Compare commits

..

54 Commits

Author SHA1 Message Date
gilles 412a06be2c chore: exclure données runtime du versionnement (db, uploads, cache) 2026-03-22 14:29:54 +01:00
gilles 8ddfe545d9 aorus 2026-03-22 14:20:07 +01:00
gilles 76d0984b06 feat(planning): vue Gantt + toggle calendrier/gantt 2026-03-22 12:51:32 +01:00
gilles 4fca4b9278 aorus 2026-03-22 12:51:31 +01:00
gilles d9512248df Téléverser les fichiers vers "data" 2026-03-22 12:34:50 +01:00
gilles a070b9c499 Supprimer data/jardin.db 2026-03-22 12:34:27 +01:00
gilles a30e83a724 aorus 2026-03-22 12:17:01 +01:00
gilles 7afca6ed04 aorus 2026-03-22 11:42:57 +01:00
gilles 2043a1b8b5 maj 2026-03-09 18:26:04 +01:00
gilles 2d5e5a05a2 claude 5 2026-03-09 18:19:38 +01:00
gilles 4c279c387c fix(plantes): submitPlant — créer/modifier PlantVariety lors de la soumission du formulaire plante
Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
2026-03-08 19:49:05 +01:00
gilles 149d8caa06 fix(plantes): test plant_variety + seed PlantVariety + formatPlantLabel + migrate.py nettoyage
Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
2026-03-08 19:45:52 +01:00
gilles 672ac529e7 fix(plantes): deleteVariety/submitVariety — try/catch + refresh detailPlantObj
Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
2026-03-08 19:38:06 +01:00
gilles 174ed9c25d feat(plantes): popup variété + bouton Variété + temp_germination/temps_levee_j
- Ajoute detailPlantObj (ref<Plant>) synchronisé dans openDetails/prevVariety/nextVariety/closeDetail
- Renomme detailVarieties (ref<Plant[]>) en detailPlantGroup pour la navigation par groupe de nom_commun
- Ajoute detailVarieties comme computed<PlantVariety[]> depuis detailPlantObj.value.varieties
- Ajoute refs/fonctions formulaire variété : showFormVariety, editVariety, formVariety, openAddVariety, openEditVariety, closeFormVariety, submitVariety, deleteVariety
- Bouton  Variété dans le footer du popup détail
- Liste des PlantVariety dans le popup détail (avec édition/suppression et alerte DLUO)
- Champs temp_germination et temps_levee_j dans la section caractéristiques
- Popup formulaire variété (z-[70]) avec tous les champs

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
2026-03-08 19:34:39 +01:00
gilles 05b2ddc27c feat(plantes): store plants — actions variety CRUD 2026-03-08 19:29:58 +01:00
gilles 32c7781d14 feat(plantes): API plants.ts — Plant + PlantVariety + endpoints varieties
Remplace Plant (variete/boutique/tags inline) par Plant + PlantVariety séparés.
Ajoute temp_germination, temps_levee_j, varieties[]. Ajoute CRUD variétés dans plantsApi.
Corrige PlantesView et TachesView pour lire boutique/variete via varieties?.[0].

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
2026-03-08 19:28:19 +01:00
gilles d4d104b2c2 fix(plantes): import_graines — idempotence plant_variety + media + import unicodedata
Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
2026-03-08 19:08:32 +01:00
gilles 0f5ebd25be feat(plantes): script import graines + arbustre (JSON → plant_variety)
Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
2026-03-08 19:04:56 +01:00
gilles 1b7a8b8f25 fix(db): activer PRAGMA foreign_keys=ON pour SQLite (ON DELETE CASCADE effectif)
Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
2026-03-08 18:58:09 +01:00
gilles 1095edffdb feat(plantes): router plants — GET retourne varieties + CRUD /varieties 2026-03-08 18:54:30 +01:00
gilles 8edcf5fd8d feat(plantes): migrate.py — sections plant_variety + temp_germination/temps_levee_j 2026-03-08 18:52:48 +01:00
gilles 1d4708585e fix(plantes): script migration — try/except rollback + DB_PATH absolu + commentaires IDs
Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
2026-03-08 18:51:50 +01:00
gilles 18ee6e1fbe feat(plantes): script migration one-shot plant_variety + fusion haricot grimpant 2026-03-08 17:36:11 +01:00
gilles 4a7ecffbb8 fix(plantes): PlantImage __tablename__ explicite + varieties Field(default_factory=list)
Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
2026-03-08 17:34:55 +01:00
gilles b41a0f817c fix(plantes): PlantWithVarieties — ajouter created_at manquant 2026-03-08 14:11:35 +01:00
gilles de967141ba feat(plantes): modèle Plant épuré + PlantVariety + PlantWithVarieties 2026-03-08 14:10:12 +01:00
gilles 734c33a12e docs: plan implémentation plantes/variétés — 8 tâches 2026-03-08 14:06:21 +01:00
gilles e40351e0be docs: design plantes/variétés — Option B 2 tables + import graines 2026-03-08 14:01:42 +01:00
gilles f8e64d6a2c feat(intrants): IntratsView with Achats + Fabrications tabs
Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
2026-03-08 13:24:26 +01:00
gilles 80173171b3 feat(intrants): add /intrants route + sidebar nav 2026-03-08 13:19:11 +01:00
gilles 8bf281a3fb feat(intrants): frontend API clients + Pinia stores 2026-03-08 10:10:10 +01:00
gilles d2f2f6d7d7 feat(intrants): register achats + fabrications routers 2026-03-08 10:09:23 +01:00
gilles 107640e561 feat(intrants): CRUD + statut router for fabrications 2026-03-08 10:08:27 +01:00
gilles a5c503e1f3 feat(intrants): CRUD router for achats 2026-03-08 10:08:14 +01:00
gilles 75f18c9eb8 feat(intrants): add migration for achat_intrant + fabrication tables
Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
2026-03-08 10:07:28 +01:00
gilles faa469e688 feat(intrants): add AchatIntrant + Fabrication SQLModel
Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
2026-03-08 10:05:53 +01:00
gilles 14636bd58f 8 mars 2026-03-08 10:04:14 +01:00
gilles 7967f63fea avant 50 2026-03-01 07:21:46 +01:00
gilles 9db5cbf236 before gemiin 2026-02-22 22:18:32 +01:00
gilles fb33540bb0 refactor(settings): extraire UI_SIZE_DEFAULTS partagé + catch erreur saveUiSettings
Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
2026-02-22 20:15:57 +01:00
gilles 155de270dc feat(settings): sliders taille texte/menu/icônes/miniatures + CSS vars globales
Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
2026-02-22 20:12:22 +01:00
gilles 0d3bf205b1 feat(saints-dictons): table saint_du_jour + API + import standalone 366j
- Nouveau modèle SaintDuJour (mois+jour+saints_json, indépendant de l'année)
- Router /api/saints et /api/saints/jour (mois+jour → liste de prénoms)
- Script standalone import_webapp_db.py : saints_du_jour.json → saint_du_jour,
  dictons_du_jour.json → dicton ; modes replace/append, --dry-run, --region
- Données JSON 366 jours : saints_du_jour.json + dictons_du_jour.json
- Scripts scraping/export calendrier_lunaire/saints_dictons/

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
2026-02-22 19:54:47 +01:00
gilles a9f0556d73 fix(router): guard OperationalError si tables météo inexistantes 2026-02-22 19:16:46 +01:00
gilles 55387f4b0e maj via codex 2026-02-22 18:34:50 +01:00
gilles 20af00d653 avant codex 2026-02-22 15:05:40 +01:00
gilles fed449c784 feat(router): endpoints météo tableau/station/previsions + tests
Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
2026-02-22 14:56:11 +01:00
gilles 2ca8281b0a feat(scheduler): APScheduler 3 jobs météo dans FastAPI lifespan
Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
2026-02-22 14:50:33 +01:00
gilles 3b1601a07b feat(service): open-meteo enrichi (sol, ETP, past_days, humidité) + tests
- Remplace le service meteo.py minimal par une version enrichie :
  past_days=7 + forecast=8, champs humidite_moy, sol_0cm, etp_mm
- Corrige les noms de champs API (weather_code, wind_speed_10m_max)
  et passe les paramètres daily en liste de tuples pour compatibilité
- Ajoute fetch_and_store_forecast() pour le scheduler (Task 6)
- Conserve fetch_forecast() pour compatibilité ascendante (GET /api/meteo)
- Crée backend/tests/test_meteo.py (test_health passe, 3 autres
  échouent en attente des endpoints Task 7)

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
2026-02-22 14:46:37 +01:00
gilles 8a7a2c7c6d feat(service): scraper station WeeWX (RSS current + NOAA yesterday)
Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
2026-02-22 14:42:18 +01:00
gilles cc69d0d5ad feat(astuce): ajout colonnes categorie/tags/mois + migration
Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
2026-02-22 14:38:06 +01:00
gilles 17d2c5ac18 feat(models): tables MeteoStation + MeteoOpenMeteo (SQLModel)
Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
2026-02-22 14:34:20 +01:00
gilles 29e2f18e98 feat(config): ajout STATION_URL, METEO_LAT/LON + apscheduler dep
Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
2026-02-22 14:32:07 +01:00
gilles f1f4c97dc6 docs: plan implémentation météo + astuces (12 tâches, TDD, bite-sized)
Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
2026-02-22 14:30:10 +01:00
gilles 3032751d16 docs: design météo + astuces (APScheduler + SQLite + tableau synthétique)
Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
2026-02-22 14:24:34 +01:00
377 changed files with 98536 additions and 727 deletions
+94
View File
@@ -0,0 +1,94 @@
{
"permissions": {
"allow": [
"Bash(npm install:*)",
"Bash(npm run build:*)",
"Bash(git -C:*)",
"Bash(/home/gilles/Documents/vscode/jardin/frontend/src/stores/gardens.ts:*)",
"Bash(/home/gilles/Documents/vscode/jardin/frontend/src/stores/varieties.ts:*)",
"Bash(/home/gilles/Documents/vscode/jardin/frontend/src/stores/plantings.ts:*)",
"Bash(/home/gilles/Documents/vscode/jardin/frontend/src/stores/tasks.ts:*)",
"Bash(npm run lint:*)",
"Bash(/home/gilles/Documents/vscode/jardin/frontend/tsconfig.json:*)",
"Bash(/home/gilles/Documents/vscode/jardin/frontend/src/router/index.ts:*)",
"Bash(/home/gilles/Documents/vscode/jardin/frontend/src/views/DashboardView.vue:*)",
"Bash(__NEW_LINE_c59ff40ee569d295__ cat)",
"Bash(/home/gilles/Documents/vscode/jardin/frontend/src/views/JardinsView.vue:*)",
"Bash(/home/gilles/Documents/vscode/jardin/frontend/src/views/JardinDetailView.vue:*)",
"Bash(/home/gilles/Documents/vscode/jardin/frontend/src/views/VarietesView.vue:*)",
"Bash(/home/gilles/Documents/vscode/jardin/frontend/src/views/PlantationsView.vue:*)",
"Bash(/home/gilles/Documents/vscode/jardin/frontend/src/views/PlanningView.vue:*)",
"Bash(/home/gilles/Documents/vscode/jardin/frontend/src/views/TachesView.vue:*)",
"Bash(/home/gilles/Documents/vscode/jardin/frontend/src/views/LunaireView.vue:*)",
"Bash(/home/gilles/Documents/vscode/jardin/frontend/src/views/ReglagesView.vue:*)",
"Bash(/home/gilles/Documents/vscode/jardin/frontend/src/components/AppHeader.vue:*)",
"Bash(/home/gilles/Documents/vscode/jardin/frontend/src/components/AppDrawer.vue:*)",
"Bash(/home/gilles/Documents/vscode/jardin/frontend/src/App.vue:*)",
"Bash(__NEW_LINE_a74f82e515f33f67__ cat)",
"Bash(/home/gilles/Documents/vscode/jardin/README.md:*)",
"Bash(docker compose up:*)",
"Bash(python3:*)",
"Bash(python -m pytest:*)",
"Read(//usr/bin/**)",
"Bash(pip3 install:*)",
"Bash(ls:*)",
"Bash(lsof:*)",
"Bash(curl:*)",
"Bash(npm run dev:*)",
"Bash(ss:*)",
"Bash(docker ps:*)",
"Bash(/home/gilles/Documents/vscode/jardin/backend/app/migrate.py:*)",
"Bash(docker compose stop:*)",
"Bash(docker compose start:*)",
"Bash(docker stop:*)",
"Bash(docker start:*)",
"Bash(/home/gilles/Documents/vscode/jardin/backend/app/models/planting.py:*)",
"Bash(/home/gilles/Documents/vscode/jardin/backend/app/routers/plantings.py:*)",
"Bash(/home/gilles/Documents/vscode/jardin/backend/app/models/task.py:*)",
"Bash(/home/gilles/Documents/vscode/jardin/backend/app/routers/tasks.py:*)",
"Bash(/home/gilles/Documents/vscode/jardin/ai-service/requirements.txt:*)",
"Bash(/home/gilles/Documents/vscode/jardin/ai-service/main.py:*)",
"Bash(/home/gilles/Documents/vscode/jardin/ai-service/Dockerfile:*)",
"Bash(/home/gilles/Documents/vscode/jardin/docker-compose.yml:*)",
"Bash(/home/gilles/Documents/vscode/jardin/backend/app/services/plantnet.py:*)",
"Bash(/home/gilles/Documents/vscode/jardin/backend/app/services/yolo_service.py:*)",
"Bash(/home/gilles/Documents/vscode/jardin/.env.example:*)",
"Bash(/home/gilles/Documents/vscode/jardin/backend/app/models/media.py:*)",
"Bash(/home/gilles/Documents/vscode/jardin/backend/tests/test_identify.py:*)",
"Bash(/home/gilles/Documents/vscode/jardin/frontend/src/components/PhotoIdentifyModal.vue:*)",
"Bash(pipx install:*)",
"Read(//tmp/jardin_screenshots/**)",
"Read(//tmp/**)",
"Read(//home/gilles/.claude/plugins/cache/claude-plugins-official/superpowers/4.3.1/skills/subagent-driven-development/**)",
"Bash(python:*)",
"Bash(sqlite3:*)",
"Bash(find:*)",
"Bash(.venv/bin/python:*)",
"Bash(.venv/bin/pip install:*)",
"Bash(grep:*)",
"Bash(wc:*)",
"Bash(DB=/home/gilles/Documents/vscode/jardin/data/jardin.db)",
"Bash(__NEW_LINE_c71d992d355b0a42__ echo \"=== Comptages ===\")",
"Bash(__NEW_LINE_c71d992d355b0a42__ echo \"\")",
"Bash(__NEW_LINE_bc37df477a517ffd__ echo \"\")",
"Bash(__NEW_LINE_cef0a7fc7759860e__ echo \"\")",
"Bash(docker compose restart:*)",
"Bash(docker compose build:*)",
"Bash(__NEW_LINE_5f780afd9b58590d__ echo \"\")",
"Read(//home/gilles/.claude/projects/-home-gilles-Documents-vscode-jardin/**)",
"Bash(npx tsc:*)",
"Bash(npx vite:*)"
],
"additionalDirectories": [
"/home/gilles/Documents/vscode/jardin/frontend/src",
"/home/gilles/Documents/vscode/jardin/frontend/src/router",
"/home/gilles/Documents/vscode/jardin/frontend/src/api",
"/home/gilles/Documents/vscode/jardin",
"/home/gilles/Documents/vscode/jardin/backend/app/models",
"/home/gilles/Documents/vscode/jardin/backend/app/routers",
"/home/gilles/Documents/vscode/jardin/frontend/src/views",
"/home/gilles/Documents/vscode/jardin/frontend/src/components",
"/home/gilles/.claude/projects/-home-gilles-Documents-vscode-jardin/memory"
]
}
}
+5
View File
@@ -6,3 +6,8 @@ VITE_API_URL=http://localhost:8060
PLANTNET_API_KEY=2b1088cHCJ4c7Cn2Vqq67xfve
AI_SERVICE_URL=http://ai-service:8070
REDIS_URL=redis://redis:6379
STATION_URL=http://10.0.0.8:8081/
METEO_LAT=45.14
METEO_LON=4.12
ENABLE_SCHEDULER=1
ENABLE_BOOTSTRAP=1
+8 -2
View File
@@ -3,10 +3,16 @@
**/*.pyo
.env*
!.env.example
data/*.db
data/uploads/
backend/.venv/
frontend/node_modules/
frontend/dist/
*.egg-info/
.pytest_cache/
# Données runtime — ne pas versionner (BDD, uploads, cache météo)
data/jardin.db
data/jardin.db-shm
data/jardin.db-wal
data/meteo_cache.json
data/uploads/
data/skyfield/
+130
View File
@@ -0,0 +1,130 @@
# CLAUDE.md
This file provides guidance to Claude Code (claude.ai/code) when working with code in this repository.
