$s3_key" || test -z "$s3_secret" || test -z "$s3_host" || test -z "$s3_bucket" || test -z "$dest"; then
+	echo "Usage: ${0} <pref> <s3_key> <s3_secret> <s3_host> <s3_bucket> <dest>"
 	exit 1
 fi
 
-mkdir -p "$(dirname $(realpath "${BASH_SOURCE[0]}"))/../data/"
-cd "$(dirname $(realpath "${BASH_SOURCE[0]}"))/../data/"
+dest=$(realpath "${dest}")
+
+mkdir -p "${dest}/"
+cd "${dest}/"
 
 file="${pref}.zip"
 

misc/fix-pref75-prefidf-url.py

+#!/usr/bin/env python3
+
+import argparse
+import json
+import os
+import re
+
+from urllib.parse import unquote
+
+import hashlib
+
+parser = argparse.ArgumentParser(
+    prog='./misc/fix-pref75-prefidf-url.py',
+    description='Met à jour les URL des RAA de Paris et d\'Idf'
+)
+
+parser.add_argument(
+    '--data-dir',
+    action='store',
+    help='dossier de données (par défaut: data/)'
+)
+
+parser.add_argument(
+    '--dry-run',
+    action='store_true',
+    help='ne modifie aucun fichier, affiche seulement les modifications nécessaires (par défaut: false)'
+)
+
+args = parser.parse_args()
+
+if args.data_dir:
+    data_dir = args.data_dir
+else:
+    data_dir = 'data/'
+dry_run = args.dry_run
+
+if data_dir.startswith('/'):
+    data_dir = os.path.abspath(data_dir)
+else:
+    data_dir = os.path.abspath(os.path.dirname(os.path.abspath(__file__)) + '/../' + data_dir)
+
+for administration in os.listdir(data_dir):
+    # On ne cherche que les dossiers prefidf et pref75
+    if administration == 'prefidf' or administration == 'pref75':
+        administration_path = os.path.abspath(data_dir + '/' + administration + '/raa/')
+        for raa in os.listdir(administration_path):
+            if raa.endswith('.json'):
+                raa_id = re.sub('\\.json$', '', raa)
+                fixed = False
+
+                raa_path = os.path.abspath(administration_path + '/' + raa)
+                txt_path = re.sub('\\.json$', '.txt', raa_path)
+                raa_file_read = open(raa_path, 'r')
+                raa_json = json.load(raa_file_read)
+                raa_file_read.close()
+
+                url = raa_json.get('url')
+                if url.startswith('https://www.prefectures-regions.gouv.fr/ile-de-france/ile-de-france/ile-de-france/irecontenu/telechargement/'):
+                    raa_json['url'] = url.replace('https://www.prefectures-regions.gouv.fr/ile-de-france/ile-de-france/ile-de-france/irecontenu/telechargement/', 'https://www.prefectures-regions.gouv.fr/ile-de-france/irecontenu/telechargement/')
+                    fixed_raa_json = {}
+                    for key in raa_json:
+                        fixed_raa_json[key] = raa_json[key]
+                    fixed_raa_id = hashlib.sha256(unquote(raa_json['url']).encode('utf-8')).hexdigest()
+                    fixed_raa_path = raa_path.replace(raa_id, fixed_raa_id)
+                    fixed_txt_path = txt_path.replace(raa_id, fixed_raa_id)
+
+                    print(f'{raa_id} -> {fixed_raa_id}:')
+                    print(f"    {raa_json['url']}")
+                    print('')
+
+                    if not dry_run:
+                        raa_file_write = open(fixed_raa_path, 'w')
+                        raa_file_write.write(json.dumps(fixed_raa_json))
+                        raa_file_write.close()
+                        os.remove(raa_path)
+                        os.rename(txt_path, fixed_txt_path)

