Skip to content
New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

feat/cms articles scraping #215 #501

Open
wants to merge 3 commits into
base: main
Choose a base branch
from
Open

Conversation

ocruze
Copy link
Member

@ocruze ocruze commented Sep 12, 2024

  • lecture de la première page de liste d'articles pour savoir le nombre total de pages de liste d'articles
  • boucler sur toutes les pages de liste d'articles pour :
    • parser le html (<main />)
    • télécharger toutes les images et les stocker sur le S3, en réécrivant l'URL dans le html (src et srcset)
    • récupérer une liste contenant le slug de tous les articles (articleSlugs)
    • stocker le html de la page de liste sur le S3
  • boucler sur la liste articleSlugs :
    • parser le html (<main />)
    • télécharger toutes les images et les stocker sur le S3, en réécrivant l'URL dans le html (src et srcset)
    • télécharger tous les documents téléchargeables (a.fr-link--download) et les stocker sur le S3, en réécrivant l'URL dans le html (href)
    • réécrire toutes les URLs internes en y ajoutant la racine du proxy du S3 (CartesS3Controller)
    • stocker le html de la page de liste sur le S3

@ocruze ocruze requested a review from slafayIGN September 12, 2024 08:35
Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment
Labels
None yet
Projects
None yet
Development

Successfully merging this pull request may close these issues.

1 participant