## Projet
Application web de **gestion de jardins** (potager, serre, plein air), self-hosted, mobile-first, entièrement **en français**. Thème visuel : **Gruvbox Dark "seventies"** (vintage, chaleureux, contrasté).
## Architecture cible
### Backend
- **Python FastAPI** + SQLModel (SQLAlchemy en dessous)
- **SQLite** par défaut (volume Docker persistant), migration future vers PostgreSQL prévue
- Stockage images : local `/data/uploads` + métadonnées en DB
- API REST documentée (OpenAPI auto-générée par FastAPI)
### Frontend
- **Vue 3 + Vite** (alternative React acceptable)
- **Tailwind CSS** avec thème Gruvbox Dark personnalisé
- Mobile-first, PWA en phase 2
### Déploiement
- **Docker Compose** : service `backend` + service `frontend` (static) + volumes `db` et `uploads`
## Commandes de développement
Une fois le projet créé, les commandes attendues seront :
```bash
# Lancer tout l'environnement
docker compose up --build
# Backend seul (développement)
cd backend && uvicorn app.main:app --reload
# Frontend seul (développement)
cd frontend && npm run dev
# Tests backend
cd backend && pytest
# Tests un seul fichier
cd backend && pytest tests/test_gardens.py -v
# Lint backend
cd backend && ruff check . && mypy .
# Lint frontend
cd frontend && npm run lint
```
## Modèle de données (tables MVP)
| Table | Rôle |
|---|---|
| `gardens` | Jardins (nom, type, coordonnées, exposition, sol) |
| `garden_cells` | Cases de la grille 2D du jardin |
| `garden_images` | Photos associées à un jardin |
| `measurements` | Relevés temp/humidité (air + sol) |
| `plant_varieties` | Catalogue de variétés (référence) |
| `plant_images` | Photos de variétés |
| `plantings` | Instance : variété X dans jardin Y à case Z |
| `planting_events` | Historique arrosage/taille/traitement/observation |
| `tasks` | Tâches (ponctuelles ou récurrentes) |
| `lunar_calendar_entries` | Cache/dataset calendrier lunaire |
| `user_settings` | Préférences locales |
## Endpoints API principaux
```
GET /api/health
GET/POST /api/gardens
GET/PUT/DELETE /api/gardens/{id}
GET/POST /api/gardens/{id}/cells
GET/POST /api/varieties
GET/POST /api/plantings
GET/POST /api/tasks
GET/POST /api/measurements
GET /api/lunar?month=YYYY-MM
POST /api/export
POST /api/import
```
## Thème Gruvbox Dark
Palette CSS à respecter partout :
```
Background principal : #282828
Background secondaire : #3c3836
Texte principal : #ebdbb2
Texte secondaire : #a89984
Accent vert : #b8bb26
Accent jaune : #fabd2f
Accent bleu : #83a598
Accent orange : #fe8019
Erreur rouge : #fb4934
```
Typo : `Fira Code` ou `Courier New` pour le côté rétro.
## Fonctionnalités MVP (ordre d'implémentation)
1. Modèle DB + CRUD jardins / variétés / plantations / tâches
2. Upload images + galerie
3. Vue grille jardin (2D) + placement des plantations
4. Planning calendrier (semaine/mois) + vues filtrées
5. Calendrier lunaire (phases + jours racine/feuille/fleur/fruit)
6. Dashboard + export/import JSON
7. Polissage UI mobile + README final
## Pages de l'interface
1. **Dashboard** — tâches du jour, mesures récentes, plantations actives
2. **Jardins** — liste, création, fiche jardin
3. **Grille jardin** — vue cases, détails par case
4. **Catalogue variétés** — liste, fiche variété
5. **Plantations** — liste filtrable, création, fiche
6. **Planning** — calendrier mois/semaine + actions
7. **Tâches** — Kanban simple ou liste
8. **Calendrier lunaire** — vue mois + détails jour
9. **Réglages** — unités, localisation, export/import, sauvegarde
## Qualité & conventions
- Validation stricte Pydantic côté backend
- Logs structurés (JSON) côté backend
- Tests CRUD + filtres pour chaque ressource API
- Variables d'environnement côté backend uniquement (pas de secrets dans le frontend)
- Données de démo (seed) : 1 jardin + quelques variétés + plantations + tâches
+90
View File
@@ -0,0 +1,90 @@
# 🌿 Jardin — Application de gestion de jardins
Interface web **mobile-first** pour gérer jardins, cultures, tâches et calendrier lunaire, avec détection d'espèces via IA.
Thème visuel : **Gruvbox Dark Seventies**.
## 🏗️ Architecture du Projet
Le projet est composé de trois services principaux orchestrés par Docker Compose :
1. **Backend (FastAPI)** : API REST gérant la logique métier, la base de données (SQLite/SQLModel) et l'intégration des services (lunaire, météo).
2. **Frontend (Vue 3)** : Interface utilisateur réactive avec Vite, Pinia pour le store, et Tailwind CSS pour le style.
3. **AI Service (FastAPI + YOLO)** : Service spécialisé dans la détection et classification de plantes via un modèle YOLOv8 (`ultralytics`).
4. **Redis** : Utilisé pour le cache et les tâches planifiées.
## 🚀 Démarrage Rapide
### Avec Docker (Recommandé)
```bash
cp .env.example .env
docker compose up --build
```
- **Application** : [http://localhost:8061](http://localhost:8061)
- **API Documentation (Swagger)** : [http://localhost:8060/docs](http://localhost:8060/docs)
### Développement Local
#### Backend
```bash
cd backend
python -m venv .venv && source .venv/bin/activate
pip install -r requirements.txt
# Variables d'env par défaut pour le dev local
export DATABASE_URL=sqlite:///./data/jardin.db
export UPLOAD_DIR=./data/uploads
uvicorn app.main:app --reload --port 8060
```
#### Frontend
```bash
cd frontend
npm install
npm run dev -- --port 8061
```
#### AI Service
```bash
cd ai-service
pip install -r requirements.txt
uvicorn main:app --reload --port 8070
```
## 🛠️ Commandes de Test et Qualité
### Backend
```bash
cd backend
pytest tests/ -v
```
### Frontend
```bash
cd frontend
npm run lint # Vérification TypeScript (vue-tsc)
```
## 📋 Conventions de Développement
- **Langue** : Code en anglais (variables, fonctions, routes), commentaires et documentation en français.
- **Style Backend** : PEP 8. Utilisation de `SQLModel` pour les modèles de données (union de SQLAlchemy et Pydantic).
- **Style Frontend** : Composition API (Vue 3). Utilisation de TypeScript obligatoire. Tailwind CSS pour le styling atomique.
- **API** : Préfixe `/api` pour tous les endpoints. Documentation automatique via Swagger.
- **Base de données** : SQLite par défaut pour la simplicité et la portabilité (située dans `data/jardin.db`).
- **Media** : Les images uploadées sont stockées dans `data/uploads/` et servies via `/uploads`.
## 📂 Structure des Données (Modèles SQLModel)
- `Garden` : Jardins (nom, dimensions, exposition, géolocalisation).
- `Plant` : Bibliothèque de plantes (nom, famille, exigences).
- `Variety` : Variétés spécifiques de plantes.
- `Planting` : Instances de plantation dans un jardin (date, état, position).
- `Task` : Tâches à accomplir (arrosage, taille, etc.).
- `Settings` : Paramètres utilisateur (lat/long pour météo/lune).
- `Meteo` : Données météo locales et prévisions.
- `Lunar` : Calculs de phases et conseils lunaires.
## 🤖 Service IA
Le service de détection utilise le modèle `foduucom/plant-leaf-detection-and-classification` via YOLOv8.
Endpoint : `POST /detect` acceptant une image.
Il est intégré au backend via le router `identify`.
+6 -3
View File
@@ -16,8 +16,8 @@ cp .env.example .env
docker compose up --build
```
- Application : http://localhost
- API (docs Swagger) : http://localhost:8000/docs
- Application : http://localhost:8061
- API (docs Swagger) : http://localhost:8060/docs
---
@@ -99,7 +99,10 @@ cp data/jardin.db data/jardin_backup_$(date +%Y%m%d).db
## API
Documentation interactive disponible sur http://localhost:8000/docs (Swagger UI).
Documentation interactive disponible sur http://localhost:8060/docs (Swagger UI).
Guide reseau local / VM / OpenClaw:
- `docs/api_utilisation_reseau_local_openclaw.md`
Endpoints principaux :
+89
View File
@@ -0,0 +1,89 @@
- [x] photo : upload + conversion WebP + thumbnail automatique
- couleur predominante : plantes: vert; jardin : marron; arrosage : bleu; outils: jaune
- [ ] ajout icones representatives dimensionnables
jardin :
- [x] ajouter les caracteristiques pour un jardin: photo, geolocalisation, type de terre, ph, ensoleillement, exposition, dimension, surface, ...
- [x] dans l'edition du jardin definir si carré potager avec dimension x;y en cm
plante :
- [x] header : varietés => remplacé par plante (partout dans le programme)
- [x] pour une plante, ajouter des caracteristiques : photo, nom, variétés, famille, résistance au froid, maladie commune et astuces, méthode de semis et de plantation, ...
- [x] plante du potager, fleur, arbre ou arbuste
- [x] liste de plantes courantes seedée : carotte, tomate, ail, oignon, haricot, petits pois, poireaux, pomme de terre, salade, fraise, framboise, persil, échalote, courgette, chou-fleur, chou boule, ...