misc/update_metadata_format.py

+#!/usr/bin/env python3
+
+import argparse
+import datetime
+import io
+import json
+import os
+import pytz
+import sys
+import re
+import requests
+
+sys.path.append(os.path.dirname(__file__) + '/../')
+from Attrap_pref976 import Attrap_pref976
+from Attrap import Attrap
+
+from pypdf import PdfReader
+
+tz_paris = pytz.timezone('Europe/Paris')
+session = requests.Session()
+
+
+def fix_raa_date_v0(raa_json):
+    try:
+        raa_json['date'] = tz_paris.localize(datetime.datetime.strptime(raa_json['date'], '%d/%m/%Y')).strftime('%Y-%m-%d')
+        return raa_json
+    except Exception:
+        print(f"\033[91m{exc=}, {type(exc)=}\033[0m")
+        sys.exit(1)
+        return raa_json
+
+
+def fix_pdf_date_v0(raa_json, json_key):
+    if not raa_json[json_key]:
+        return raa_json
+
+    try:
+        # On tente de parser avec fuseau horaire
+        raa_json[json_key] = datetime.datetime.strptime(raa_json[json_key], '%d/%m/%Y %H:%M:%S%z').astimezone(pytz.utc).isoformat(timespec="seconds")
+        return raa_json
+    except Exception:
+        try:
+            # Sinon on tente de parser sans fuseau horaire et on retourne une date avec le fuseau de Paris
+            raa_json[json_key] = tz_paris.localize(datetime.datetime.strptime(raa_json[json_key], '%d/%m/%Y %H:%M:%S')).astimezone(pytz.utc).isoformat(timespec="seconds")
+            return raa_json
+        except Exception as exc:
+            print(f"\033[91m{exc=}, {type(exc)=}\033[0m")
+            sys.exit(1)
+            return raa_json
+
+
+def fix_json(raa_json, raa_id, administration):
+    version = raa_json.get('version')
+
+    match version:
+        # Si le fichier de métadonnées n'a pas de version, il a été généré avant le 14/11/2024 et doit être corrigé
+        # v0 -> v1 : les dates sont au format YYYY-MM-DD et heure locale
+        #            les heures sont au format YYYY-MM-DD HH:mm:ss±ZZ:ZZ et heure UTC
+        case None:
+            print(f"{raa_id}: v0 -> v1")
+            date = raa_json['date']
+            first_seen_on = raa_json['first_seen_on']
+            pdf_creation_date = raa_json['pdf_creation_date']
+            pdf_modification_date = raa_json['pdf_modification_date']
+
+            print(f"{administration}: {raa_json['name']} ({raa_id}):")
+
+            fixed_raa_json = fix_raa_date_v0(raa_json)
+            if not date == fixed_raa_json['date']:
+                print(f"    date: {date} -> {fixed_raa_json['date']}")
+
+            fixed_raa_json = fix_pdf_date_v0(fixed_raa_json, 'first_seen_on')
+            if not raa_json == fixed_raa_json:
+                print(f"    first_seen_on: {first_seen_on} -> {fixed_raa_json['first_seen_on']}")
+
+            fixed_raa_json = fix_pdf_date_v0(fixed_raa_json, 'pdf_creation_date')
+            if not pdf_creation_date == fixed_raa_json['pdf_creation_date']:
+                print(f"    pdf_creation_date: {pdf_creation_date} -> {fixed_raa_json['pdf_creation_date']}")
+
+            fixed_raa_json = fix_pdf_date_v0(fixed_raa_json, 'pdf_modification_date')
+            if not pdf_modification_date == fixed_raa_json['pdf_modification_date']:
+                print(f"    pdf_modification_date: {pdf_modification_date} -> {fixed_raa_json['pdf_modification_date']}")
+
+            ordered_fixed_raa_json = {'version': 1}
+            for key in fixed_raa_json:
+                ordered_fixed_raa_json[key] = fixed_raa_json[key]
+
+            fixed_raa_json = ordered_fixed_raa_json
+            return fix_json(fixed_raa_json, raa_id, administration)
+
+        # Si le fichier de métadonnées est en version 1, il ne contient pas le fuseau horaire de l'administration.
+        # v1 -> v2: ajout du fuseau horaire (Europe/Paris sauf Mayotte Indian/Mayotte)
+        case 1:
+            print(f"{raa_id}: v1 -> v2")
+            if administration == 'pref976':
+                print('    Téléchargement du RAA pour recalculer les dates avec le fuseau horaire de Mayotte')
+                # Il faut retélécharger le RAA pour vérifier que les heures sont dans le bon fuseau
+                session.headers.update({'User-Agent': Attrap_pref976.user_agent})
+                pdf_resource = session.get(raa_json['url'], timeout=(10, 120), stream=True)
+                pdf = io.BytesIO(pdf_resource.content)
+                reader = PdfReader(pdf)
+                pdf_metadata = reader.metadata
+
+                if pdf_metadata:
+                    if pdf_metadata.creation_date:
+                        pdf_creation_date = Attrap.get_aware_datetime(pdf_metadata.creation_date, timezone=Attrap_pref976.timezone)
+                        raa_json['pdf_creation_date'] = pdf_creation_date.astimezone(pytz.utc).isoformat(timespec="seconds")
+                    if pdf_metadata.modification_date:
+                        pdf_modification_date = Attrap.get_aware_datetime(pdf_metadata.modification_date, timezone=Attrap_pref976.timezone)
+                        raa_json['pdf_modification_date'] = pdf_modification_date.astimezone(pytz.utc).isoformat(timespec="seconds")
+
+            print('    Ajout du fuseau horaire')
+            if administration == 'pref976':
+                raa_json['timezone'] = Attrap_pref976.timezone
+            else:
+                raa_json['timezone'] = 'Europe/Paris'
+            raa_json['version'] = 2
+            return fix_json(raa_json, raa_id, administration)
+
+        case 2:
+            return raa_json
+
+        case _:
+            print(f'Version inconnue : {version}')
+            sys.exit(1)
+
+
+parser = argparse.ArgumentParser(
+    prog='./misc/update_metadata_format.py',
+    description='Met à jour le format des fichiers de métadonnées'
+)
+
+parser.add_argument(
+    '--data-dir',
+    action='store',
+    help='dossier de données (par défaut: data/)'
+)
+
+parser.add_argument(
+    '--dry-run',
+    action='store_true',
+    help='ne modifie aucun fichier, affiche seulement les modifications nécessaires (par défaut: false)'
+)
+
+args = parser.parse_args()
+
+if args.data_dir:
+    data_dir = args.data_dir
+else:
+    data_dir = 'data/'
+dry_run = args.dry_run
+
+if data_dir.startswith('/'):
+    data_dir = os.path.abspath(data_dir)
+else:
+    data_dir = os.path.abspath(os.path.dirname(os.path.abspath(__file__)) + '/../' + data_dir)
+
+for administration in os.listdir(data_dir):
+    # On ne cherche que les dossiers ppparis et pref*
+    if administration.startswith('pref') or administration == 'ppparis':
+        administration_path = os.path.abspath(data_dir + '/' + administration + '/raa/')
+        for raa in os.listdir(administration_path):
+            if raa.endswith('.json'):
+                raa_id = re.sub('\\.json$', '', raa)
+                fixed = False
+
+                raa_path = os.path.abspath(administration_path + '/' + raa)
+                raa_file_read = open(raa_path, 'r')
+                raa_json = json.load(raa_file_read)
+                raa_file_read.close()
+
+                version = raa_json.get('version')
+                if version != 2:
+                    fixed_raa_json = fix_json(raa_json, raa_id, administration)
+
+                    if not dry_run:
+                        raa_file_write = open(raa_path, 'w')
+                        raa_file_write.write(json.dumps(fixed_raa_json))
+                        raa_file_write.close()
+    else:
+        print(f'On ignore {administration}...')

