explications structure et code

README.md

@@ -4,6 +4,7 @@
     1. [Linux/Unix/MacOS](#unix)
     2. [Windows](#win)
 3. [Usage](#usage)
+4. [TODO](#todo)
 
 <div id='intro'/>
 
@@ -19,6 +20,17 @@ Il est ensuite possible d'en éditer une carte, sur Qgis par exemple, en retrouv
 
 <a href="./doc/img/map.jpeg"><img src="./doc/img/map.jpeg" width="1024" alt="Carte des périls de Marseille-Centre"></a><br><br>
 
+Le code repose sur le projet libre de webcrawler [Scrapy](https://scrapy.org/) écrit en python.
+
+**Structure :**
+
+- `crawler/perils/spiders/scraperil.py` : Le crawler initial qui récupère toutes les données brutes du site par des requêtes via sélecteurs XPATH (similaires aux selecteurs CSS mais plus polyvalents)
+
+- `crawler/perils/items.py` : Les items dans lesquels sont inscrites les données brutes
+
+- `crawler/perils/splittermidware.py` : La pipeline de tri des données brutes au moyen de regex et d'un peu de python rudimentaire. Le code est commenté pour inspection.
+
+
 <div id='install'/>
 
 # Installation
@@ -55,7 +67,7 @@ Mise en place d'un environnement virtuel pour scrapy dans lequel seront install
 
     <img src="./doc/img/micrapsoft-visualstudio.jpg" height="320" alt="Screenshot de l'installation des build-tools pour Windows"><br><br>
 
-- [Librairie libxml2](https://www.lfd.uci.edu/~gohlke/pythonlibs/#libxml-python) (documentation en haut de page)
+- [Librairie libxml2](https://www.lfd.uci.edu/~gohlke/pythonlibs/#libxml-python) (documentation en haut de page, à priori ça s'installe via pip mais j'ai pas eu besoin, faudrait voir sur un windows vierge ce que ça donne)
 
 
 ### Environnement virtuel et modules python
@@ -81,3 +93,10 @@ D'autres formats sont disponibles (json, xml, etc.) plus d'informations sur la [
 
         cd src
         scrapy crawl perils -O perils.csv
+
+<div id='todo'/>
+
+# TODO
+
+- Permettre la possibilité de deux outputs : un csv pour Qgis et un csv pour consultation et mise en page. Pour le moment les deux sortent sur un même csv parce-que j'ai pas pris le temps de m'en occuper.
+- installer ça sur un serveur et faire crawler quotidiennement puis mettre sur une base de données (mariadb)