Millesima Wine Scraper

Scraper Apify pour extraire les données des vins du site millesima.fr.

Fonctionnalités

Extrait les informations suivantes pour chaque vin :

• Nom du vin - Nom complet incluant le château/domaine
• Prix - Prix en euros TTC
• Millésime - Année de production
• Région - Région viticole (Bordeaux, Bourgogne, etc.)
• Appellation - Appellation d'origine
• Couleur - Rouge, Blanc, Rosé
• Notes - Notations des critiques (Robert Parker, Wine Spectator, Decanter, etc.)
• URL - Lien vers la page produit

Installation

Prérequis

• Python 3.11+
• Compte Apify (pour le déploiement)

Installation locale

# Cloner le repository
git clone <repo-url>
cd millesima-scraper

# Créer un environnement virtuel
python -m venv venv
source venv/bin/activate  # Linux/Mac
# ou
venv\Scripts\activate  # Windows

# Installer les dépendances
pip install -r requirements.txt

Utilisation

Exécution locale

$python -m src.main

Déploiement sur Apify

# Installer Apify CLI
npm install -g apify-cli

# Se connecter
apify login

# Déployer l'acteur
apify push

Configuration

Le scraper accepte les paramètres suivants :

Paramètre	Type	Default	Description
startUrls	array	[{"url": "https://www.millesima.fr/tous-nos-vins.html"}]	URLs de départ
maxItems	integer	100	Nombre max de vins (0 = illimité)
maxPagesPerCategory	integer	10	Pages max par catégorie
proxyConfiguration	object	{"useApifyProxy": true}	Configuration proxy

Exemple d'entrée

{
    "startUrls": [
        { "url": "https://www.millesima.fr/bordeaux.html" },
        { "url": "https://www.millesima.fr/bourgogne.html" }
    ],
    "maxItems": 500,
    "maxPagesPerCategory": 20
}

Exemple de sortie

{
    "name": "Château Margaux 2019",
    "price": 589.00,
    "vintage": 2019,
    "region": "Bordeaux",
    "appellation": "Margaux",
    "color": "Rouge",
    "ratings": {
        "Robert Parker": "98-100",
        "Wine Spectator": "97"
    },
    "url": "https://www.millesima.fr/chateau-margaux-2019.html"
}

Structure du projet

millesima-scraper/
├── .actor/
│   ├── actor.json         # Configuration Apify
│   ├── Dockerfile         # Image Docker
│   └── input_schema.json  # Schéma des entrées
├── src/
│   ├── __init__.py
│   └── main.py            # Code principal du scraper
├── requirements.txt       # Dépendances Python
├── .gitignore
└── README.md

Notes techniques

• Utilise BeautifulSoup avec le parser lxml pour le parsing HTML
• Extraction des données via JSON-LD et parsing HTML
• Rate limiting intégré pour éviter le blocage
• Support des proxies Apify pour la rotation d'IP

Critiques supportés

Le scraper extrait les notes des critiques suivants :

• RP - Robert Parker
• JR - Jeb Dunnuck
• DE - Decanter
• WS - Wine Spectator
• JS - James Suckling
• VG - Vinous
• NM - Neal Martin
• AG - Antonio Galloni

Licence

MIT