-
Notifications
You must be signed in to change notification settings - Fork 11
/
telechargerFichier.R
203 lines (184 loc) · 8.86 KB
/
telechargerFichier.R
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
#' Télécharger un fichier sur le site de l'Insee
#'
#' @param donnees le nom court des données que l'on souhaite télécharger sur le site de l'Insee. La description complète des données associés à ce nom figure dans la table [`liste_donnees`]. Insensible à la casse.
#' @param date optionnel : le millésime des données si nécessaire. Peut prendre le format YYYY ou encore DD/MM/YYYY ; dans le dernier cas, on prendra le premier jour de la période de référence. Spécifier `"dernier"` sélectionne automatiquement le millésime le plus récent.
#' @param telDir optionnel : le dossier dans lequel sont téléchargées les données brutes. Par défaut, la valeur définie par `options(doremifasol.telDir = ...)`. Si l'utilisateur n'a pas défini cette valeur au préalable, un dossier temporaire de cache.
#' @param argsApi optionnel : dans le cas où c'est une API REST qui est utilisée, il est possible de spécifier des paramètres spécifiques à cette API de manière à collecter l'information désirée. Cf. section _Details_.
#' @param force forcer le téléchargement, même si le fichier a déjà été téléchargé (et est identique).
#'
#' @details
#' La fonction permet de télécharger les données disponibles sur le site de l'Insee sous format csv, xls ou encore xlsx. Elle permet également, de manière expérimentale, de requêter certaines API REST de l'Insee ; ces services peuvent être repérés dans la table [`liste_donnees`] grâce à la variable `api_rest`.
#'
#' @return Une liste contenant le résultat du téléchargement et les informations pour l'importation des données en R (de manière invisible).
#' @export
#'
#' @examples \dontrun{
#' telechargerFichier(donnees = "BPE_ENS")
#'
#' telechargerFichier("RP_LOGEMENT", date = "2016")
#' }
#' @importFrom utils unzip read.csv tail
#' @export
telechargerFichier <- function(donnees, date=NULL, telDir=getOption("doremifasol.telDir"), argsApi=NULL, force=FALSE) {
## vérifie donnees et date. si ok les infos nécessaires sont extraites dans caract
caract <- infosDonnees(donnees, date)
#dossier de téléchargement # si NULL aller dans le cache
cache <- FALSE
if (is.null(telDir)) {
telDir <- tempdir()
cache <- TRUE
} else {
dir.exists(telDir) || dir.create(telDir)
}
## télécharge les fichiers csv, xls, xlsx...
if (!caract$api_rest) {
nomFichier <- file.path(telDir, basename(caract$lien))
dl <- NULL
if (!file.exists(nomFichier) || force) {
if (!curl::has_internet()) stop("aucune connexion Internet")
res <- try(httr::GET(caract$lien, httr::write_disk(nomFichier, overwrite = TRUE), httr::progress()))
if (res$status_code == 200) dl <- 0
if (tools::md5sum(nomFichier) != caract$md5) {
warning("Fichier sur insee.fr modifi\u00e9 ou corruption lors du t\u00e9l\u00e9chargement.")
}
if (cache)
message("Aucun r\u00e9pertoire d'importation n'est d\u00e9fini. Les donn\u00e9es ont \u00e9t\u00e9 t\u00e9l\u00e9charg\u00e9es par d\u00e9faut dans le dossier: ", telDir)
} else if (tools::md5sum(nomFichier) != caract$md5){
if (!curl::has_internet()) stop("aucune connexion Internet")
if (cache) {
message("Aucun r\u00e9pertoire d'importation n'est d\u00e9fini. Les donn\u00e9es utilis\u00e9es sont stock\u00e9es dans le dossier: ", telDir)}
message("Les donn\u00e9es doivent \u00eatre mises \u00e0 jour.")
res <- tryCatch(httr::GET(caract$lien, httr::write_disk(nomFichier, overwrite = TRUE), httr::progress()))
if (res$status_code == 200) dl <- 0
} else {
dl <- 0
message("Donn\u00e9es d\u00e9j\u00e0 pr\u00e9sentes dans ", shQuote(telDir), ", pas de nouveau t\u00e9l\u00e9chargement.")
