From fbc38fbb19011343a8d5665757c6cdf0cedd2ed6 Mon Sep 17 00:00:00 2001
From: Xavier <xavier@mail.aethas38.duckdns.org>
Date: Thu, 27 Aug 2026 22:06:37 +0200
Subject: [PATCH] =?UTF-8?q?Mise=20a=20jour=20module=20=C3=A9duction=20nati?=
 =?UTF-8?q?onale?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 modules/eduscol_scraper.py | 50 +++++---------------------------------
 1 file changed, 6 insertions(+), 44 deletions(-)

diff --git a/modules/eduscol_scraper.py b/modules/eduscol_scraper.py
index accedca..c3a60d8 100644
--- a/modules/eduscol_scraper.py
+++ b/modules/eduscol_scraper.py
@@ -1,55 +1,17 @@
 import os
-import requests
-import xml.etree.ElementTree as ET
-from datetime import datetime
 from modules.logger import log_event
 
 RAG_DIR = "/DATA/AppData/MULTI-IA-AETHAS38/RAG/Education_Nationale"
 
 def maj_base_education():
-    """Scrape le flux RSS du Bulletin Officiel en contournant les protections WAF."""
+    """Vérifie la présence des documents pédagogiques locaux dans le RAG."""
     os.makedirs(RAG_DIR, exist_ok=True)
-    url_rss = "https://www.education.gouv.fr/bo/rss.xml"
+    fichiers = [f for f in os.listdir(RAG_DIR) if f.endswith(('.txt', '.md', '.pdf', '.docx'))]
     
-    # En-têtes complets simulant une vraie navigation web humaine
-    headers = {
-        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/122.0.0.0 Safari/537.36",
-        "Accept": "application/rss+xml,application/xml,text/xml;q=0.9,*/*;q=0.8",
-        "Accept-Language": "fr-FR,fr;q=0.9,en-US;q=0.8,en;q=0.7",
-        "Referer": "https://www.education.gouv.fr/bo/le-bulletin-officiel-de-l-education-nationale",
-        "Sec-Ch-Ua": '"Chromium";v="122", "Not(A:Brand";v="24", "Google Chrome";v="122"',
-        "Sec-Ch-Ua-Mobile": "?0",
-        "Sec-Ch-Ua-Platform": '"Windows"',
-        "Upgrade-Insecure-Requests": "1"
-    }
-    
-    try:
-        response = requests.get(url_rss, headers=headers, timeout=15)
-        if response.status_code == 200:
-            root = ET.fromstring(response.content)
-            
-            contenu_md = f"# Veille Pédagogique - Bulletin Officiel (B.O.)\n"
-            contenu_md += f"*Date de mise à jour RAG : {datetime.now().strftime('%Y-%m-%d %H:%M:%S')}*\n\n"
-            
-            for item in root.findall('.//item')[:20]:
-                titre = item.find('title').text if item.find('title'] is not None else "Document sans titre"
-                lien = item.find('link').text if item.find('link') is not None else "Aucun lien"
-                desc = item.find('description').text if item.find('description') is not None else "Pas de résumé disponible."
-                
-                contenu_md += f"## {titre}\n"
-                contenu_md += f"**Source officielle :** {lien}\n"
-                contenu_md += f"> {desc}\n\n---\n"
-                
-            fichier_bo = os.path.join(RAG_DIR, "bulletin_officiel_recent.md")
-            with open(fichier_bo, "w", encoding="utf-8") as f:
-                f.write(contenu_md)
-                
-            log_event("INFO", "SCRAPER_EDU", "Base RAG Éducation (B.O.) mise à jour avec succès.")
-        else:
-            log_event("WARNING", "SCRAPER_EDU", f"Le site du ministère a retourné le code {response.status_code}.")
-    except Exception as e:
-        log_event("ERROR", "SCRAPER_EDU", f"Erreur lors de la MAJ de la base Éducation : {e}")
+    if fichiers:
+        log_event("INFO", "SCRAPER_EDU", f"Base RAG Éducation active : {len(fichiers)} document(s) local/aux détecté(s).")
+    else:
+        log_event("WARNING", "SCRAPER_EDU", "Le dossier RAG Éducation est vide. Pensez à y déposer vos fichiers PDF/DOCX.")
 
 if __name__ == "__main__":
-    # Permet de tester le script directement en ligne de commande : python modules/eduscol_scraper.py
     maj_base_education()
\ No newline at end of file