pref971: ajout de la préfecture de la Guadeloupe

Attrap_pref971.py

+import os
+import datetime
+import sys
+
+from bs4 import BeautifulSoup
+from urllib.parse import unquote
+
+import logging
+logger = logging.getLogger(__name__)
+
+from Attrap import Attrap
+
+
+class Attrap_pref971(Attrap):
+
+    # Config
+    hostname = 'https://www.guadeloupe.gouv.fr'
+    raa_page = f'{hostname}/Publications/Le-Recueil-des-actes-administratifs'
+    user_agent = 'Mozilla/5.0 (Windows NT 10.0; rv:109.0) Gecko/20100101 Firefox/115.0'
+    full_name = 'Préfecture de Guadeloupe'
+    short_code = 'pref971'
+    timezone = 'America/Guadeloupe'
+
+    def __init__(self, data_dir):
+        super().__init__(data_dir, self.user_agent)
+        self.set_sleep_time(30)
+
+    def get_raa(self, keywords):
+        # La préfecture de Guadeloupe organise son site avec une page par an
+        # Il y a toutes les années à partir d’avril 2015, mais seulement quelques RAA avant, 
+        # datés de 2007 à 2010 (rien n’est en ligne pour 2011-2014)
+
+        if self.not_before < datetime.datetime(2015,4,1,0,0):
+            logger.warning("Guadeloupe (pref971) : Attention, seuls quelques RAA sont disponibles en ligne avant avril 2015.\nLa recherche risque d’être incomplète")
+
+        pages_to_parse = []
+
+        page_content = self.get_page(self.raa_page, 'get').content
+        for card in 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,
+            recursive_until_pdf=False
+        ):
+            if Attrap.guess_date(card['name'], '([0-9]{4})').year >= self.not_before.year:
+                pages_to_parse.append(card['url'])
+
+
+        # Pour chaque année, on cherche les sous-pages de mois
+        month_pages_to_parse = []
+        for year_page in pages_to_parse:
+            for month_page in self.get_sub_pages_with_pager(
+                year_page,
+                'div.fr-card__body div.fr-card__content h2.fr-card__title a.fr-card__link',
+                'ul.fr-pagination__list li a.fr-pagination__link.fr-pagination__link--next.fr-pagination__link--lg-label',
+                'div.fr-card__body div.fr-card__content div.fr-card__end p.fr-card__detail',
+                self.hostname
+            ):
+                if Attrap.guess_date(month_page['details'], '([0-9]{2}/[0-9]{2}/[0-9]{4})') >= self.not_before:
+                    month_pages_to_parse.append(month_page['url'])
+
+
+        # On parse les pages contenant des RAA
+        elements = []
+        for page in month_pages_to_parse:
+            page_content = self.get_page(page, 'get').content
+            for element in self.get_raa_elements(page_content):
+                elements.append(element)
+
+        self.parse_raa(elements[::-1], 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-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

cli.py

@@ -81,6 +81,7 @@ available_administrations = [
     'pref92',
     'pref93',
     'pref94',
+    'pref971',
     'pref976',
     'prefidf',
     'prefpaca'