s3/upload-all-to-s3.sh → misc/upload-all-to-s3.sh

@@ -6,6 +6,7 @@ s3_key="${1}"
 s3_secret="${2}"
 s3_host="${3}"
 s3_bucket="${4}"
+data="${5}"
 
 root_path=$(dirname $(realpath "${BASH_SOURCE[0]}"))
 
@@ -29,8 +30,8 @@ pref16
 pref17
 pref18
 pref19
-pref2A
-pref2B
+pref2a
+pref2b
 pref21
 pref22
 pref23
@@ -85,6 +86,7 @@ pref71
 pref72
 pref73
 pref74
+pref75
 pref76
 pref77
 pref78
@@ -109,13 +111,15 @@ pref971
 pref972
 pref973
 pref974
-pref976"
+pref976
+prefidf
+prefpaca"
 
-if test -z "$s3_key" || test -z "$s3_secret" || test -z "$s3_host" || test -z "$s3_bucket"; then
-	echo "Usage: ${0} <s3_key> <s3_secret> <s3_host> <s3_bucket>"
+if test -z "$s3_key" || test -z "$s3_secret" || test -z "$s3_host" || test -z "$s3_bucket" || test -z "$data"; then
+	echo "Usage: ${0} <s3_key> <s3_secret> <s3_host> <s3_bucket> <data>"
 	exit 1
 fi
 
 for i in $administrations; do
-	${root_path}/upload-to-s3.sh "${i}" "$s3_key" "$s3_secret" "$s3_host" "$s3_bucket" || true
+	${root_path}/upload-to-s3.sh "${i}" "$s3_key" "$s3_secret" "$s3_host" "$s3_bucket" "$data" || true
 done

s3/upload-to-s3.sh → misc/upload-to-s3.sh

@@ -7,13 +7,16 @@ s3_key="${2}"
 s3_secret="${3}"
 s3_host="${4}"
 s3_bucket="${5}"
+data="${6}"
 
-if test -z "$pref" || test -z "$s3_key" || test -z "$s3_secret" || test -z "$s3_host" || test -z "$s3_bucket"; then
-	echo "Usage: ${0} <pref> <s3_key> <s3_secret> <s3_host> <s3_bucket>"
+if test -z "$pref" || test -z "$s3_key" || test -z "$s3_secret" || test -z "$s3_host" || test -z "$s3_bucket" || test -z "$data"; then
+	echo "Usage: ${0} <pref> <s3_key> <s3_secret> <s3_host> <s3_bucket> <data>"
 	exit 1
 fi
 
-cd "$(dirname $(realpath "${BASH_SOURCE[0]}"))/../data/${pref}/raa"
+data=$(realpath "${data}")
+
+cd "${data}/${pref}/raa"
 cd "../../"
 
 file="${pref}.zip"

requirements.txt

@@ -2,9 +2,10 @@ beautifulsoup4>=4.12.3
 dateparser>=1.2.0
 ftfy>=6.2.0
 Mastodon.py>=1.8.1
+ocrmypdf<16.4.0
 pycodestyle>=2.11.1
 pypdf>=4.2.0
+pytz>=2024.2
 PyVirtualDisplay>=3.0
 requests>=2.31.0
 selenium>=4.19.0
-stem>=1.8.2