- [x] association des plantes (favorables / défavorables) : tags noms communs, validation croisée, édition depuis popup plante
- [ ] ajouter un bouton "ajouter varieté" a gauche de modifier ce qui affiche un popup speciifque variété ou je peut saisir les champ specifique a une varieté et/ou modifier le contenu de champs de la plante "nom commun" ne supprime pas les champs et contenu de nom commun, mais se substitue. possibilite d'inserer les capture d'image du sachet de graine ( 2 photo avant et arriere) optimisiation de la taille de l'image
- [ ] analyse le dossier doc/graine et arbustre ( json et image) et ingrer une seule foisdans la bdd les élement, attention il y aura necessité de créer de nouvelle varité en fonction du nom commun. fait une selection intelligente des champ json utile dans ma base de donnée et qui concerne les caracteristiique de la varité . il y aura certainement la nencessité de rajoter des champ. verifie que les champ date de semis, repiquage, resolte soit bien present ( date => mois a cocher), verifie ensoleillement, arrosage, conseils, t° de germination, maladies, distance de semis, temps de levée. ces champs doivent aussi apparaire dans le poptup plante " nom commun" . brainstorming general pour la gestion des plantes pour une structure de donnée coherente, evolutive et efficace
- [ ] dans la base de donnée actuelle des plantes y a t il dans plan qui peuvent etre fusionner en créeant des vatiété ( ex haricot et haricot grimpant ?) analyse et propose une modiifcation de la bdd qui créer ainsi les nouvelles varietés
taches:
- [x] liste des tâches courantes au jardin pré-remplie (seed)
- [x] une tâche peut être unique ou avoir une fréquence (frequence_jours + date_prochaine)
- [x] une tâche peut utiliser un outil et s'applique à une plantation
outils:
- [x] outils de jardinage : CRUD complet, catégories
- [x] liste dans le header (OutilsView)
- [x] 1ère liste d'outils communs seedée (grelinette, pelle, bêche, pioche, sarcloir, ...)
planning:
- [x] PlanningView : calendrier 4 semaines, tâches et plantations par jour
- [] une vue calendrier et une vue gantt 2 bouton dans le hedader pour selectionner ou calendrier ou gantt
calendrier:
- [x] renommer le header lunaire en calendrier (Météo + Lunaire + Dictons + navigation)
- [x] calendrier lunaire avec icônes et texte (phases + types jours : racine/feuille/fleur/fruit)
- [x] dictons courants (région France, Auvergne, Haute-Loire, Yssingeaux)
- [x] dossier calendrier_lunaire analysé et intégré
meteo:
- [x] station météo locale (WeeWX) : données veille 1×/jour + actuelles 1×/heure
- [x] open-meteo.com : prévisions 1×/heure
- [x] tableau journalier synthétique (passé/présent/futur, colonne station + open-meteo)
- [x] dossiers prevision_meteo et station_meteo analysés et intégrés
astuces :
- [x] astuces pour les plantes, le jardin, les tâches : CRUD + filtres catégorie/mois/tag
- [ ] "Astuce du jour" dans le dashboard
capteur:
- [ ] récupération de capteurs : ensoleillement, température ambiante/sol, humidité air/sol, pH sol
- [ ] configuration via serveur MQTT (topic et payload)
- [ ] capteur extérieur et capteur serre
reglages :
- [x] application responsive desktop et smartphone
- [x] backup ZIP (DB + uploads) téléchargeable
- [ ] restauration depuis ZIP (upload + restore)
- [ ] sections réglages par type : interface, jardin, plante, tâches, calendrier, planning
- [x] détection de plante depuis photo (Pl@ntNet API + YOLO local)
- [x] réglage URL station météo locale et site distant
recolte:
- [x] saisie des quantités récoltées avec dates (unités : kg/g/unités/litres/bottes)
- [x] suivi maladies (mildiou), traitements, ravageurs (limaces, taupe, chenille) via Observations
frontend :
- [ ] icônes pour objets dimensionnables dans setting : jardin, plantes, tâche, calendrier, météo, outils
- [ ] icônes pour plantes dimensionnables dans setting : tomate, pomme de terre, salade, carotte, ...
- [x] mode édition pour les différents éléments (plantes, jardin, tâches, calendrier) via modales
- [ ] ajouter des images depuis iPhone (appareil photo natif)
- [x] PDF, annotations, URL pour tous types d'objets : jardin, plantes, outils (Attachments)
- [ ] vérifier affichage correct sur smartphone (à tester)
- [ ] utiliser le dossier icons pour le calendrier lunaire et la météo (icônes SVG adaptatifs dans settings)
bibliotheque photo:
- [x] bibliothèque (plante, légume, fleur, arbres et arbrisseaux, adventices) + galerie lightbox
- [x] identification via Pl@ntNet API (api key configurée)
- [x] détection locale style YOLO (consigne_yolo.md intégrée)
backend :
- [x] migration automatique BDD (migrate.py : ALTER TABLE ADD COLUMN sans perte de données)
- [x] mise à jour BDD via API REST
- [ ] ajouter des étoiles 1 à 5 (satisfaction plante)
divers :
- [ ] page 404 catch-all (route Vue manquante)
- [ ] export/import JSON complet
- [ ] observations dans PlantationsView (backend prêt, UI manquante)
- [ ] tests backend : couverture ~60% → objectif 80%
+7499
View File
File diff suppressed because it is too large Load Diff
+1 -1
View File
@@ -4,4 +4,4 @@ COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt
COPY . .
RUN mkdir -p /data/uploads
CMD ["uvicorn", "app.main:app", "--host", "0.0.0.0", "--port", "8000"]
CMD ["uvicorn", "app.main:app", "--host", "0.0.0.0", "--port", "8060"]
+5
View File
@@ -3,3 +3,8 @@ import os
DATABASE_URL = os.getenv("DATABASE_URL", "sqlite:///./jardin.db")
UPLOAD_DIR = os.getenv("UPLOAD_DIR", "./data/uploads")
CORS_ORIGINS = os.getenv("CORS_ORIGINS", "http://localhost:5173").split(",")
STATION_URL = os.getenv("STATION_URL", "http://10.0.0.8:8081/")
METEO_LAT = float(os.getenv("METEO_LAT", "45.14"))
METEO_LON = float(os.getenv("METEO_LON", "4.12"))
ENABLE_SCHEDULER = os.getenv("ENABLE_SCHEDULER", "1").lower() in {"1", "true", "yes", "on"}
ENABLE_BOOTSTRAP = os.getenv("ENABLE_BOOTSTRAP", "1").lower() in {"1", "true", "yes", "on"}
+8
View File
@@ -1,9 +1,17 @@
from sqlmodel import SQLModel, create_engine, Session
from sqlalchemy import event
from app.config import DATABASE_URL
engine = create_engine(DATABASE_URL, connect_args={"check_same_thread": False})
@event.listens_for(engine, "connect")
def set_sqlite_pragma(dbapi_connection, connection_record):
cursor = dbapi_connection.cursor()
cursor.execute("PRAGMA foreign_keys=ON")
cursor.close()
def get_session():
with Session(engine) as session:
yield session
+23 -2
View File
@@ -1,10 +1,11 @@
import asyncio
import os
from contextlib import asynccontextmanager
from fastapi import FastAPI
from fastapi.middleware.cors import CORSMiddleware
from app.config import CORS_ORIGINS, UPLOAD_DIR
from app.config import CORS_ORIGINS, ENABLE_BOOTSTRAP, ENABLE_SCHEDULER, UPLOAD_DIR
from app.database import create_db_and_tables
@@ -15,16 +16,30 @@ async def lifespan(app: FastAPI):
os.makedirs("/data/skyfield", exist_ok=True)
except OSError:
pass
if ENABLE_BOOTSTRAP:
import app.models # noqa — enregistre tous les modèles avant create_all
from app.migrate import run_migrations
run_migrations()
create_db_and_tables()
from app.seed import run_seed
run_seed()
if ENABLE_SCHEDULER:
from app.services.scheduler import setup_scheduler, backfill_station_missing_dates
setup_scheduler()
# Backfill des dates manquantes en arrière-plan (ne bloque pas le démarrage)
loop = asyncio.get_running_loop()
loop.run_in_executor(None, backfill_station_missing_dates)
yield
if ENABLE_BOOTSTRAP and ENABLE_SCHEDULER:
from app.services.scheduler import scheduler
scheduler.shutdown(wait=False)
app = FastAPI(title="Jardin API", lifespan=lifespan)
app = FastAPI(
title="Jardin API",
lifespan=lifespan,
redoc_js_url="https://cdn.jsdelivr.net/npm/redoc@2.1.3/bundles/redoc.standalone.js"
)
app.add_middleware(
CORSMiddleware,
@@ -42,11 +57,14 @@ from app.routers import ( # noqa
media,
tools,
dictons,
saints,
astuces,
recoltes,
lunar,
meteo,
identify,
achats,
fabrications,
)
app.include_router(gardens.router, prefix="/api")
@@ -57,11 +75,14 @@ app.include_router(settings.router, prefix="/api")
app.include_router(media.router, prefix="/api")
app.include_router(tools.router, prefix="/api")
app.include_router(dictons.router, prefix="/api")
app.include_router(saints.router, prefix="/api")
app.include_router(astuces.router, prefix="/api")
app.include_router(recoltes.router, prefix="/api")
app.include_router(lunar.router, prefix="/api")
app.include_router(meteo.router, prefix="/api")
app.include_router(identify.router, prefix="/api")
app.include_router(achats.router, prefix="/api")
app.include_router(fabrications.router, prefix="/api")
@app.get("/api/health")
+80
View File
@@ -13,9 +13,34 @@ EXPECTED_COLUMNS: dict[str, list[tuple[str, str, str | None]]] = {
("maladies_courantes", "TEXT", None),
("astuces_culture", "TEXT", None),
("url_reference", "TEXT", None),
("associations_favorables", "TEXT", None), # JSON list[str]
("associations_defavorables", "TEXT", None), # JSON list[str]
("temp_germination", "TEXT", None),
("temps_levee_j", "TEXT", None),
],
"plant_variety": [
("variete", "TEXT", None),
("tags", "TEXT", None),
("notes_variete", "TEXT", None),
("boutique_nom", "TEXT", None),
("boutique_url", "TEXT", None),
("prix_achat", "REAL", None),
("date_achat", "TEXT", None),
("poids", "TEXT", None),
("dluo", "TEXT", None),
],
"garden": [
("latitude", "REAL", None),
("longitude", "REAL", None),
("altitude", "REAL", None),
("adresse", "TEXT", None),
("longueur_m", "REAL", None),
("largeur_m", "REAL", None),
("surface_m2", "REAL", None),
("carre_potager", "INTEGER", "0"),
("carre_x_cm", "INTEGER", None),
("carre_y_cm", "INTEGER", None),
("photo_parcelle", "TEXT", None),
("ensoleillement", "TEXT", None),
],
"task": [
@@ -23,6 +48,26 @@ EXPECTED_COLUMNS: dict[str, list[tuple[str, str, str | None]]] = {
("date_prochaine", "TEXT", None),
("outil_id", "INTEGER", None),
],
"meteostation": [
("t_min", "REAL", None),
("t_max", "REAL", None),
],
"tool": [
("photo_url", "TEXT", None),
("video_url", "TEXT", None),
("notice_texte", "TEXT", None),
("notice_fichier_url", "TEXT", None),
("boutique_nom", "TEXT", None),
("boutique_url", "TEXT", None),
("prix_achat", "REAL", None),
],
"planting": [
("boutique_nom", "TEXT", None),
("boutique_url", "TEXT", None),
("tarif_achat", "REAL", None),
("date_achat", "TEXT", None),
("cell_ids", "TEXT", None), # JSON : liste des IDs de zones (multi-sélect)
],
"plantvariety": [
# ancien nom de table → migration vers "plant" si présente
],
@@ -32,6 +77,41 @@ EXPECTED_COLUMNS: dict[str, list[tuple[str, str, str | None]]] = {
("identified_confidence", "REAL", None),
("identified_source", "TEXT", None),
],
"astuce": [
("categorie", "TEXT", None),
("tags", "TEXT", None),
("mois", "TEXT", None),
("photos", "TEXT", None),
("videos", "TEXT", None),
],
"achat_intrant": [
("categorie", "TEXT", None),
("nom", "TEXT", None),
("marque", "TEXT", None),
