Scripts Catalogue BnF (web service SRU)

ExtractionCatalogueBnF

Programme facilitant l’extraction des données du catalogue BnF, via son SRU

Le script ExtractionCatalogueBnF.py a été converti en exécutable grâce à la librairie Python cx_freeze, via le fichier setup_ExtractionCatalogueBnF.py

L’exécutable Windows est récupérable dans le dossier bin

Installation

• Récupérer le fichier ZIP, le décompresser n’importe où.
• Lancer le fichier ExtractionCatalogueBnF à la racine
• Les fichiers rapports sont déposés dans un répertoire /reports, à la racine également

Utilisation du programme

Quand on double-clique sur le fichier ExtractionCatalogueBnF, une fenêtre s’ouvre :

Dans la moitié gauche : les donnés en entrée, avec au choix :

• une URL de requête SRU BnF
  sous la forme : http://catalogue.bnf.fr/api/SRU?version=1.2&operation=searchRetrieve&query=bib.title%20all%20%22recherche%20temps%20perdu%20retrouve%22%20and%20bib.author%20all%20%22proust%22&recordSchema=unimarcxchange&maximumRecords=10&startRecord=1
  Logiquement, à partir du formulaire de recherche SRU BnF et de la documentation fournie, vous ne devriez pas avoir trop de mal à lancer une requête et récupérer une première liste de résultats au format XML. C’est après, pour savoir quoi faire de ces résultats, que ça se gâte. D’où ce logiciel.
• OU un fichier pouvant contenir plusieurs colonnes (séparées par des tabulations), mais dont la première doit être un numéro de notice ou un ARK BnF
  Ce fichier a pu être obtenu comme étant le rapport d’une précédente requête, ou encore via une extraction du triple store de data.bnf.fr, ou par tout autre moyen.
  Attention : pas de guillemets pour encadrer les valeurs de chaque colonne
  Il faut préciser le chemin d’accès complet au fichier (arborescence des répertoires + nom du fichier avec son extension)
  • Si on a donné en entrée un nom de fichier
    il faut préciser quel format en sortie on veut utiliser pour indiquer les éléments d’information à récupérer : si je dis au programme récupérer la zone 100, celle-ci n’est pas la même en Unimarc (zone de données codées) et Intermarc (auteur principal)
    Cette information en revanche n’est pas utile si on copie-colle l’URL d’une requête SRU : l’information est déjà dans l’URL

Dans la moitié droite : les données en sortie

• Le nom du fichier rapport qui contiendra les informations extraites
  Ce fichier sera déposé dans un répertoire reports directement dans le répertoire ExtractionCatalogueBnF
• La liste des éléments d’information à récupérer :
  • Pour les formats Marc : nom des zones et/ou sous-zones.
    Si vous indiquez une zone, il précisera chaque sous-zone par son dollar. L’ensemble de la zone sera dans une colonne
    Si vous indiquez une sous-zone, le $ ne sera rappelé que dans le nom de la colonne
    Vous pouvez mélanger tout ça et mettre par exemple :
    200;200$a;200$e$i
    Ce qui vous permettra d’avoir une colonne avec l’ensemble de la zone 200 (zone de titre, en Unimarc), mais aussi dans une colonne à part la 200$a, et encore à côté les compléments éventuels du titre
  • Si vous avez choisi Dublin Core : indiquez simplement le nom des balises à récupérer :
    dc:identifier;dc:title;dc:creatorSi certaines informations sont répétées, elles seront dans la même colonne, séparées par un ~
• Si vous voulez extraire des informations concernant des notices d’autorité, vous pouvez récupérer le nombre de notices bibliographiques liées à chacune des notices, en cochant la case idoine
  C’est une information qui, dans l’interface web du catalogue, est indiquée en bas à droite des notices d’autorité. Dans ce programme, elle mélange les notices liées comme auteur et comme sujet

On sait que l’extraction est terminée quand…

La fenêtre se referme