}
if (caract$zip) {
fileArchive <- nomFichier
fichierAImporter <- paste0(telDir, "/", caract$fichier_donnees)
} else {
fileArchive <- NULL
fichierAImporter <- nomFichier
}
if (caract$type == "csv") {
argsImport <- list(file = fichierAImporter, delim = eval(parse(text = caract$separateur)), col_names = TRUE)
if (!is.null(caract$encoding))
argsImport[["locale"]] <- readr::locale(encoding = caract$encoding)
if (!is.null(caract$valeurs_manquantes))
argsImport[["na"]] <- unlist(strsplit(caract$valeurs_manquantes, "/"))
} else if (caract$type == "xls") {
argsImport <- list(path = fichierAImporter, skip = caract$premiere_ligne - 1, sheet = caract$onglet)
if (!is.null(caract$derniere_ligne))
argsImport[["n_max"]] <- caract$derniere_ligne - caract$premiere_ligne
if (!is.null(caract$valeurs_manquantes))
argsImport[["na"]] <- unlist(strsplit(caract$valeurs_manquantes, "/"))
} else if (caract$type == "xlsx") {
argsImport <- list(path = fichierAImporter, sheet = caract$onglet, skip = caract$premiere_ligne - 1)
}
if (!is.null(caract$type_col)) {
listvar <- lapply(
caract$type_col,
function(x) eval(parse(text = paste0("readr::col_", x, "()")))
)
cols <- readr::cols()
cols$cols <- listvar
argsImport[["col_types"]] <- cols
}
} else {
## télécharge les données sur l'API
if (!nzchar(Sys.getenv("INSEE_APP_KEY")) || !nzchar(Sys.getenv("INSEE_APP_SECRET"))) {
stop("d\u00e9finir les variables d'environnement INSEE_APP_KEY et INSEE_APP_SECRET")
}
if (!curl::has_internet()) stop("aucune connexion Internet")
timestamp <- gsub("[^0-9]", "", as.character(Sys.time()))
dossier_json <- paste0(telDir, "/json_API_", caract$nom, "_", timestamp, "_", genererSuffixe(4))
dir.create(dossier_json)
writeLines(
utils::URLdecode(httr::modify_url(caract$lien, query = argsApi)),
file.path(dossier_json, "requete.txt")
)
token <- apinsee::insee_auth()
if (!is.null(date))
argsApi <- c(date = as.character(date), argsApi)
if (is.null(argsApi$nombre)) {
argsApi[["nombre"]] <- 0
url <- httr::modify_url(caract$lien, query = argsApi)
res <- tryCatch(httr::GET(url, httr::config(token = token),
httr::write_memory()),
error = function(e) message(e$message))
total <- tryCatch(httr::content(res)[[1]]$total,
error = function(e) return(NULL))
if (is.null(total))
total <- 0
} else {
total <- argsApi[["nombre"]]
}
argsApi[["nombre"]] <- min(total, 1000)
if (is.null(argsApi[["tri"]]))
argsApi[["tri"]] <- "siren"
if (total > 1000)
argsApi[["curseur"]] <- "*"
nombrePages <- ceiling(total/1000)
url <- httr::modify_url(caract$lien, query = argsApi)
fichierAImporter <- sprintf("%s/results_%06i.json", dossier_json, 1)
res <- requeteApiSirene(url = url, fichier = fichierAImporter, token = token,
nbTentatives = 400)
resultat <- res$status_code
if (nombrePages > 1) {
for (k in 2:nombrePages) {
argsApi[["curseur"]] <-httr::content(res)$header$curseurSuivant
url <- httr::modify_url(caract$lien, query = argsApi)
fichierAImporter <- c(fichierAImporter, sprintf("%s/results_%06i.json", dossier_json, k))
res <- requeteApiSirene(url, fichierAImporter, token, 400)
resultat <- c(resultat, res$status_code)
}
}
dl <- NULL
if (all(resultat == 200) & total > 0)
dl <- 0
argsImport <- list(fichier = fichierAImporter, nom = caract$nom)
fileArchive <- NULL
}
invisible(
list(
result = dl,
lien = caract$lien,
zip = caract$zip,
big_zip = caract$big_zip,
fileArchive = fileArchive,
type = caract$type,
argsImport = argsImport,
collection = caract$collection,
nom = caract$nom
)
)
}
genererSuffixe <- function(longueur) {
liste <- c(0:9, letters, LETTERS)
paste(sample(liste, longueur, replace = TRUE), collapse = "")
}
requeteApiSirene <- function(url, fichier, token, nbTentatives) {
count <- 1
res <- tryCatch(httr::GET(url,
httr::config(token = token),
httr::write_disk(tail(fichier, 1)),
httr::progress()),
error = function(e) {
message(e$message)
return(list(status_code = 429))})
while(res$status_code == 429 & count <= nbTentatives) {
message("Trop de requ\u00eates, patienter 10 secondes...")
Sys.sleep(10)
message("Nouvelle tentative...")
res <- tryCatch(httr::GET(url,
httr::config(token = token),
httr::write_disk(tail(fichier, 1), overwrite = TRUE),
httr::progress()),
error = function(e) {
message(e$message)
return(list(status_code = 429))})
count <- count + 1
}
return(res)
}