récuperer info société par numéro tva

Version imprimable

10/10/2013, 11h22
Nico_tournai

récuperer info société par numéro tva

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! :-)
10/10/2013, 13h50
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/

mechanize... je vais aller voir ça

sinon j'avais commencé un petit script:

Code:

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:

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

solution pas des plus élégantes:

Code:

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!

Essayes avec une regex.

Ceci par exemple:

Code:

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 ...

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:

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

Coucou,
Juste un petit ajout en grosse brute…

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
from html.parser import HTMLParser
 
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>"""
 
mes_data = []
 
class MyHTMLParser(HTMLParser):
    def handle_data(self, data):
        mes_data.append(data)
 
parser = MyHTMLParser(strict=False)
parser.feed(phr)
 
print(mes_data[0])
print(mes_data[1])
print(mes_data[2])
print()
print(mes_data)

En console:

Code:

1
2
3
4
5
6
>>> 
SA TELEVISION FRANCAISE 1
1 QUAI POINT DU JOUR
92100 BOULOGNE BILLANCOURT
 
['SA TELEVISION FRANCAISE 1', '1 QUAI POINT DU JOUR', '92100 BOULOGNE BILLANCOURT', 'Le num', 'ro FR60326300159 a ', 't', ' retourn', " comme valide ce jour par les serveurs de l'Union Europ", 'enne. Vous pouvez toutefois demander ci-dessous ', ' ', 'tre alert', ' par mail en cas de changement de situation.']

Clodion

11/10/2013, 08h57
Nico_tournai

Merci pour vos contributions!
La regex j'y avais pensé mais avec les caractères spéciaux dans la chaine ca peut poser problème.

HtmlParser semble bien convenir au problème, merci Clodion.
Maintenant je vais voir le cas où le numéro tva est erroné..

A voir aussi si par la suite le site ne change pas la structure de sa page...
J'aviserais à ce moment là.

Si vous connaissez un moyen de récupérer les infos sociétés par requête JSON/xml, je suis preneur. Ca doit bien exister! (pour les logiciels de compta/commerce, mais peut être payant...)

Je vais mettre en résolu.

:ccool: