From a81d5be5a98d4267fe9fd65f59c21a171551725a Mon Sep 17 00:00:00 2001 From: =?UTF-8?q?Lo=C3=AFc=20GUEZO?= Date: Fri, 6 Feb 2026 21:21:52 +0100 Subject: [PATCH] ajout: commentaires et les requirements --- main.py | 106 ++++++++++++++++++++++++++++++++--------------- requirements.txt | 4 +- 2 files changed, 75 insertions(+), 35 deletions(-) diff --git a/main.py b/main.py index 11fefb6..078fa91 100644 --- a/main.py +++ b/main.py @@ -6,19 +6,54 @@ from json import JSONDecodeError, loads class Scraper: - def __init__(self, subdir: str = "") -> None: - self._url: str = "https://www.millemisa.fr/" - self._session: Session = Session() + """ + Scraper est une classe qui permet de gerer + de façon dynamique des requetes uniquement + sur le serveur https de Millesima + """ + def __init__(self) -> None: + """ + Initialise la session de scraping. + """ + self._url: str = "https://www.millesima.fr/" + # Très utile pour éviter de renvoyer toujours les mêmes handshake + # TCP et d'avoir toujours une connexion constante avec le server + self._session: Session = Session() + # Système de cache pour éviter de solliciter le serveur inutilement self._latest_request: tuple[(str, Response | None)] = ("", None) def _request(self, subdir: str) -> Response: + """ + Effectue une requête GET sur le serveur Millesima. + + Args: + subdir (str): Le sous-répertoire ou chemin de l'URL (ex: "/vins"). + + Returns: + Response: L'objet réponse de la requête. + + Raise: + HTTPError: Si le serveur renvoie un code d'erreur (4xx, 5xx). + """ target_url: str = self._url + subdir.lstrip("/") response: Response = self._session.get(url=target_url, timeout=10) response.raise_for_status() return response def getresponse(self, subdir: str = "") -> Response: + """ + Récupère la réponse d'une page, en utilisant le cache si possible. + + Args: + subdir (str, optional): Le chemin de la page. + + Returns: + Response: L'objet réponse (cache ou nouvelle requête). + + Raise: + HTTPError: Si le serveur renvoie un code d'erreur (4xx, 5xx). + """ rq_subdir, rq_response = self._latest_request if rq_response is None or subdir != rq_subdir: @@ -29,47 +64,50 @@ class Scraper: return rq_response def getsoup(self, subdir: str = "") -> BeautifulSoup: + """ + Récupère le contenu HTML d'une page et le transforme en objet BeautifulSoup. + + Args: + subdir (str, optional): Le chemin de la page. + + Returns: + BeautifulSoup: L'objet parsé pour extraction de données. + + Raise: + HTTPError: Si le serveur renvoie un code d'erreur (4xx, 5xx). + """ markup: str = self.getresponse(subdir).text return BeautifulSoup(markup, features="html.parser") - # def getjsondata(self, subdir: str = "", id: str = "__NEXT_DATA__") -> dict[str, object]: - # soup: BeautifulSoup = self.getsoup(subdir) - # # On s'assure que c'est bien un Tag pour avoir accès à .string - # script = soup.find("script", id=id) - - # if isinstance(script, Tag) and script.string: - # try: - # # On commence avec le dictionnaire complet - # current_data: Any = loads(script.string) - - # # Parcours de la structure imbriquée - # keys = ['props', 'pageProps', 'initialReduxState', 'product', 'content'] - # for key in keys: - # if isinstance(current_data, dict) and key in current_data: - # current_data = current_data[key] - # else: - # # Si une clé manque, on lève une erreur explicite - # raise ValueError(f"Clé manquante dans le JSON : {key}") - - # # On garantit à Pyright que le résultat final est un dictionnaire - # if isinstance(current_data, dict): - # return cast(dict[str, object], current_data) - - # except (decoder.JSONDecodeError, ValueError) as e: - # print(f"Erreur lors de l'extraction JSON : {e}", file=stderr) - - # return {} - def getjsondata( self, subdir: str = "", id: str = "__NEXT_DATA__" ) -> dict[str, object]: + """ + Extrait les données JSON contenues dans la balise __NEXT_DATA__ du site. + Beaucoup de sites modernes (Next.js) stockent leur état initial dans + une balise