("boutique_nom", "TEXT", None),
("boutique_url", "TEXT", None),
("prix", "REAL", None),
("poids", "TEXT", None),
("date_achat", "TEXT", None),
("dluo", "TEXT", None),
("notes", "TEXT", None),
("jardin_id", "INTEGER", None),
("plantation_id", "INTEGER", None),
("tache_id", "INTEGER", None),
],
"fabrication": [
("type", "TEXT", None),
("nom", "TEXT", None),
("ingredients", "TEXT", None),
("date_debut", "TEXT", None),
("date_fin_prevue", "TEXT", None),
("statut", "TEXT", "'en_cours'"),
("quantite_produite", "TEXT", None),
("notes", "TEXT", None),
("jardin_id", "INTEGER", None),
("plantation_id", "INTEGER", None),
("tache_id", "INTEGER", None),
],
}
+9 -1
View File
@@ -1,5 +1,13 @@
from app.models.garden import Garden, GardenCell, GardenImage, Measurement # noqa
from app.models.plant import PlantVariety, PlantImage # noqa
from app.models.plant import Plant, PlantImage, PlantVariety, PlantWithVarieties # noqa
from app.models.planting import Planting, PlantingEvent # noqa
from app.models.task import Task # noqa
from app.models.settings import UserSettings, LunarCalendarEntry # noqa
from app.models.tool import Tool # noqa
from app.models.media import Media, Attachment # noqa
from app.models.dicton import Dicton # noqa
from app.models.astuce import Astuce # noqa
from app.models.recolte import Recolte, Observation # noqa
from app.models.meteo import MeteoStation, MeteoOpenMeteo # noqa
from app.models.saint import SaintDuJour # noqa
from app.models.intrant import AchatIntrant, Fabrication # noqa
+21
View File
@@ -0,0 +1,21 @@
from datetime import datetime, timezone
from typing import Optional
from sqlmodel import Field, SQLModel
class Astuce(SQLModel, table=True):
id: Optional[int] = Field(default=None, primary_key=True)
# Anciens champs conservés (colonnes existantes en DB)
entity_type: Optional[str] = None
entity_id: Optional[int] = None
source: Optional[str] = None
# Champs principaux
titre: str
contenu: str
# Nouveaux champs bibliothèque
categorie: Optional[str] = None # "plante"|"jardin"|"tache"|"general"|"ravageur"|"maladie"
tags: Optional[str] = None # JSON array string: '["tomate","semis"]'
mois: Optional[str] = None # JSON array string: '[3,4,5]' ou null = toute l'année
photos: Optional[str] = None # JSON array string: '["/uploads/a.webp"]'
videos: Optional[str] = None # JSON array string: '["/uploads/b.mp4"]'
created_at: datetime = Field(default_factory=lambda: datetime.now(timezone.utc))
+10
View File
@@ -0,0 +1,10 @@
from typing import Optional
from sqlmodel import Field, SQLModel
class Dicton(SQLModel, table=True):
id: Optional[int] = Field(default=None, primary_key=True)
mois: int # 1-12
jour: Optional[int] = None
texte: str
region: Optional[str] = None # Auvergne|Haute-Loire|National
+13 -5
View File
@@ -1,4 +1,4 @@
from datetime import datetime
from datetime import datetime, timezone
from typing import Optional
from sqlmodel import Field, SQLModel
@@ -16,10 +16,18 @@ class Garden(SQLModel, table=True):
ombre: Optional[str] = None # ombre | mi-ombre | plein_soleil
sol_type: Optional[str] = None
sol_ph: Optional[float] = None
longueur_m: Optional[float] = None
largeur_m: Optional[float] = None
surface_m2: Optional[float] = None
carre_potager: bool = False
carre_x_cm: Optional[int] = None
carre_y_cm: Optional[int] = None
photo_parcelle: Optional[str] = None
ensoleillement: Optional[str] = None
grille_largeur: int = 6
grille_hauteur: int = 4
created_at: datetime = Field(default_factory=datetime.utcnow)
updated_at: datetime = Field(default_factory=datetime.utcnow)
created_at: datetime = Field(default_factory=lambda: datetime.now(timezone.utc))
updated_at: datetime = Field(default_factory=lambda: datetime.now(timezone.utc))
class GardenCell(SQLModel, table=True):
@@ -39,7 +47,7 @@ class GardenImage(SQLModel, table=True):
garden_id: int = Field(foreign_key="garden.id", index=True)
filename: str
caption: Optional[str] = None
created_at: datetime = Field(default_factory=datetime.utcnow)
created_at: datetime = Field(default_factory=lambda: datetime.now(timezone.utc))
class Measurement(SQLModel, table=True):
@@ -50,4 +58,4 @@ class Measurement(SQLModel, table=True):
humidite_air: Optional[float] = None
humidite_sol: Optional[float] = None
source: str = "manuel" # manuel | capteur
ts: datetime = Field(default_factory=datetime.utcnow)
ts: datetime = Field(default_factory=lambda: datetime.now(timezone.utc))
+57
View File
@@ -0,0 +1,57 @@
# backend/app/models/intrant.py
from datetime import datetime, timezone
from typing import List, Optional
from sqlalchemy import Column
from sqlalchemy import JSON as SA_JSON
from sqlmodel import Field, SQLModel
class AchatIntrant(SQLModel, table=True):
__tablename__ = "achat_intrant"
id: Optional[int] = Field(default=None, primary_key=True)
categorie: str # terreau | engrais | traitement | autre
nom: str
marque: Optional[str] = None
boutique_nom: Optional[str] = None
boutique_url: Optional[str] = None
prix: Optional[float] = None
poids: Optional[str] = None # "20L", "1kg", "500ml"
date_achat: Optional[str] = None # ISO date
dluo: Optional[str] = None # ISO date
notes: Optional[str] = None
jardin_id: Optional[int] = Field(default=None, foreign_key="garden.id")
plantation_id: Optional[int] = Field(default=None, foreign_key="planting.id")
tache_id: Optional[int] = Field(default=None, foreign_key="task.id")
created_at: datetime = Field(default_factory=lambda: datetime.now(timezone.utc))
class Ingredient(SQLModel):
"""Modèle pour un ingrédient de fabrication (non persisté seul)."""
nom: str
quantite: str # "1kg", "10L"
class Fabrication(SQLModel, table=True):
__tablename__ = "fabrication"
id: Optional[int] = Field(default=None, primary_key=True)
type: str # compost | decoction | purin | autre
nom: str
ingredients: Optional[List[dict]] = Field(
default=None,
sa_column=Column("ingredients", SA_JSON, nullable=True),
)
date_debut: Optional[str] = None # ISO date
date_fin_prevue: Optional[str] = None # ISO date
statut: str = "en_cours" # en_cours | pret | utilise | echec
quantite_produite: Optional[str] = None # "8L", "50kg"
notes: Optional[str] = None
jardin_id: Optional[int] = Field(default=None, foreign_key="garden.id")
plantation_id: Optional[int] = Field(default=None, foreign_key="planting.id")
tache_id: Optional[int] = Field(default=None, foreign_key="task.id")
created_at: datetime = Field(default_factory=lambda: datetime.now(timezone.utc))
class FabricationStatutUpdate(SQLModel):
statut: str
+1 -1
View File
@@ -5,7 +5,7 @@ from sqlmodel import Field, SQLModel
class Media(SQLModel, table=True):
id: Optional[int] = Field(default=None, primary_key=True)
entity_type: str # jardin|plante|outil|plantation
entity_type: str # jardin|plante|adventice|outil|plantation|bibliotheque
entity_id: int
url: str
thumbnail_url: Optional[str] = None
+38
View File
@@ -0,0 +1,38 @@
from typing import Optional
from sqlmodel import Field, SQLModel
class MeteoStation(SQLModel, table=True):
"""Données collectées depuis la station WeeWX locale."""
__tablename__ = "meteostation"
date_heure: str = Field(primary_key=True) # "2026-02-22T14:00"
type: str = "current" # "current" | "veille"
temp_ext: Optional[float] = None # °C extérieur
t_min: Optional[float] = None # résumé journée (NOAA)
t_max: Optional[float] = None # résumé journée (NOAA)
temp_int: Optional[float] = None # °C intérieur (serre)
humidite: Optional[float] = None # %
pression: Optional[float] = None # hPa
pluie_mm: Optional[float] = None # précipitations
vent_kmh: Optional[float] = None
vent_dir: Optional[str] = None # N/NE/E/SE/S/SO/O/NO
uv: Optional[float] = None
solaire: Optional[float] = None # W/m²
class MeteoOpenMeteo(SQLModel, table=True):
"""Prévisions journalières Open-Meteo."""
__tablename__ = "meteoopenmeteo"
date: str = Field(primary_key=True) # "2026-02-22"
t_min: Optional[float] = None
t_max: Optional[float] = None
pluie_mm: Optional[float] = None
vent_kmh: Optional[float] = None
wmo: Optional[int] = None
label: Optional[str] = None
humidite_moy: Optional[float] = None
sol_0cm: Optional[float] = None # temp sol surface
etp_mm: Optional[float] = None # évapotranspiration
fetched_at: Optional[str] = None
+80 -10
View File
@@ -1,35 +1,105 @@
from datetime import datetime
from typing import Optional
# backend/app/models/plant.py
from datetime import datetime, timezone
from typing import List, Optional
from sqlalchemy import Column
from sqlalchemy import JSON as SA_JSON
from sqlmodel import Field, SQLModel
class PlantVariety(SQLModel, table=True):
class Plant(SQLModel, table=True):
__tablename__ = "plant"
id: Optional[int] = Field(default=None, primary_key=True)
nom_commun: str
nom_botanique: Optional[str] = None
variete: Optional[str] = None
famille: Optional[str] = None
tags: Optional[str] = None # CSV
type_plante: Optional[str] = None # legume | fruit | aromatique | fleur
type_plante: Optional[str] = None
categorie: Optional[str] = None # potager|fleur|arbre|arbuste
besoin_eau: Optional[str] = None # faible | moyen | fort
besoin_soleil: Optional[str] = None
espacement_cm: Optional[int] = None
hauteur_cm: Optional[int] = None
temp_min_c: Optional[float] = None
temp_germination: Optional[str] = None # ex: "8-10°C"
temps_levee_j: Optional[str] = None # ex: "15-20 jours"
duree_culture_j: Optional[int] = None
profondeur_semis_cm: Optional[float] = None
sol_conseille: Optional[str] = None
semis_interieur_mois: Optional[str] = None # ex: "2,3"
semis_interieur_mois: Optional[str] = None # CSV ex: "2,3"
semis_exterieur_mois: Optional[str] = None
repiquage_mois: Optional[str] = None
plantation_mois: Optional[str] = None
recolte_mois: Optional[str] = None
maladies_courantes: Optional[str] = None
astuces_culture: Optional[str] = None
url_reference: Optional[str] = None
notes: Optional[str] = None
created_at: datetime = Field(default_factory=datetime.utcnow)
associations_favorables: Optional[List[str]] = Field(
default=None,
sa_column=Column("associations_favorables", SA_JSON, nullable=True),
)
associations_defavorables: Optional[List[str]] = Field(
default=None,
sa_column=Column("associations_defavorables", SA_JSON, nullable=True),
)
created_at: datetime = Field(default_factory=lambda: datetime.now(timezone.utc))
class PlantVariety(SQLModel, table=True):
__tablename__ = "plant_variety"
id: Optional[int] = Field(default=None, primary_key=True)
plant_id: int = Field(foreign_key="plant.id", index=True)
variete: Optional[str] = None
tags: Optional[str] = None
notes_variete: Optional[str] = None
boutique_nom: Optional[str] = None
boutique_url: Optional[str] = None
prix_achat: Optional[float] = None
date_achat: Optional[str] = None
poids: Optional[str] = None
dluo: Optional[str] = None
created_at: datetime = Field(default_factory=lambda: datetime.now(timezone.utc))
class PlantWithVarieties(SQLModel):
"""Schéma de réponse API : plant + ses variétés (non persisté)."""
