edb-noumea 0.2.6__tar.gz → 0.2.8__tar.gz

{edb_noumea-0.2.6 → edb_noumea-0.2.8}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: edb-noumea
-Version: 0.2.6
+Version: 0.2.8
 Summary: Un scraper pour la qualité des eaux de baignade à Nouméa.
 Project-URL: Homepage, https://github.com/adriens/edb-noumea
 Project-URL: Repository, https://github.com/adriens/edb-noumea

{edb_noumea-0.2.6 → edb_noumea-0.2.8}/edb_noumea/details.py

@@ -1,3 +1,19 @@
+import pandas as pd
+
+@staticmethod
+def get_sites():
+    """
+    Retourne un DataFrame avec le mapping site/plage/gmaps_url.
+    """
+    data = [
+        {"site": "PLAGE DE LA BAIE DES CITRONS", "plage": "Plage de la baie des Citrons", "gmaps_url": "https://maps.app.goo.gl/P2SP3oWuQbxd1sCH9"},
+        {"site": "PLAGE DE L'ANSE VATA", "plage": "Plage de l'Anse-Vata", "gmaps_url": "https://maps.app.goo.gl/xAUdky47DqEjSF4R8"},
+        {"site": "PLAGE DE LA POINTE MAGNIN", "plage": "Plage de la pointe Magnin", "gmaps_url": "https://maps.app.goo.gl/Wf69LoGgc894MtQy6"},
+        {"site": "PLAGE DE LA PROMENADE PIERRE VERNIER", "plage": "Plage de la promenade Pierre-Vernier", "gmaps_url": "https://maps.app.goo.gl/bNocZKVVMYk3HFYs9"},
+        {"site": "PLAGE DE MAGENTA", "plage": "Plage de Magenta", "gmaps_url": "https://maps.app.goo.gl/yFwgG2BCV1sEtPWP6"},
+        {"site": "PLAGE DU KUENDU BEACH", "plage": "Plage du Kuendu Beach", "gmaps_url": "https://maps.app.goo.gl/oGY6Hy4KCXJWxqfL9"},
+    ]
+    return pd.DataFrame(data)
 def get_pdf_url():
     """
     Alias public pour obtenir l'URL du dernier PDF d'analyses détaillées.
@@ -74,30 +90,42 @@ def get_detailed_results():
 
     print(f"✅ {len(tables)} tableau(x) trouvé(s). Affichage du premier.")
     df = tables[0]
+    print("\n--- Aperçu du tableau extrait (toutes colonnes) ---")
+    with pd.option_context('display.max_columns', None):
+        print(df)
+    print("\nColonnes:", list(df.columns))
+    print("Shape:", df.shape)
 
-    # --- Nettoyage du DataFrame ---
-    columns_to_keep = {
-        df.columns[0]: "site",
-        df.columns[1]: "point_de_prelevement",
-        df.columns[2]: "date",
-        df.columns[4]: "heure",
-        df.columns[6]: "e_coli_npp_100ml",
-        df.columns[9]: "enterocoques_npp_100ml"
+    # Sélectionne et renomme les colonnes demandées
+    columns_map = {
+        'Unnamed: 0': 'Nom du site de baignade',
+        'Unnamed: 1': 'Point de prélèvement',
+        'Unnamed: 2': 'Date du prélèvement',
+        'Unnamed: 3': 'Heure du prélèvement',
+        'Escherichia': 'Escherichia coli (NPP/100ml)',
+        'Entérocoques': 'Entérocoques intestinaux (NPP/100ml)'
     }
-    cleaned_df = df[columns_to_keep.keys()].copy()
-    cleaned_df.rename(columns=columns_to_keep, inplace=True)
-    cleaned_df.replace({'<10': 0}, inplace=True)
-    cleaned_df['e_coli_npp_100ml'] = pd.to_numeric(cleaned_df['e_coli_npp_100ml'], errors='coerce')
-    cleaned_df['enterocoques_npp_100ml'] = pd.to_numeric(cleaned_df['enterocoques_npp_100ml'], errors='coerce')
-    cleaned_df.fillna(0, inplace=True)
+    cleaned_df = df[list(columns_map.keys())].rename(columns=columns_map)
+    # Supprime la première ligne (ligne d'en-tête du PDF)
+    cleaned_df = cleaned_df.iloc[1:].reset_index(drop=True)
+    # Renomme les colonnes pour correspondre au style Python
+    cleaned_df = cleaned_df.rename(columns={
+        "Nom du site de baignade": "site",
+        "Point de prélèvement": "point_de_prelevement",
+        "Date du prélèvement": "date",
+        "Heure du prélèvement": "heure",
+        "Escherichia coli (NPP/100ml)": "e_coli_npp_100ml",
+        "Entérocoques intestinaux (NPP/100ml)": "enterocoques_npp_100ml"
+    })
 
-    # Split de la colonne point_de_prelevement
-    split_points = cleaned_df['point_de_prelevement'].str.split(',', n=1, expand=True)
-    cleaned_df['id_point_prelevement'] = split_points[0].str.strip()
-    cleaned_df['desc_point_prelevement'] = split_points[1].str.strip() if split_points.shape[1] > 1 else ''
+    # Ajoute deux colonnes issues du split de 'point_de_prelevement'
+    split_points = cleaned_df["point_de_prelevement"].str.split(",", n=1, expand=True)
+    cleaned_df["id_point_prelevement"] = split_points[0].str.strip()
+    cleaned_df["desc_point_prelevement"] = split_points[1].str.strip() if split_points.shape[1] > 1 else ""
 
-    # Conversion explicite de la colonne 'date' en type date Python
-    cleaned_df['date'] = pd.to_datetime(cleaned_df['date'], format='%d/%m/%Y', errors='coerce').dt.date
+    # S'assurer que la colonne 'heure' est bien présente et de type string
+    if "heure" in cleaned_df.columns:
+        cleaned_df["heure"] = cleaned_df["heure"].astype(str)
 
     return cleaned_df
 
@@ -110,4 +138,4 @@ if __name__ == "__main__":
         print("\n📋 Voici les détails des derniers relevés (toutes colonnes) :")
         print(detailed_df)
         print("\nColonnes du DataFrame :")
-        print(list(detailed_df.columns))
+        #print(list(detailed_df.columns))

{edb_noumea-0.2.6 → edb_noumea-0.2.8}/edb_noumea.egg-info/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: edb-noumea
-Version: 0.2.6
+Version: 0.2.8
 Summary: Un scraper pour la qualité des eaux de baignade à Nouméa.
 Project-URL: Homepage, https://github.com/adriens/edb-noumea
 Project-URL: Repository, https://github.com/adriens/edb-noumea

{edb_noumea-0.2.6 → edb_noumea-0.2.8}/pyproject.toml

@@ -1,6 +1,6 @@
 [project]
 name = "edb-noumea"
-version = "0.2.6"
+version = "0.2.8"
 description = "Un scraper pour la qualité des eaux de baignade à Nouméa."
 dependencies = [
     "requests",