pref38: ajout de la préfecture de l'Isère

Makefile

-make: pref06 pref13 pref35 pref62 ppparis
+make: pref06 pref13 pref35 pref38 pref62 ppparis
 pref06:
 	python cli.py --pref pref06
 pref13:
 	python cli.py --pref pref13
 pref35:
 	python cli.py --pref pref35
+pref38:
+	python cli.py --pref pref38
 pref62:
 	python cli.py --pref pref62
 ppparis:

RAAspotter_pref38.py

+import os, sys, re
+import datetime
+import dateparser
+import logging
+
+from bs4 import BeautifulSoup
+from urllib.parse import unquote
+
+from RAAspotter import RAAspotter
+
+logger = logging.getLogger(__name__)
+
+class RAAspotter_pref38(RAAspotter):
+
+  # Config
+  __HOST       = 'https://www.isere.gouv.fr'
+  __RAA_PAGE   = {'2024': f'{__HOST}/Publications/RAA-Recueil-des-actes-administratifs/Recueils-des-Actes-Administratifs-de-la-prefecture-de-l-Isere-2024',
+                  '2023': f'{__HOST}/Publications/RAA-Recueil-des-actes-administratifs/Recueils-des-Actes-Administratifs-de-la-prefecture-de-l-Isere-2023',
+                  '2022': f'{__HOST}/Publications/RAA-Recueil-des-actes-administratifs/Archives/Recueils-des-Actes-Administratifs-de-la-prefecture-de-l-Isere-2022',
+                  '2021': f'{__HOST}/Publications/RAA-Recueil-des-actes-administratifs/Archives/Archives-des-recueils-des-actes-administratifs-de-la-prefecture-de-l-Isere-2021/Recueils-des-Actes-Administratifs-de-la-prefecture-de-l-Isere-2021',
+                  '2020': f'{__HOST}/Publications/RAA-Recueil-des-actes-administratifs/Archives/Archives-des-recueils-des-actes-administratifs-de-la-prefecture-de-l-Isere-2020/Recueils-des-Actes-Administratifs-de-la-Prefecture-de-l-Isere-2020',
+                  '2019': f'{__HOST}/Publications/RAA-Recueil-des-actes-administratifs/Archives/Archives-des-Recueils-des-Actes-Administratifs-de-la-prefecture-de-l-Isere-2019/Archives-des-Recueils-des-Actes-Administratifs-de-la-prefecture-de-l-Isere-2019'}
+  __USER_AGENT = 'Mozilla/5.0 (X11; Linux x86_64; rv:109.0) Gecko/20100101 Firefox/115.0'
+  full_name = 'Préfecture de l\'Isère'
+  short_code = 'pref38'
+
+  def __init__(self, data_dir):
+    super().__init__(data_dir, self.__USER_AGENT)
+    self.enable_tor(20)
+
+  def get_raa(self, keywords):
+    self.print_output('RAAspotter_pref38')
+    self.print_output(f'Termes recherchés: {keywords}')
+    self.print_output('')
+
+    pages_to_parse = []
+    if self.not_before.year <= 2024:
+      pages_to_parse.append(self.__RAA_PAGE['2024'])
+    if self.not_before.year <= 2023:
+      pages_to_parse.append(self.__RAA_PAGE['2023'])
+    if self.not_before.year <= 2022:
+      pages_to_parse.append(self.__RAA_PAGE['2022'])
+    if self.not_before.year <= 2021:
+      pages_to_parse.append(self.__RAA_PAGE['2021'])
+    if self.not_before.year <= 2020:
+      pages_to_parse.append(self.__RAA_PAGE['2020'])
+    if self.not_before.year <= 2019:
+      pages_to_parse.append(self.__RAA_PAGE['2019'])
+
+    for raa_page in pages_to_parse:
+      page_content = self.get_page(raa_page, 'get').content
+      raa_elements = self.get_raa_elements(page_content, raa_page)
+      self.parse_raa(raa_elements, keywords.split(','))
+    self.mailer()
+
+  def get_raa_elements(self, page_content, raa_page):
+    elements = []
+    # On charge le parser
+    soup = BeautifulSoup(page_content, 'html.parser')
+
+    # On récupère le select qui contient la liste des RAA
+    select_list = soup.select('select#-liste-docs')[0]
+    # On analyse chaque résultat
+    for option in select_list.find_all('option'):
+      if not option['value'] == "":
+        guessed_date = datetime.datetime(9999, 1, 1)
+        try:
+          # Pour chaque RAA listé, on essaie de deviner sa date à partir de son nom, et si elle correspond à la plage
+          # demandée, on poursuit l'analyse
+          search = re.search('.* n°[ 0-9]* du ([0-9]*(?:er)? [a-zéû]* [0-9]*)', option['title'], re.IGNORECASE)
+          guessed_date = dateparser.parse(search.group(1))
+        except Exception as exc:
+          logger.warning(f"Impossible de deviner la date du RAA {option['title']} : {exc}")
+        
+        # Si la date estimée correspond à la plage d'analyse, on demande au serveur les détails du RAA
+        if guessed_date >= self.not_before:
+          page_content = self.get_page(raa_page, 'post', {'-liste-docs':option['value']}).content
+          # On parse la page de détails pour obtenir les propriétés du RAA
+          soup = BeautifulSoup(page_content, 'html.parser')
+          a = soup.select('div.liste_deroulante a.fr-link.fr-link--download')[0]
+          
+          # Si la page contient une balise a qui renvoie vers un pdf, c'est qu'on a obtenu les détails du RAA demandé, donc on le parse
+          if a.get('href') and a['href'].endswith('.pdf'):
+            if a['href'].startswith('/'):
+              url = f"{self.__HOST}{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')
+            filename = url.split('/')[-1]
+
+            raa = RAAspotter.RAA(url, date, name, filename)
+            elements.append(raa)
+    return elements

cli.py

@@ -38,6 +38,7 @@ available_prefs = [
   'pref06',
   'pref13',
   'pref35',
+  'pref38',
   'pref62',
   'ppparis'
 ]

requirements.txt

@@ -5,3 +5,4 @@ pdfminer.six
 requests
 stem
 Mastodon.py
+dateparser