id: Optional[int] = None
nom_commun: str
nom_botanique: Optional[str] = None
famille: Optional[str] = None
type_plante: Optional[str] = None
categorie: Optional[str] = None
besoin_eau: Optional[str] = None
besoin_soleil: Optional[str] = None
espacement_cm: Optional[int] = None
hauteur_cm: Optional[int] = None
temp_min_c: Optional[float] = None
temp_germination: Optional[str] = None
temps_levee_j: Optional[str] = None
duree_culture_j: Optional[int] = None
profondeur_semis_cm: Optional[float] = None
sol_conseille: Optional[str] = None
semis_interieur_mois: Optional[str] = None
semis_exterieur_mois: Optional[str] = None
repiquage_mois: Optional[str] = None
plantation_mois: Optional[str] = None
recolte_mois: Optional[str] = None
maladies_courantes: Optional[str] = None
astuces_culture: Optional[str] = None
url_reference: Optional[str] = None
notes: Optional[str] = None
created_at: Optional[datetime] = None
associations_favorables: Optional[List[str]] = None
associations_defavorables: Optional[List[str]] = None
varieties: List[PlantVariety] = Field(default_factory=list)
class PlantImage(SQLModel, table=True):
__tablename__ = "plant_image"
id: Optional[int] = Field(default=None, primary_key=True)
variety_id: int = Field(foreign_key="plantvariety.id", index=True)
plant_id: int = Field(foreign_key="plant.id", index=True)
filename: str
caption: Optional[str] = None
created_at: datetime = Field(default_factory=datetime.utcnow)
created_at: datetime = Field(default_factory=lambda: datetime.now(timezone.utc))
+42 -11
View File
@@ -1,25 +1,56 @@
from datetime import date, datetime
from typing import Optional
from datetime import date, datetime, timezone
from typing import List, Optional
from sqlalchemy import Column
from sqlalchemy import JSON as SA_JSON
from sqlmodel import Field, SQLModel
class Planting(SQLModel, table=True):
id: Optional[int] = Field(default=None, primary_key=True)
garden_id: int = Field(foreign_key="garden.id", index=True)
variety_id: int = Field(foreign_key="plantvariety.id", index=True)
cell_id: Optional[int] = Field(default=None, foreign_key="gardencell.id")
class PlantingCreate(SQLModel):
garden_id: int
variety_id: int
cell_id: Optional[int] = None
cell_ids: Optional[List[int]] = None # multi-sélect zones
date_semis: Optional[date] = None
date_plantation: Optional[date] = None
date_repiquage: Optional[date] = None
quantite: int = 1
statut: str = "prevu" # prevu | en_cours | termine | echoue
statut: str = "prevu"
boutique_nom: Optional[str] = None
boutique_url: Optional[str] = None
tarif_achat: Optional[float] = None
date_achat: Optional[date] = None
date_recolte_debut: Optional[date] = None
date_recolte_fin: Optional[date] = None
rendement_estime: Optional[float] = None
rendement_reel: Optional[float] = None
notes: Optional[str] = None
created_at: datetime = Field(default_factory=datetime.utcnow)
updated_at: datetime = Field(default_factory=datetime.utcnow)
class Planting(SQLModel, table=True):
id: Optional[int] = Field(default=None, primary_key=True)
garden_id: int = Field(foreign_key="garden.id", index=True)
variety_id: int = Field(foreign_key="plant.id", index=True)
cell_id: Optional[int] = Field(default=None, foreign_key="gardencell.id")
cell_ids: Optional[List[int]] = Field(
default=None,
sa_column=Column("cell_ids", SA_JSON, nullable=True),
)
date_semis: Optional[date] = None
date_plantation: Optional[date] = None
date_repiquage: Optional[date] = None
quantite: int = 1
statut: str = "prevu" # prevu | en_cours | termine | echoue
boutique_nom: Optional[str] = None
boutique_url: Optional[str] = None
tarif_achat: Optional[float] = None
date_achat: Optional[date] = None
date_recolte_debut: Optional[date] = None
date_recolte_fin: Optional[date] = None
rendement_estime: Optional[float] = None
rendement_reel: Optional[float] = None
notes: Optional[str] = None
created_at: datetime = Field(default_factory=lambda: datetime.now(timezone.utc))
updated_at: datetime = Field(default_factory=lambda: datetime.now(timezone.utc))
class PlantingEvent(SQLModel, table=True):
@@ -27,4 +58,4 @@ class PlantingEvent(SQLModel, table=True):
planting_id: int = Field(foreign_key="planting.id", index=True)
type: str # arrosage | taille | traitement | observation | autre
note: Optional[str] = None
ts: datetime = Field(default_factory=datetime.utcnow)
ts: datetime = Field(default_factory=lambda: datetime.now(timezone.utc))
+42
View File
@@ -0,0 +1,42 @@
from datetime import date, datetime, timezone
from typing import Optional
from sqlmodel import Field, SQLModel
class RecolteCreate(SQLModel):
quantite: float
unite: str = "kg" # kg|g|unites|litres|bottes
date_recolte: date
notes: Optional[str] = None
class Recolte(SQLModel, table=True):
id: Optional[int] = Field(default=None, primary_key=True)
plantation_id: int = Field(foreign_key="planting.id", index=True)
quantite: float
unite: str = "kg"
date_recolte: date
notes: Optional[str] = None
created_at: datetime = Field(default_factory=lambda: datetime.now(timezone.utc))
class ObservationCreate(SQLModel):
type: str # maladie|ravageur|traitement|note
titre: str
description: Optional[str] = None
date: date
photo_url: Optional[str] = None
plantation_id: Optional[int] = None
garden_id: Optional[int] = None
class Observation(SQLModel, table=True):
id: Optional[int] = Field(default=None, primary_key=True)
type: str
titre: str
description: Optional[str] = None
date: date
photo_url: Optional[str] = None
plantation_id: Optional[int] = Field(default=None, foreign_key="planting.id")
garden_id: Optional[int] = Field(default=None, foreign_key="garden.id")
created_at: datetime = Field(default_factory=lambda: datetime.now(timezone.utc))
+14
View File
@@ -0,0 +1,14 @@
from typing import Optional
from sqlmodel import Field, SQLModel
class SaintDuJour(SQLModel, table=True):
"""Saints fêtés pour un jour donné (indépendant de l'année)."""
__tablename__ = "saint_du_jour"
id: Optional[int] = Field(default=None, primary_key=True)
mois: int = Field(index=True) # 1-12
jour: int = Field(index=True) # 1-31
saints_json: str = Field(default="[]") # JSON array : ["St-Basile", "St-Grégoire", ...]
source_url: Optional[str] = None # URL source de scraping
+23 -6
View File
@@ -1,17 +1,34 @@
from datetime import date, datetime
from datetime import date, datetime, timezone
from typing import Optional
from sqlmodel import Field, SQLModel
class TaskCreate(SQLModel):
titre: str
description: Optional[str] = None
garden_id: Optional[int] = None
planting_id: Optional[int] = None
outil_id: Optional[int] = None
priorite: str = "normale" # basse | normale | haute
echeance: Optional[date] = None
recurrence: Optional[str] = None
frequence_jours: Optional[int] = None
date_prochaine: Optional[date] = None
statut: str = "a_faire" # a_faire | en_cours | fait | annule
class Task(SQLModel, table=True):
id: Optional[int] = Field(default=None, primary_key=True)
titre: str
description: Optional[str] = None
garden_id: Optional[int] = Field(default=None, foreign_key="garden.id")
planting_id: Optional[int] = Field(default=None, foreign_key="planting.id")
priorite: str = "normale" # basse | normale | haute
outil_id: Optional[int] = Field(default=None, foreign_key="tool.id")
priorite: str = "normale"
echeance: Optional[date] = None
recurrence: Optional[str] = None # quotidien | hebdomadaire | mensuel
statut: str = "a_faire" # a_faire | en_cours | fait | annule
created_at: datetime = Field(default_factory=datetime.utcnow)
updated_at: datetime = Field(default_factory=datetime.utcnow)
recurrence: Optional[str] = None
frequence_jours: Optional[int] = None
date_prochaine: Optional[date] = None
statut: str = "a_faire"
created_at: datetime = Field(default_factory=lambda: datetime.now(timezone.utc))
updated_at: datetime = Field(default_factory=lambda: datetime.now(timezone.utc))
+18
View File
@@ -0,0 +1,18 @@
from datetime import datetime, timezone
from typing import Optional
from sqlmodel import Field, SQLModel
class Tool(SQLModel, table=True):
id: Optional[int] = Field(default=None, primary_key=True)
nom: str
description: Optional[str] = None
categorie: Optional[str] = None # beche|fourche|griffe|arrosage|taille|autre
photo_url: Optional[str] = None
video_url: Optional[str] = None
notice_texte: Optional[str] = None
notice_fichier_url: Optional[str] = None
boutique_nom: Optional[str] = None
boutique_url: Optional[str] = None
prix_achat: Optional[float] = None
created_at: datetime = Field(default_factory=lambda: datetime.now(timezone.utc))
+60
View File
@@ -0,0 +1,60 @@
# backend/app/routers/achats.py
from typing import List, Optional
from fastapi import APIRouter, Depends, HTTPException, Query, status
from sqlmodel import Session, select
from app.database import get_session
from app.models.intrant import AchatIntrant
router = APIRouter(tags=["intrants"])
@router.get("/achats", response_model=List[AchatIntrant])
def list_achats(
categorie: Optional[str] = Query(None),
jardin_id: Optional[int] = Query(None),
session: Session = Depends(get_session),
):
q = select(AchatIntrant)
if categorie:
q = q.where(AchatIntrant.categorie == categorie)
if jardin_id:
q = q.where(AchatIntrant.jardin_id == jardin_id)
return session.exec(q.order_by(AchatIntrant.created_at.desc())).all()
@router.post("/achats", response_model=AchatIntrant, status_code=status.HTTP_201_CREATED)
def create_achat(a: AchatIntrant, session: Session = Depends(get_session)):
session.add(a)
session.commit()
session.refresh(a)
return a
@router.get("/achats/{id}", response_model=AchatIntrant)
def get_achat(id: int, session: Session = Depends(get_session)):
a = session.get(AchatIntrant, id)
if not a:
raise HTTPException(404, "Achat introuvable")
return a
@router.put("/achats/{id}", response_model=AchatIntrant)
def update_achat(id: int, data: AchatIntrant, session: Session = Depends(get_session)):
a = session.get(AchatIntrant, id)
if not a:
raise HTTPException(404, "Achat introuvable")
for k, v in data.model_dump(exclude_unset=True, exclude={"id", "created_at"}).items():
setattr(a, k, v)
session.add(a)
session.commit()
session.refresh(a)
return a
@router.delete("/achats/{id}", status_code=status.HTTP_204_NO_CONTENT)
def delete_achat(id: int, session: Session = Depends(get_session)):
a = session.get(AchatIntrant, id)
if not a:
raise HTTPException(404, "Achat introuvable")
session.delete(a)
session.commit()
+109
View File
@@ -0,0 +1,109 @@
import json
from typing import List, Optional
from fastapi import APIRouter, Depends, HTTPException, Query, status
from sqlmodel import Session, select
from app.database import get_session
from app.models.astuce import Astuce
router = APIRouter(tags=["astuces"])
def _decode_tags(raw: Optional[str]) -> list[str]:
if not raw:
return []
try:
parsed = json.loads(raw)
except Exception:
parsed = [p.strip() for p in raw.split(",") if p.strip()]
if not isinstance(parsed, list):
return []
return [str(x).strip().lower() for x in parsed if str(x).strip()]
def _decode_mois(raw: Optional[str]) -> list[int]:
if not raw:
return []
try:
parsed = json.loads(raw)
except Exception:
parsed = [p.strip() for p in raw.split(",") if p.strip()]
if not isinstance(parsed, list):
return []
result: list[int] = []
for x in parsed:
try:
month = int(x)
if 1 <= month <= 12:
result.append(month)
except (TypeError, ValueError):
continue
return result
@router.get("/astuces", response_model=List[Astuce])
def list_astuces(
entity_type: Optional[str] = Query(None),
entity_id: Optional[int] = Query(None),
categorie: Optional[str] = Query(None),
tag: Optional[str] = Query(None),
mois: Optional[int] = Query(None, ge=1, le=12),
session: Session = Depends(get_session),
):
q = select(Astuce)
if entity_type:
q = q.where(Astuce.entity_type == entity_type)
if entity_id is not None:
q = q.where(Astuce.entity_id == entity_id)
if categorie:
q = q.where(Astuce.categorie == categorie)
items = session.exec(q).all()
if tag:
wanted = tag.strip().lower()
items = [a for a in items if wanted in _decode_tags(a.tags)]
if mois is not None:
# mois null/empty = astuce valable toute l'année
items = [a for a in items if not _decode_mois(a.mois) or mois in _decode_mois(a.mois)]
return items
@router.post("/astuces", response_model=Astuce, status_code=status.HTTP_201_CREATED)
def create_astuce(a: Astuce, session: Session = Depends(get_session)):
session.add(a)
session.commit()
session.refresh(a)
return a
@router.get("/astuces/{id}", response_model=Astuce)
def get_astuce(id: int, session: Session = Depends(get_session)):
a = session.get(Astuce, id)
if not a:
raise HTTPException(404, "Astuce introuvable")
return a
@router.put("/astuces/{id}", response_model=Astuce)
def update_astuce(id: int, data: Astuce, session: Session = Depends(get_session)):
a = session.get(Astuce, id)
if not a:
raise HTTPException(404, "Astuce introuvable")
for k, v in data.model_dump(exclude_unset=True, exclude={"id", "created_at"}).items():
setattr(a, k, v)
session.add(a)
session.commit()
session.refresh(a)
return a
@router.delete("/astuces/{id}", status_code=status.HTTP_204_NO_CONTENT)
def delete_astuce(id: int, session: Session = Depends(get_session)):
a = session.get(Astuce, id)
if not a:
raise HTTPException(404, "Astuce introuvable")
session.delete(a)
session.commit()
+18
View File
@@ -0,0 +1,18 @@
from typing import List, Optional
from fastapi import APIRouter, Depends, Query
