api_legifrance_search_output.py•11.2 kB
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Extracteur de données pour l'API Légifrance
Module pour extraire et traiter les données JSON retournées par l'API de recherche
Copyright (c) 2025 Jean-Michel Tanguy
Licensed under the MIT License (see LICENSE file)
Remarques :
Certaines parties de ce code ont été développées avec l’aide de Vibe Coding
et d’outils d’intelligence artificielle.
"""
from datetime import datetime
from typing import Dict, List, Optional, Any
import re
class LegiFranceSearchOutput:
"""Classe pour extraire les données de l'API juridique"""
def __init__(self):
self.facet_title_map = {
'TEXT_LEGAL_STATUS': 'Statut légal des textes',
'ARTICLE_LEGAL_STATUS': 'Statut légal des articles',
'TEXT_NOM_CODE': 'Codes disponibles'
}
def extract_full_summary(self, api_response: Dict[str, Any]) -> List[Dict[str, Any]]:
"""
Extrait un résumé structuré de toute la réponse
Args:
api_response: Réponse complète de l'API
Returns:
Résumé structuré avec titles et articles fusionnés par index
"""
titles = self._extract_titles_info(api_response)
articles = self._extract_articles_info(api_response)
# Fusionner les titles et articles par index
items = []
results = api_response.get('results', [])
for result in results:
# Main text
if (result.get('titles') is not None) and (len(result.get('titles')) > 0):
id = result.get('titles')[0].get('id')
if (id is not None) and (result.get('text') is not None):
item = {}
item['article_id'] = result.get('titles')[0].get('id')
item['title'] = result.get('titles')[0].get('title')
item['nature'] = result.get('nature')
item['text'] = result.get('text')
items.append(item)
# adding sections
for section in result.get('sections', []):
if section.get('extracts') and isinstance(section['extracts'], list):
for extract in section['extracts']:
id = extract.get('id')
if (id is not None):
item = {}
item['article_id'] = extract.get('id')
item['title'] = f"Article {extract.get('num', 'N/A')} - {extract.get('title', None)}"
item['section_title'] = section.get('title', None)
item['content'] = self._clean_article_content(extract.get('values', []))
item['date_version'] = extract.get('dateVersion', None)
item['date_debut'] = extract.get('dateDebut', None)
item['date_fin'] = extract.get('dateFin', None)
item = {k: v for k, v in item.items() if v is not None}
items.append(item)
return items
# return {
# 'execution_time': api_response.get('executionTime', 0),
# 'total_articles': len(items),
# 'pagination_type': api_response.get('typePagination'),
# 'articles': items,
# 'facets': self._extract_facets_info(api_response)
# }
def _extract_titles_info(self, api_response: Dict[str, Any]) -> List[Dict[str, Any]]:
"""
Extrait les informations de base des titres (id, title, description)
Args:
api_response: Réponse complète de l'API
Returns:
Liste des titres avec leurs informations
"""
if not api_response.get('results') or not isinstance(api_response['results'], list):
return []
extracted_titles = []
for result in api_response['results']:
if result.get('titles') and isinstance(result['titles'], list):
for title in result['titles']:
extracted_titles.append({
'id': title.get('id'),
'title': title.get('title', 'Titre non disponible'),
'description': self._generate_description(title),
'legal_status': title.get('legalStatus', 'Non spécifié'),
'nature': title.get('nature', 'Non spécifiée'),
'cid': title.get('cid'),
'start_date': title.get('startDate'),
'end_date': title.get('endDate')
})
return extracted_titles
def _extract_articles_info(self, api_response: Dict[str, Any]) -> List[Dict[str, Any]]:
"""
Extrait les informations des articles avec leurs contenus
Args:
api_response: Réponse complète de l'API
Returns:
Liste des articles avec leurs informations
"""
if not api_response.get('results') or not isinstance(api_response['results'], list):
return []
extracted_articles = []
for result in api_response['results']:
if result.get('sections') and isinstance(result['sections'], list):
for section in result['sections']:
if section.get('extracts') and isinstance(section['extracts'], list):
for extract in section['extracts']:
extracted_articles.append({
'id': extract.get('id'),
'title': f"Article {extract.get('num', 'N/A')} - {extract.get('title', 'Titre non disponible')}",
'description': self._generate_article_description(extract, section),
'section_title': section.get('title', 'Section non nommée'),
'article_number': extract.get('num'),
'legal_status': extract.get('legalStatus', 'Non spécifié'),
'content': self._clean_article_content(extract.get('values', [])),
'date_version': extract.get('dateVersion'),
'date_debut': extract.get('dateDebut'),
'date_fin': extract.get('dateFin'),
'type': extract.get('type')
})
return extracted_articles
def _extract_facets_info(self, api_response: Dict[str, Any]) -> List[Dict[str, Any]]:
"""
Extrait les informations des facettes
Args:
api_response: Réponse complète de l'API
Returns:
Informations des facettes
"""
if not api_response.get('facets') or not isinstance(api_response['facets'], list):
return []
facets_info = []
for facet in api_response['facets']:
facets_info.append({
'id': facet.get('facetElem', 'unknown'),
'title': self._format_facet_title(facet.get('facetElem')),
'description': f"Facette sur le champ: {facet.get('field', 'non spécifié')}",
'field': facet.get('field'),
'values': facet.get('values', {}),
'total_elements': facet.get('totalElement', 0),
'childs': facet.get('childs', {})
})
return facets_info
def _generate_description(self, title: Dict[str, Any]) -> str:
"""
Génère une description basée sur les informations disponibles
Args:
title: Objet titre
Returns:
Description générée
"""
parts = []
if title.get('nature'):
parts.append(f"Nature: {title['nature']}")
if title.get('legalStatus'):
parts.append(f"Statut: {title['legalStatus']}")
if title.get('startDate'):
try:
start_date = datetime.fromisoformat(title['startDate'].replace('Z', '+00:00'))
parts.append(f"En vigueur depuis: {start_date.strftime('%d/%m/%Y')}")
except (ValueError, AttributeError):
pass
if title.get('endDate') and title['endDate'] != '2999-01-01T00:00:00.000+0000':
try:
end_date = datetime.fromisoformat(title['endDate'].replace('Z', '+00:00'))
parts.append(f"Fin de vigueur: {end_date.strftime('%d/%m/%Y')}")
except (ValueError, AttributeError):
pass
return ' | '.join(parts) if parts else 'Aucune description disponible'
def _generate_article_description(self, extract: Dict[str, Any], section: Dict[str, Any]) -> str:
"""
Génère une description pour un article
Args:
extract: Extrait d'article
section: Section parent
Returns:
Description générée
"""
parts = []
if section.get('title'):
parts.append(f"Section: {section['title']}")
if extract.get('legalStatus'):
parts.append(f"Statut: {extract['legalStatus']}")
if extract.get('dateVersion'):
try:
date = datetime.fromisoformat(extract['dateVersion'].replace('Z', '+00:00'))
parts.append(f"Version du: {date.strftime('%d/%m/%Y')}")
except (ValueError, AttributeError):
pass
if extract.get('values') and isinstance(extract['values'], list) and extract['values']:
clean_content = self._clean_article_content(extract['values'])
preview = clean_content[:150]
parts.append(f"Aperçu: {preview}{'...' if len(clean_content) > 150 else ''}")
return ' | '.join(parts)
def _clean_article_content(self, values: List[str]) -> str:
"""
Nettoie le contenu des articles (supprime les balises HTML et formate)
Args:
values: Tableau des valeurs de l'article
Returns:
Contenu nettoyé
"""
if not values or not isinstance(values, list):
return 'Contenu non disponible'
content = ' '.join(values)
# Supprime les balises HTML
content = re.sub(r'<mark>', '', content)
content = re.sub(r'</mark>', '', content)
content = re.sub(r'\[\.\.\.]*', '...', content)
return content.strip()
def _format_facet_title(self, facet_elem: Optional[str]) -> str:
"""
Formate le titre d'une facette
Args:
facet_elem: Élément de facette
Returns:
Titre formaté
"""
key = facet_elem if facet_elem is not None else 'Facette inconnue'
return self.facet_title_map.get(key, key)