Discussion :

[Nico_tournai]

Bonjour

On a une application douanière qui génère des pdfs dans un dossier.
Ces pdfs ont un nom de la forme "numéroTVA_****.pdf"
Je réalise une petite appli qui permettra d'envoyer ces documents à nos clients par mail.
Une petite base de données s'impose avec le numéro tva, les infos sociétés (le nom), les emails.
Jusqu'ici pas de soucis.

Maintenant j'ai l'idée, afin d'éviter la saisie des infos de la société par la recherche de numéro de tva, de rechercher directement les infos par internet.
J'ai trouvé un site qui me permet d'avoir ces infos : http://www.tva-intracommunautaire.co...567890&P4=&r=o en mettant le n° tva dans l'adresse.
Comment puis je récupérer les infos (par quel module)?
Connaissez vous une meilleure solution (autre site, JSON,..)?

merci! :-)

[Invité]

Salut,

Tu peux regarder du côté de mechanize : http://wwwsearch.sourceforge.net/mechanize/

Avec un exemple :
http://stockrt.github.io/p/emulating...ith-mechanize/

[Nico_tournai]

mechanize... je vais aller voir ça

sinon j'avais commencé un petit script:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
 
import urllib2
 
 
tva = 'FR60326300159'
req = urllib2.Request('http://www.tva-intracommunautaire.com/Resultat.php?P1=%s&P4=&r=o' %tva )
try:
   response  =urllib2.urlopen(req)
except IOError, e:
  print e.code
rep = response.read().splitlines()
 
info = ''
for r in rep:
  if 'id="dwwA11"' in r:
    info = r
    break
print info

en retour je récupère ceci:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
 
</TABLE><DIV id="dwwA11" STYLE="position:absolute;left:6;top:48;width:393;height:139;z-index:1;"><table width=393 height=139><tr><td CLASS=Style1-150-iStyle-Gentle-Light valign=top id="tzA11">SA TELEVISION FRANCAISE 1<BR>1 QUAI POINT DU JOUR<BR>92100 BOULOGNE BILLANCOURT<BR><BR>Le num&eacute;ro FR60326300159 a &eacute;t&eacute; retourn&eacute; comme valide ce jour par les serveurs de l'Union Europ&eacute;enne. Vous pouvez toutefois demander ci-dessous &agrave; &ecirc;tre alert&eacute; par mail en cas de changement de situation.</td></tr></table></DIV><DIV id="dwwA20" STYLE="position:absolute;left:4;top:187;width:396;height:69;z-index:2;"><table id=A20>

maintenant comment récupérer les infos..
en cherchant je trouve le module Htmlparser, quelqu'un peut m'aider please pour extraire par exemple:
SA TELEVISION FRANCAISE 1
1 QUAI POINT DU JOUR
92100 BOULOGNE BILLANCOURT

merci

[Nico_tournai]

solution pas des plus élégantes:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
 
import urllib2
 
 
tva = 'FR60326300159'
req = urllib2.Request('http://www.tva-intracommunautaire.com/Resultat.php?P1=%s&P4=&r=o' %tva )
try:
   response  =urllib2.urlopen(req)
except IOError, e:
  print e.code
rep = response.read().splitlines()
 
info = ''
for r in rep:
  if 'id="dwwA11"' in r:
    info = r
    break
print info.split('<')[5].split('>')[1]

ca marche, je récupère le nom de la société..

suis preneur d'une meilleure solution!

[VinsS]

Essayes avec une regex.

Ceci par exemple:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
 
import re
 
txt = """</TABLE><DIV id="dwwA11" STYLE="position:absolute;left:6;top:48;width:393;height:139;z-index:1;"><table width=393 height=139><tr><td CLASS=Style1-150-iStyle-Gentle-Light valign=top id="tzA11">SA TELEVISION FRANCAISE 1<BR>1 QUAI POINT DU JOUR<BR>92100 BOULOGNE BILLANCOURT<BR><BR>Le num&eacute;ro FR60326300159 a &eacute;t&eacute; retourn&eacute; comme valide ce jour par les serveurs de l'Union Europ&eacute;enne. Vous pouvez toutefois demander ci-dessous &agrave; &ecirc;tre alert&eacute; par mail en cas de changement de situation.</td></tr></table></DIV><DIV id="dwwA20" STYLE="position:absolute;left:4;top:187;width:396;height:69;z-index:2;"><table id=A20>"""
 
RE = re.compile('(?<=<td CLASS=)(.*)(">)(.*?)(?=<BR><BR>)', re.DOTALL)
 
match = RE.search(txt)
print match.group(3)

Il doit sûrement y avoir moyen de simplifier la regex, mais je me méfie quand le texte contient des guillemets ou divers symboles.


Edit: J'ai retrouvé mon backslash ...

[Clodion]

Bonjour,
@Nico_tournai: Je suis peut-être à coté de la plaque, mais avez-vous essayé tout simplement html.parser?

En suivant juste l'exemple donnée dans la documentation?

Après, juste un petit tri avec des regex comme le dit VinsS?
(Peut-être même pas besoin vu qu'il s'agit d'un tableau et donc que les champs viennent dans l'ordre!)

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
phr = """</TABLE><DIV id="dwwA11" STYLE="position:absolute;left:6;top:48;width:393;height:139;z-index:1;"><table width=393 height=139><tr><td CLASS=Style1-150-iStyle-Gentle-Light valign=top id="tzA11">SA TELEVISION FRANCAISE 1<BR>1 QUAI POINT DU JOUR<BR>92100 BOULOGNE BILLANCOURT<BR><BR>Le num&eacute;ro FR60326300159 a &eacute;t&eacute; retourn&eacute; comme valide ce jour par les serveurs de l'Union Europ&eacute;enne. Vous pouvez toutefois demander ci-dessous &agrave; &ecirc;tre alert&eacute; par mail en cas de changement de situation.</td></tr></table></DIV><DIV id="dwwA20" STYLE="position:absolute;left:4;top:187;width:396;height:69;z-index:2;"><table id=A20>"""
 
class MyHTMLParser(HTMLParser):
    def handle_starttag(self, tag, attrs):
        print("Encountered a start tag:", tag)
    def handle_endtag(self, tag):
        print("Encountered an end tag :", tag)
    def handle_data(self, data):
        print("Encountered some data  :", data)
 
parser = MyHTMLParser(strict=False)
parser.feed(phr)

(C'est directement recopié du code exemple de la page "html.parser")

Clodion