from sqlmodel import Session, select
from app.database import get_session
from app.models.dicton import Dicton
router = APIRouter(tags=["dictons"])
@router.get("/dictons", response_model=List[Dicton])
def list_dictons(
mois: Optional[int] = Query(None),
session: Session = Depends(get_session),
):
q = select(Dicton)
if mois:
q = q.where(Dicton.mois == mois)
return session.exec(q).all()
+78
View File
@@ -0,0 +1,78 @@
# backend/app/routers/fabrications.py
from typing import List, Optional
from fastapi import APIRouter, Depends, HTTPException, Query, status
from sqlmodel import Session, select
from app.database import get_session
from app.models.intrant import Fabrication, FabricationStatutUpdate
router = APIRouter(tags=["intrants"])
@router.get("/fabrications", response_model=List[Fabrication])
def list_fabrications(
type: Optional[str] = Query(None),
statut: Optional[str] = Query(None),
jardin_id: Optional[int] = Query(None),
session: Session = Depends(get_session),
):
q = select(Fabrication)
if type:
q = q.where(Fabrication.type == type)
if statut:
q = q.where(Fabrication.statut == statut)
if jardin_id:
q = q.where(Fabrication.jardin_id == jardin_id)
return session.exec(q.order_by(Fabrication.created_at.desc())).all()
@router.post("/fabrications", response_model=Fabrication, status_code=status.HTTP_201_CREATED)
def create_fabrication(f: Fabrication, session: Session = Depends(get_session)):
session.add(f)
session.commit()
session.refresh(f)
return f
@router.get("/fabrications/{id}", response_model=Fabrication)
def get_fabrication(id: int, session: Session = Depends(get_session)):
f = session.get(Fabrication, id)
if not f:
raise HTTPException(404, "Fabrication introuvable")
return f
@router.put("/fabrications/{id}", response_model=Fabrication)
def update_fabrication(id: int, data: Fabrication, session: Session = Depends(get_session)):
f = session.get(Fabrication, id)
if not f:
raise HTTPException(404, "Fabrication introuvable")
for k, v in data.model_dump(exclude_unset=True, exclude={"id", "created_at"}).items():
setattr(f, k, v)
session.add(f)
session.commit()
session.refresh(f)
return f
@router.patch("/fabrications/{id}/statut", response_model=Fabrication)
def update_statut(id: int, data: FabricationStatutUpdate, session: Session = Depends(get_session)):
f = session.get(Fabrication, id)
if not f:
raise HTTPException(404, "Fabrication introuvable")
valid = {"en_cours", "pret", "utilise", "echec"}
if data.statut not in valid:
raise HTTPException(400, f"Statut invalide. Valeurs: {valid}")
f.statut = data.statut
session.add(f)
session.commit()
session.refresh(f)
return f
@router.delete("/fabrications/{id}", status_code=status.HTTP_204_NO_CONTENT)
def delete_fabrication(id: int, session: Session = Depends(get_session)):
f = session.get(Fabrication, id)
if not f:
raise HTTPException(404, "Fabrication introuvable")
session.delete(f)
session.commit()
+63 -3
View File
@@ -1,15 +1,37 @@
from datetime import datetime
import os
import uuid
from datetime import datetime, timezone
from typing import List
from fastapi import APIRouter, Depends, HTTPException, status
from fastapi import APIRouter, Depends, File, HTTPException, UploadFile, status
from sqlmodel import Session, select
from app.config import UPLOAD_DIR
from app.database import get_session
from app.models.garden import Garden, GardenCell, GardenImage, Measurement
router = APIRouter(tags=["jardins"])
def _save_garden_photo(data: bytes) -> str:
try:
from PIL import Image
import io
img = Image.open(io.BytesIO(data)).convert("RGB")
img.thumbnail((1800, 1800))
name = f"garden_{uuid.uuid4()}.webp"
path = os.path.join(UPLOAD_DIR, name)
img.save(path, "WEBP", quality=88)
return name
except Exception:
name = f"garden_{uuid.uuid4()}.bin"
path = os.path.join(UPLOAD_DIR, name)
with open(path, "wb") as f:
f.write(data)
return name
@router.get("/gardens", response_model=List[Garden])
def list_gardens(session: Session = Depends(get_session)):
return session.exec(select(Garden)).all()
@@ -31,6 +53,31 @@ def get_garden(id: int, session: Session = Depends(get_session)):
return g
@router.post("/gardens/{id}/photo", response_model=Garden)
async def upload_garden_photo(
id: int,
file: UploadFile = File(...),
session: Session = Depends(get_session),
):
g = session.get(Garden, id)
if not g:
raise HTTPException(status_code=404, detail="Jardin introuvable")
content_type = file.content_type or ""
if not content_type.startswith("image/"):
raise HTTPException(status_code=400, detail="Le fichier doit être une image")
os.makedirs(UPLOAD_DIR, exist_ok=True)
data = await file.read()
filename = _save_garden_photo(data)
g.photo_parcelle = f"/uploads/{filename}"
g.updated_at = datetime.now(timezone.utc)
session.add(g)
session.commit()
session.refresh(g)
return g
@router.put("/gardens/{id}", response_model=Garden)
def update_garden(id: int, data: Garden, session: Session = Depends(get_session)):
g = session.get(Garden, id)
@@ -38,7 +85,7 @@ def update_garden(id: int, data: Garden, session: Session = Depends(get_session)
raise HTTPException(status_code=404, detail="Jardin introuvable")
for k, v in data.model_dump(exclude_unset=True, exclude={"id", "created_at"}).items():
setattr(g, k, v)
g.updated_at = datetime.utcnow()
g.updated_at = datetime.now(timezone.utc)
session.add(g)
session.commit()
session.refresh(g)
@@ -68,6 +115,19 @@ def create_cell(id: int, cell: GardenCell, session: Session = Depends(get_sessio
return cell
@router.put("/gardens/{id}/cells/{cell_id}", response_model=GardenCell)
def update_cell(id: int, cell_id: int, data: GardenCell, session: Session = Depends(get_session)):
c = session.get(GardenCell, cell_id)
if not c or c.garden_id != id:
raise HTTPException(status_code=404, detail="Case introuvable")
for k, v in data.model_dump(exclude_unset=True, exclude={"id", "garden_id"}).items():
setattr(c, k, v)
session.add(c)
session.commit()
session.refresh(c)
return c
@router.get("/gardens/{id}/measurements", response_model=List[Measurement])
def list_measurements(id: int, session: Session = Depends(get_session)):
return session.exec(select(Measurement).where(Measurement.garden_id == id)).all()
+36
View File
@@ -0,0 +1,36 @@
import calendar
from datetime import date
from typing import Any
from fastapi import APIRouter, HTTPException, Query
router = APIRouter(tags=["lunaire"])
# Cache en mémoire : {mois_str: list[dict]}
_CACHE: dict[str, list[dict]] = {}
@router.get("/lunar")
def get_lunar(
month: str = Query(..., description="Format YYYY-MM"),
) -> list[dict[str, Any]]:
if month in _CACHE:
return _CACHE[month]
try:
year, mon = int(month[:4]), int(month[5:7])
except (ValueError, IndexError):
raise HTTPException(400, "Format attendu : YYYY-MM")
last_day = calendar.monthrange(year, mon)[1]
start = date(year, mon, 1)
end = date(year, mon, last_day)
try:
from app.services.lunar import build_calendar
from dataclasses import asdict
result = [asdict(d) for d in build_calendar(start, end)]
except ImportError:
raise HTTPException(503, "Service lunaire non disponible (skyfield non installé)")
except Exception as e:
raise HTTPException(500, f"Erreur calcul lunaire : {e}")
_CACHE[month] = result
return result
+153 -8
View File
@@ -1,17 +1,122 @@
import os
import unicodedata
import uuid
from typing import List, Optional
from fastapi import APIRouter, Depends, File, HTTPException, Query, UploadFile, status
from pydantic import BaseModel
from sqlmodel import Session, select
from app.config import UPLOAD_DIR
from app.database import get_session
from app.models.media import Attachment, Media
from app.models.settings import UserSettings
class MediaPatch(BaseModel):
entity_type: Optional[str] = None
entity_id: Optional[int] = None
titre: Optional[str] = None
CANONICAL_ENTITY_TYPES = {
"jardin",
"plante",
"adventice",
"outil",
"plantation",
"bibliotheque",
}
ENTITY_TYPE_ALIASES = {
# Canonique
"jardin": "jardin",
"plante": "plante",
"adventice": "adventice",
"outil": "outil",
"plantation": "plantation",
"bibliotheque": "bibliotheque",
# Variantes FR
"jardins": "jardin",
"plantes": "plante",
"adventices": "adventice",
"outils": "outil",
"plantations": "plantation",
"bibliotheques": "bibliotheque",
"bibliotheque_media": "bibliotheque",
# Variantes EN (courantes via API)
"garden": "jardin",
"gardens": "jardin",
"plant": "plante",
"plants": "plante",
"weed": "adventice",
"weeds": "adventice",
"tool": "outil",
"tools": "outil",
"planting": "plantation",
"plantings": "plantation",
"library": "bibliotheque",
"media_library": "bibliotheque",
}
router = APIRouter(tags=["media"])
def _normalize_token(value: str) -> str:
token = (value or "").strip().lower()
token = unicodedata.normalize("NFKD", token).encode("ascii", "ignore").decode("ascii")
return token.replace("-", "_").replace(" ", "_")
def _normalize_entity_type(value: str, *, strict: bool = True) -> str:
token = _normalize_token(value)
canonical = ENTITY_TYPE_ALIASES.get(token, token)
if canonical in CANONICAL_ENTITY_TYPES:
return canonical
if strict:
allowed = ", ".join(sorted(CANONICAL_ENTITY_TYPES))
raise HTTPException(
status_code=422,
detail=f"entity_type invalide: '{value}'. Valeurs autorisees: {allowed}",
)
return value
def _entity_type_candidates(value: str) -> set[str]:
canonical = _normalize_entity_type(value, strict=True)
candidates = {canonical}
for alias, target in ENTITY_TYPE_ALIASES.items():
if target == canonical:
candidates.add(alias)
return candidates
def _canonicalize_rows(rows: List[Media], session: Session) -> None:
changed = False
for media in rows:
normalized = _normalize_entity_type(media.entity_type, strict=False)
if normalized in CANONICAL_ENTITY_TYPES and normalized != media.entity_type:
media.entity_type = normalized
session.add(media)
changed = True
if changed:
session.commit()
try:
import pillow_heif
pillow_heif.register_heif_opener()
except ImportError:
pass
def _is_heic(content_type: str, filename: str) -> bool:
if content_type.lower() in ("image/heic", "image/heif"):
return True
fn = (filename or "").lower()
return fn.endswith(".heic") or fn.endswith(".heif")
def _save_webp(data: bytes, max_px: int) -> str:
try:
from PIL import Image
@@ -32,15 +137,31 @@ def _save_webp(data: bytes, max_px: int) -> str:
@router.post("/upload")
async def upload_file(file: UploadFile = File(...)):
async def upload_file(
file: UploadFile = File(...),
session: Session = Depends(get_session),
):
os.makedirs(UPLOAD_DIR, exist_ok=True)
data = await file.read()
ct = file.content_type or ""
if ct.startswith("image/"):
name = _save_webp(data, 1200)
# Lire la largeur max configurée (défaut 1200, 0 = taille originale)
setting = session.exec(select(UserSettings).where(UserSettings.cle == "image_max_width")).first()
max_px = 1200
if setting:
try:
max_px = int(setting.valeur)
except (ValueError, TypeError):
pass
if max_px <= 0:
max_px = 99999
heic = _is_heic(ct, file.filename or "")
if heic or ct.startswith("image/"):
name = _save_webp(data, max_px)
thumb = _save_webp(data, 300)
return {"url": f"/uploads/{name}", "thumbnail_url": f"/uploads/{thumb}"}
else:
name = f"{uuid.uuid4()}_{file.filename}"
path = os.path.join(UPLOAD_DIR, name)
with open(path, "wb") as f:
@@ -56,8 +177,10 @@ def list_all_media(
"""Retourne tous les médias, filtrés optionnellement par entity_type."""
q = select(Media).order_by(Media.created_at.desc())
if entity_type:
q = q.where(Media.entity_type == entity_type)
return session.exec(q).all()
q = q.where(Media.entity_type.in_(_entity_type_candidates(entity_type)))
rows = session.exec(q).all()
_canonicalize_rows(rows, session)
return rows
@router.get("/media", response_model=List[Media])
@@ -66,15 +189,37 @@ def list_media(
entity_id: int = Query(...),
session: Session = Depends(get_session),
):
return session.exec(
rows = session.exec(
select(Media).where(
Media.entity_type == entity_type, Media.entity_id == entity_id
Media.entity_type.in_(_entity_type_candidates(entity_type)),
Media.entity_id == entity_id,
)
).all()
_canonicalize_rows(rows, session)
return rows
@router.post("/media", response_model=Media, status_code=status.HTTP_201_CREATED)
def create_media(m: Media, session: Session = Depends(get_session)):
m.entity_type = _normalize_entity_type(m.entity_type, strict=True)
session.add(m)
session.commit()
session.refresh(m)
return m
@router.patch("/media/{id}", response_model=Media)
def update_media(id: int, payload: MediaPatch, session: Session = Depends(get_session)):
m = session.get(Media, id)
if not m:
raise HTTPException(404, "Media introuvable")
updates = payload.model_dump(exclude_none=True)
if "entity_type" in updates:
updates["entity_type"] = _normalize_entity_type(updates["entity_type"], strict=True)
for k, v in updates.items():
setattr(m, k, v)
session.add(m)
session.commit()
session.refresh(m)
+193
View File
@@ -0,0 +1,193 @@
"""Router météo — station WeeWX + Open-Meteo + tableau synthétique."""
from datetime import date, timedelta
from typing import Any, Optional
from fastapi import APIRouter, Depends, HTTPException, Query
from sqlalchemy import text
from sqlalchemy.exc import OperationalError
from sqlmodel import Session
from app.database import get_session
router = APIRouter(tags=["météo"])
def _station_daily_summary(session: Session, iso_date: str) -> Optional[dict]:
"""Agrège les mesures horaires d'une journée en résumé."""
