Skip to content
Extraits de code Groupes Projets
Valider 5d663bcf rédigé par Bastien Le Querrec's avatar Bastien Le Querrec
Parcourir les fichiers

pref13: n'analyse que les 5 dernières années disponibles

parent a20c43d8
Aucune branche associée trouvée
Aucune étiquette associée trouvée
Aucune requête de fusion associée trouvée
......@@ -9,7 +9,12 @@ class RAAspotter_pref13(RAAspotter):
# Config
__HOST = 'https://www.bouches-du-rhone.gouv.fr'
__RAA_PAGE = f'{__HOST}/Publications/RAA-et-Archives'
__RAA_PAGE = [f'{__HOST}/Publications/RAA-et-Archives/RAA-2024',
f'{__HOST}/Publications/RAA-et-Archives/RAA-2023',
f'{__HOST}/Publications/RAA-et-Archives/Archives-RAA-des-Bouches-du-Rhone/RAA-2022',
f'{__HOST}/Publications/RAA-et-Archives/Archives-RAA-des-Bouches-du-Rhone/RAA-2021',
f'{__HOST}/Publications/RAA-et-Archives/Archives-RAA-des-Bouches-du-Rhone/RAA-2020',
f'{__HOST}/Publications/RAA-et-Archives/Archives-RAA-des-Bouches-du-Rhone/RAA-2019']
__USER_AGENT = 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/122.0.0.0 Safari/537.36'
def __init__(self, data_dir):
......@@ -20,13 +25,10 @@ class RAAspotter_pref13(RAAspotter):
self.print_output('RAAspotter_pref13')
self.print_output(f'Termes recherchés: {keywords}')
page_content = self.get_page(self.__RAA_PAGE).content
sub_pages = self.get_sub_pages(page_content, 'div.fr-card__body div.fr-card__content h2.fr-card__title a', self.__HOST)
raa_elements = []
for page in sub_pages:
for element in self.get_raa_elements(self.get_page(page).content):
raa_elements.append(element)
self.parse_raa(raa_elements, keywords.split(','))
for raa_page in self.__RAA_PAGE:
page_content = self.get_page(raa_page).content
raa_elements = self.get_raa_elements(page_content)
self.parse_raa(raa_elements, keywords.split(','))
def get_raa_elements(self, page_content):
elements = []
......@@ -34,15 +36,15 @@ class RAAspotter_pref13(RAAspotter):
soup = BeautifulSoup(page_content, 'html.parser')
# Pour chaque balise a, on regarde si c'est un PDF, et si oui on le parse
for a in soup.find_all('a', href=True):
for a in soup.find_all('a', href=True, class_='fr-link--download'):
if a['href'].endswith('.pdf'):
if a['href'].startswith('/'):
url = f"{self.__HOST}{a['href']}"
else:
url = a['href']
name = unquote(url.split('/')[-1])
date = "date non renseignée"
name = a.find('span').previous_sibling.replace('Télécharger ', '').strip()
date = a.find('span').get_text().split(' - ')[-1].strip()
filename = unquote(url.split('/')[-1])
raa = RAAspotter.RAA(url, date, name, filename)
......
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