Recherche textuelle dans les actes administratifs des Préfectures

[DavidBruant]

Les Préfectures ont des recueils des actes administratifs qui sont des listes de pdf de scans d'actes administratifs

Le projet, dans les grandes lignes, ça serait :

• faire un scrapper qui peut récupérer tous les pdf de toutes les Préfectures
• pour chaque pdf
  • récupérer les images (pdfimages)
  • en extraire le texte avec un OCR (tesseract)
  • ptèt faire un post-traitement qui améliore un peu le texte
  • en faire un fichier genre markdown, essayer d'extraire des meta-données un peu cool, genre date de l'acte
• rendre tout ça accessible et cherchable dans un site web, genre généré par Jekyll ou un truc comme ça
• Ptèt avoir genre un bot qui va chercher les nouveaux fichiers toutes les semaines