try:
rows = session.exec(
text(
"SELECT temp_ext, t_min, t_max, pluie_mm, vent_kmh, humidite "
"FROM meteostation WHERE substr(date_heure, 1, 10) = :d"
),
params={"d": iso_date},
).fetchall()
except OperationalError:
return None
if not rows:
return None
temps = [r[0] for r in rows if r[0] is not None]
t_mins = [r[1] for r in rows if r[1] is not None]
t_maxs = [r[2] for r in rows if r[2] is not None]
pluies = [r[3] for r in rows if r[3] is not None]
vents = [r[4] for r in rows if r[4] is not None]
hums = [r[5] for r in rows if r[5] is not None]
min_candidates = temps + t_mins
max_candidates = temps + t_maxs
return {
"t_min": round(min(min_candidates), 1) if min_candidates else None,
"t_max": round(max(max_candidates), 1) if max_candidates else None,
# WeeWX RSS expose souvent une pluie cumulée journalière.
"pluie_mm": round(max(pluies), 1) if pluies else 0.0,
"vent_kmh": round(max(vents), 1) if vents else None,
"humidite": round(sum(hums) / len(hums), 0) if hums else None,
}
def _station_current_row(session: Session) -> Optional[dict]:
"""Dernière mesure station (max 2h d'ancienneté)."""
try:
row = session.exec(
text(
"SELECT temp_ext, humidite, pression, pluie_mm, vent_kmh, vent_dir, uv, solaire, date_heure "
"FROM meteostation WHERE type='current' ORDER BY date_heure DESC LIMIT 1"
)
).fetchone()
except OperationalError:
return None
if not row:
return None
return {
"temp_ext": row[0], "humidite": row[1], "pression": row[2],
"pluie_mm": row[3], "vent_kmh": row[4], "vent_dir": row[5],
"uv": row[6], "solaire": row[7], "date_heure": row[8],
}
def _open_meteo_day(session: Session, iso_date: str) -> Optional[dict]:
try:
row = session.exec(
text(
"SELECT t_min, t_max, pluie_mm, vent_kmh, wmo, label, humidite_moy, sol_0cm, etp_mm "
"FROM meteoopenmeteo WHERE date = :d"
),
params={"d": iso_date},
).fetchone()
except OperationalError:
return None
if not row:
return None
return {
"t_min": row[0], "t_max": row[1], "pluie_mm": row[2],
"vent_kmh": row[3], "wmo": row[4], "label": row[5],
"humidite_moy": row[6], "sol_0cm": row[7], "etp_mm": row[8],
}
@router.get("/meteo/tableau")
def get_tableau(
center_date: Optional[str] = Query(None, description="Date centrale YYYY-MM-DD"),
span: int = Query(7, ge=1, le=31, description="Nombre de jours avant/après la date centrale"),
session: Session = Depends(get_session),
) -> dict[str, Any]:
"""Tableau synthétique centré sur une date, avec historique + prévision."""
today = date.today()
center = today
if center_date:
try:
center = date.fromisoformat(center_date)
except ValueError as exc:
raise HTTPException(status_code=400, detail="center_date invalide (format YYYY-MM-DD)") from exc
rows = []
for delta in range(-span, span + 1):
d = center + timedelta(days=delta)
iso = d.isoformat()
delta_today = (d - today).days
if delta_today < 0:
row_type = "passe"
station = _station_daily_summary(session, iso)
om = _open_meteo_day(session, iso)
elif delta_today == 0:
row_type = "aujourd_hui"
station_current = _station_current_row(session) or {}
station_daily = _station_daily_summary(session, iso) or {}
station = {**station_daily, **station_current} or None
om = _open_meteo_day(session, iso)
else:
row_type = "futur"
station = None
om = _open_meteo_day(session, iso)
rows.append({"date": iso, "type": row_type, "station": station, "open_meteo": om})
return {"rows": rows}
@router.get("/meteo/station/current")
def get_station_current(session: Session = Depends(get_session)) -> Optional[dict]:
return _station_current_row(session)
@router.get("/meteo/station/history")
def get_station_history(
days: int = Query(7, ge=1, le=30),
session: Session = Depends(get_session),
) -> dict[str, Any]:
today = date.today()
result = []
for delta in range(-days, 0):
d = today + timedelta(days=delta)
iso = d.isoformat()
summary = _station_daily_summary(session, iso)
result.append({"date": iso, "station": summary})
return {"days": result}
@router.get("/meteo/previsions")
def get_previsions(
days: int = Query(7, ge=1, le=14),
session: Session = Depends(get_session),
) -> dict[str, Any]:
today = date.today()
result = []
for delta in range(0, days + 1):
d = today + timedelta(days=delta)
iso = d.isoformat()
om = _open_meteo_day(session, iso)
if om:
result.append({"date": iso, **om})
return {"days": result}
@router.get("/meteo")
def get_meteo_legacy(
days: int = Query(14, ge=1, le=16),
lat: float = Query(45.14),
lon: float = Query(4.12),
):
"""Compatibilité ascendante avec l'ancien endpoint."""
from app.services.meteo import fetch_forecast
return fetch_forecast(lat=lat, lon=lon, days=days)
@router.post("/meteo/refresh")
def refresh_meteo() -> dict[str, str]:
"""Force le rafraîchissement immédiat des 3 jobs."""
from app.services.scheduler import scheduler
import datetime as dt
for job_id in ["station_current", "station_veille", "open_meteo"]:
job = scheduler.get_job(job_id)
if job:
job.modify(next_run_time=dt.datetime.now())
return {"status": "refresh planifié"}
+16 -6
View File
@@ -1,9 +1,9 @@
from datetime import datetime
from datetime import datetime, timezone
from typing import List
from fastapi import APIRouter, Depends, HTTPException, status
from sqlmodel import Session, select
from app.database import get_session
from app.models.planting import Planting, PlantingEvent
from app.models.planting import Planting, PlantingCreate, PlantingEvent
router = APIRouter(tags=["plantations"])
@@ -14,7 +14,12 @@ def list_plantings(session: Session = Depends(get_session)):
@router.post("/plantings", response_model=Planting, status_code=status.HTTP_201_CREATED)
def create_planting(p: Planting, session: Session = Depends(get_session)):
def create_planting(data: PlantingCreate, session: Session = Depends(get_session)):
d = data.model_dump()
# Rétro-compatibilité : cell_id = première zone sélectionnée
if d.get("cell_ids") and not d.get("cell_id"):
d["cell_id"] = d["cell_ids"][0]
p = Planting(**d)
session.add(p)
session.commit()
session.refresh(p)
@@ -30,13 +35,18 @@ def get_planting(id: int, session: Session = Depends(get_session)):
@router.put("/plantings/{id}", response_model=Planting)
def update_planting(id: int, data: Planting, session: Session = Depends(get_session)):
def update_planting(id: int, data: PlantingCreate, session: Session = Depends(get_session)):
p = session.get(Planting, id)
if not p:
raise HTTPException(status_code=404, detail="Plantation introuvable")
for k, v in data.model_dump(exclude_unset=True, exclude={"id", "created_at"}).items():
d = data.model_dump(exclude_unset=True)
# Rétro-compatibilité : cell_id = première zone sélectionnée
if "cell_ids" in d:
ids = d["cell_ids"] or []
d["cell_id"] = ids[0] if ids else None
for k, v in d.items():
setattr(p, k, v)
p.updated_at = datetime.utcnow()
p.updated_at = datetime.now(timezone.utc)
session.add(p)
session.commit()
session.refresh(p)
+110
View File
@@ -0,0 +1,110 @@
# backend/app/routers/plants.py
from typing import List, Optional
from fastapi import APIRouter, Depends, HTTPException, Query, status
from sqlmodel import Session, select
from app.database import get_session
from app.models.plant import Plant, PlantVariety, PlantWithVarieties
router = APIRouter(tags=["plantes"])
def _with_varieties(p: Plant, session: Session) -> PlantWithVarieties:
varieties = session.exec(
select(PlantVariety).where(PlantVariety.plant_id == p.id)
).all()
data = p.model_dump()
data["varieties"] = [v.model_dump() for v in varieties]
return PlantWithVarieties(**data)
@router.get("/plants", response_model=List[PlantWithVarieties])
def list_plants(
categorie: Optional[str] = Query(None),
session: Session = Depends(get_session),
):
q = select(Plant).order_by(Plant.nom_commun, Plant.id)
if categorie:
q = q.where(Plant.categorie == categorie)
return [_with_varieties(p, session) for p in session.exec(q).all()]
@router.post("/plants", response_model=PlantWithVarieties, status_code=status.HTTP_201_CREATED)
def create_plant(p: Plant, session: Session = Depends(get_session)):
session.add(p)
session.commit()
session.refresh(p)
return _with_varieties(p, session)
@router.get("/plants/{id}", response_model=PlantWithVarieties)
def get_plant(id: int, session: Session = Depends(get_session)):
p = session.get(Plant, id)
if not p:
raise HTTPException(404, "Plante introuvable")
return _with_varieties(p, session)
@router.put("/plants/{id}", response_model=PlantWithVarieties)
def update_plant(id: int, data: Plant, session: Session = Depends(get_session)):
p = session.get(Plant, id)
if not p:
raise HTTPException(404, "Plante introuvable")
for k, v in data.model_dump(exclude_unset=True, exclude={"id", "created_at"}).items():
setattr(p, k, v)
session.add(p)
session.commit()
session.refresh(p)
return _with_varieties(p, session)
@router.delete("/plants/{id}", status_code=status.HTTP_204_NO_CONTENT)
def delete_plant(id: int, session: Session = Depends(get_session)):
p = session.get(Plant, id)
if not p:
raise HTTPException(404, "Plante introuvable")
for v in session.exec(select(PlantVariety).where(PlantVariety.plant_id == id)).all():
session.delete(v)
session.delete(p)
session.commit()
# ---- CRUD Variétés ----
@router.get("/plants/{id}/varieties", response_model=List[PlantVariety])
def list_varieties(id: int, session: Session = Depends(get_session)):
if not session.get(Plant, id):
raise HTTPException(404, "Plante introuvable")
return session.exec(select(PlantVariety).where(PlantVariety.plant_id == id)).all()
@router.post("/plants/{id}/varieties", response_model=PlantVariety, status_code=status.HTTP_201_CREATED)
def create_variety(id: int, v: PlantVariety, session: Session = Depends(get_session)):
if not session.get(Plant, id):
raise HTTPException(404, "Plante introuvable")
v.plant_id = id
session.add(v)
session.commit()
session.refresh(v)
return v
@router.put("/plants/{id}/varieties/{vid}", response_model=PlantVariety)
def update_variety(id: int, vid: int, data: PlantVariety, session: Session = Depends(get_session)):
v = session.get(PlantVariety, vid)
if not v or v.plant_id != id:
raise HTTPException(404, "Variété introuvable")
for k, val in data.model_dump(exclude_unset=True, exclude={"id", "plant_id", "created_at"}).items():
setattr(v, k, val)
session.add(v)
session.commit()
session.refresh(v)
return v
@router.delete("/plants/{id}/varieties/{vid}", status_code=status.HTTP_204_NO_CONTENT)
def delete_variety(id: int, vid: int, session: Session = Depends(get_session)):
v = session.get(PlantVariety, vid)
if not v or v.plant_id != id:
raise HTTPException(404, "Variété introuvable")
session.delete(v)
session.commit()
+84
View File
@@ -0,0 +1,84 @@
from typing import List, Optional
from fastapi import APIRouter, Depends, HTTPException, Query, status
from sqlmodel import Session, select
from app.database import get_session
from app.models.recolte import Observation, ObservationCreate, Recolte, RecolteCreate
router = APIRouter(tags=["récoltes"])
# ── Récoltes (nested sous plantings) ──────────────────────────────────────────
@router.get("/plantings/{planting_id}/recoltes", response_model=List[Recolte])
def list_recoltes(planting_id: int, session: Session = Depends(get_session)):
return session.exec(
select(Recolte).where(Recolte.plantation_id == planting_id)
).all()
@router.post(
"/plantings/{planting_id}/recoltes",
response_model=Recolte,
status_code=status.HTTP_201_CREATED,
)
def create_recolte(
planting_id: int,
data: RecolteCreate,
session: Session = Depends(get_session),
):
r = Recolte(plantation_id=planting_id, **data.model_dump())
session.add(r)
session.commit()
session.refresh(r)
return r
@router.delete("/recoltes/{id}", status_code=status.HTTP_204_NO_CONTENT)
def delete_recolte(id: int, session: Session = Depends(get_session)):
r = session.get(Recolte, id)
if not r:
raise HTTPException(404, "Récolte introuvable")
session.delete(r)
session.commit()
# ── Observations ───────────────────────────────────────────────────────────────
@router.get("/observations", response_model=List[Observation])
def list_observations(
plantation_id: Optional[int] = Query(None),
garden_id: Optional[int] = Query(None),
session: Session = Depends(get_session),
):
q = select(Observation)
if plantation_id is not None:
q = q.where(Observation.plantation_id == plantation_id)
if garden_id is not None:
q = q.where(Observation.garden_id == garden_id)
return session.exec(q).all()
@router.post("/observations", response_model=Observation, status_code=status.HTTP_201_CREATED)
def create_observation(data: ObservationCreate, session: Session = Depends(get_session)):
o = Observation(**data.model_dump())
session.add(o)
session.commit()
session.refresh(o)
return o
@router.get("/observations/{id}", response_model=Observation)
def get_observation(id: int, session: Session = Depends(get_session)):
o = session.get(Observation, id)
if not o:
raise HTTPException(404, "Observation introuvable")
return o
@router.delete("/observations/{id}", status_code=status.HTTP_204_NO_CONTENT)
def delete_observation(id: int, session: Session = Depends(get_session)):
o = session.get(Observation, id)
if not o:
raise HTTPException(404, "Observation introuvable")
session.delete(o)
session.commit()
+57
View File
@@ -0,0 +1,57 @@
"""Router saints — consultation des saints du jour (indépendant de l'année)."""
import json
from typing import Any, List, Optional
from fastapi import APIRouter, Depends, Query
from sqlmodel import Session, select
from app.database import get_session
from app.models.saint import SaintDuJour
router = APIRouter(tags=["saints"])
@router.get("/saints", response_model=List[SaintDuJour])
def list_saints(
mois: Optional[int] = Query(None, ge=1, le=12),
jour: Optional[int] = Query(None, ge=1, le=31),
session: Session = Depends(get_session),
):
"""Liste les saints. Filtrer par mois et/ou jour."""
q = select(SaintDuJour)
if mois is not None:
q = q.where(SaintDuJour.mois == mois)
if jour is not None:
q = q.where(SaintDuJour.jour == jour)
q = q.order_by(SaintDuJour.mois, SaintDuJour.jour)
return session.exec(q).all()
@router.get("/saints/jour", response_model=dict)
def get_saints_du_jour(
mois: int = Query(..., ge=1, le=12),
jour: int = Query(..., ge=1, le=31),
session: Session = Depends(get_session),
) -> dict[str, Any]:
"""Retourne les saints et leur liste parsée pour un jour précis."""
row = session.exec(
select(SaintDuJour).where(
SaintDuJour.mois == mois,
SaintDuJour.jour == jour,
)
).first()
if not row:
return {"mois": mois, "jour": jour, "saints": []}
try:
saints_list = json.loads(row.saints_json)
except (json.JSONDecodeError, TypeError):
saints_list = []
return {
"mois": row.mois,
"jour": row.jour,
"saints": saints_list,
"source_url": row.source_url,
}
+489 -14
View File
@@ -1,11 +1,190 @@
from datetime import date
from fastapi import APIRouter, Depends
import os
import shutil
import time
import json
import tempfile
import zipfile
from datetime import datetime, timezone
from pathlib import Path
from typing import Any
from fastapi import APIRouter, Depends, File, Form, HTTPException, UploadFile
from fastapi.responses import FileResponse
from starlette.background import BackgroundTask
from sqlalchemy import text
from sqlmodel import Session, select
from app.database import get_session
from app.models.settings import UserSettings, LunarCalendarEntry
from app.models.settings import UserSettings
from app.config import DATABASE_URL, UPLOAD_DIR
router = APIRouter(tags=["réglages"])
_PREV_CPU_USAGE_USEC: int | None = None
_PREV_CPU_TS: float | None = None
_TEXT_EXTENSIONS = {
".txt", ".md", ".markdown", ".json", ".csv", ".log", ".ini", ".yaml", ".yml", ".xml"
}
def _read_int_from_paths(paths: list[str]) -> int | None:
for path in paths:
try:
with open(path, "r", encoding="utf-8") as f:
raw = f.read().strip().split()[0]
return int(raw)
except Exception:
continue
return None
def _read_cgroup_cpu_usage_usec() -> int | None:
# cgroup v2
try:
with open("/sys/fs/cgroup/cpu.stat", "r", encoding="utf-8") as f:
for line in f:
if line.startswith("usage_usec "):
return int(line.split()[1])
except Exception:
pass
# cgroup v1
ns = _read_int_from_paths(["/sys/fs/cgroup/cpuacct/cpuacct.usage"])
if ns is not None:
return ns // 1000
return None
def _cpu_quota_cores() -> float | None:
# cgroup v2
try:
with open("/sys/fs/cgroup/cpu.max", "r", encoding="utf-8") as f:
quota, period = f.read().strip().split()[:2]
if quota == "max":
return float(os.cpu_count() or 1)
q, p = int(quota), int(period)
if p > 0:
return max(q / p, 0.01)
except Exception:
pass
# cgroup v1
quota = _read_int_from_paths(["/sys/fs/cgroup/cpu/cpu.cfs_quota_us"])
period = _read_int_from_paths(["/sys/fs/cgroup/cpu/cpu.cfs_period_us"])
if quota is not None and period is not None and quota > 0 and period > 0:
return max(quota / period, 0.01)
return float(os.cpu_count() or 1)
def _memory_stats() -> dict[str, Any]:
used = _read_int_from_paths(
[
"/sys/fs/cgroup/memory.current", # cgroup v2
"/sys/fs/cgroup/memory/memory.usage_in_bytes", # cgroup v1
]
)
limit = _read_int_from_paths(
[
"/sys/fs/cgroup/memory.max", # cgroup v2
"/sys/fs/cgroup/memory/memory.limit_in_bytes", # cgroup v1
]
)
# Certaines limites cgroup valent "max" ou des sentinelles tres grandes.
if limit is not None and limit >= 9_000_000_000_000_000_000:
limit = None
pct = None
if used is not None and limit and limit > 0:
pct = round((used / limit) * 100, 1)
return {"used_bytes": used, "limit_bytes": limit, "used_pct": pct}
def _disk_stats() -> dict[str, Any]:
target = "/data" if os.path.isdir("/data") else "/"
total, used, free = shutil.disk_usage(target)
uploads_size = None
if os.path.isdir(UPLOAD_DIR):
try:
uploads_size = sum(
os.path.getsize(os.path.join(root, name))
for root, _, files in os.walk(UPLOAD_DIR)
for name in files
)
except Exception:
uploads_size = None
return {
"path": target,
"total_bytes": total,
"used_bytes": used,
"free_bytes": free,
"used_pct": round((used / total) * 100, 1) if total else None,
"uploads_bytes": uploads_size,
}
def _safe_remove(path: str) -> None:
try:
os.remove(path)
except OSError:
pass
def _resolve_sqlite_db_path() -> Path | None:
prefix = "sqlite:///"
if not DATABASE_URL.startswith(prefix):
return None
raw = DATABASE_URL[len(prefix):]
if not raw:
return None
db_path = Path(raw)
if db_path.is_absolute():
return db_path
return (Path.cwd() / db_path).resolve()
def _zip_directory(zipf: zipfile.ZipFile, source_dir: Path, arc_prefix: str) -> int:
count = 0
if not source_dir.is_dir():
return count
for root, _, files in os.walk(source_dir):
root_path = Path(root)
for name in files:
file_path = root_path / name
if not file_path.is_file():
continue
rel = file_path.relative_to(source_dir)
arcname = str(Path(arc_prefix) / rel)
zipf.write(file_path, arcname=arcname)
count += 1
return count
def _zip_data_text_files(
zipf: zipfile.ZipFile,
data_root: Path,
db_path: Path | None,
uploads_dir: Path,
) -> int:
count = 0
if not data_root.is_dir():
return count
for root, _, files in os.walk(data_root):
root_path = Path(root)
for name in files:
file_path = root_path / name
if db_path and file_path == db_path:
continue
if uploads_dir in file_path.parents:
continue
if file_path.suffix.lower() not in _TEXT_EXTENSIONS:
continue
rel = file_path.relative_to(data_root)
zipf.write(file_path, arcname=str(Path("data_text") / rel))
count += 1
return count
@router.get("/settings")
def get_settings(session: Session = Depends(get_session)):
@@ -26,14 +205,310 @@ def update_settings(data: dict, session: Session = Depends(get_session)):
return {"ok": True}
@router.get("/lunar")
def get_lunar(month: str, session: Session = Depends(get_session)):
year, m = map(int, month.split("-"))
first = date(year, m, 1)
last_m, last_y = (m + 1, year) if m < 12 else (1, year + 1)
last = date(last_y, last_m, 1)
return session.exec(
select(LunarCalendarEntry)
.where(LunarCalendarEntry.jour >= first)
.where(LunarCalendarEntry.jour < last)
).all()
@router.get("/settings/debug/system")
def get_debug_system_stats() -> dict[str, Any]:
"""Stats runtime du conteneur (utile pour affichage debug UI)."""
global _PREV_CPU_USAGE_USEC, _PREV_CPU_TS
now = time.monotonic()
usage_usec = _read_cgroup_cpu_usage_usec()
quota_cores = _cpu_quota_cores()
cpu_pct = None
if usage_usec is not None and _PREV_CPU_USAGE_USEC is not None and _PREV_CPU_TS is not None:
delta_usage = usage_usec - _PREV_CPU_USAGE_USEC
delta_time_usec = (now - _PREV_CPU_TS) * 1_000_000
if delta_time_usec > 0 and quota_cores and quota_cores > 0:
cpu_pct = round((delta_usage / (delta_time_usec * quota_cores)) * 100, 1)
_PREV_CPU_USAGE_USEC = usage_usec
_PREV_CPU_TS = now
return {
"source": "container-cgroup",
"cpu": {
"usage_usec_total": usage_usec,
"quota_cores": quota_cores,
"used_pct": cpu_pct,
},
"memory": _memory_stats(),
"disk": _disk_stats(),
}
def _create_backup_zip() -> tuple[Path, str]:
"""Crée l'archive ZIP de sauvegarde. Retourne (chemin_tmp, nom_fichier)."""
now = datetime.now(timezone.utc)
ts = now.strftime("%Y%m%d_%H%M%S")
db_path = _resolve_sqlite_db_path()
uploads_dir = Path(UPLOAD_DIR).resolve()
data_root = db_path.parent if db_path else uploads_dir.parent
fd, tmp_zip_path = tempfile.mkstemp(prefix=f"jardin_backup_{ts}_", suffix=".zip")
os.close(fd)
tmp_zip = Path(tmp_zip_path)
stats = {"database_files": 0, "upload_files": 0, "text_files": 0}
with zipfile.ZipFile(tmp_zip, mode="w", compression=zipfile.ZIP_DEFLATED, compresslevel=6) as zipf:
if db_path and db_path.is_file():
zipf.write(db_path, arcname=f"db/{db_path.name}")
stats["database_files"] = 1
stats["upload_files"] = _zip_directory(zipf, uploads_dir, "uploads")
stats["text_files"] = _zip_data_text_files(zipf, data_root, db_path, uploads_dir)
manifest = {
"generated_at_utc": now.isoformat(),
"database_url": DATABASE_URL,
"paths": {
"database_path": str(db_path) if db_path else None,
"uploads_path": str(uploads_dir),
"data_root": str(data_root),
},
"included": stats,
"text_extensions": sorted(_TEXT_EXTENSIONS),
}
zipf.writestr("manifest.json", json.dumps(manifest, ensure_ascii=False, indent=2))
return tmp_zip, f"jardin_backup_{ts}.zip"
@router.get("/settings/backup/download")
def download_backup_zip() -> FileResponse:
tmp_zip, download_name = _create_backup_zip()
return FileResponse(
path=str(tmp_zip),
media_type="application/zip",
filename=download_name,
background=BackgroundTask(_safe_remove, str(tmp_zip)),
)
def _merge_db_add_only(backup_db_path: Path, current_db_path: Path) -> dict[str, int]:
"""Insère dans la BDD courante les lignes absentes de la BDD de sauvegarde (INSERT OR IGNORE)."""
import sqlite3
stats = {"rows_added": 0, "rows_skipped": 0}
backup_conn = sqlite3.connect(str(backup_db_path))
current_conn = sqlite3.connect(str(current_db_path))
current_conn.execute("PRAGMA foreign_keys=OFF")
try:
tables = backup_conn.execute(
"SELECT name FROM sqlite_master WHERE type='table' AND name NOT LIKE 'sqlite_%'"
).fetchall()
for (table,) in tables:
try:
cur = backup_conn.execute(f'SELECT * FROM "{table}"')
cols = [d[0] for d in cur.description]
rows = cur.fetchall()
if not rows:
continue
col_names = ", ".join(f'"{c}"' for c in cols)
placeholders = ", ".join(["?"] * len(cols))
before = current_conn.execute(f'SELECT COUNT(*) FROM "{table}"').fetchone()[0]
current_conn.executemany(
f'INSERT OR IGNORE INTO "{table}" ({col_names}) VALUES ({placeholders})',
rows,
)
after = current_conn.execute(f'SELECT COUNT(*) FROM "{table}"').fetchone()[0]
added = after - before
stats["rows_added"] += added
stats["rows_skipped"] += len(rows) - added
except Exception:
pass
current_conn.commit()
finally:
backup_conn.close()
current_conn.close()
return stats
@router.post("/settings/backup/restore")
async def restore_backup(
file: UploadFile = File(...),
overwrite: bool = Form(default=True),
) -> dict[str, Any]:
"""Restaure une sauvegarde ZIP (DB + uploads). overwrite=true écrase, false ajoute uniquement."""
import shutil
db_path = _resolve_sqlite_db_path()
uploads_dir = Path(UPLOAD_DIR).resolve()
data = await file.read()
if len(data) < 4 or data[:2] != b'PK':
raise HTTPException(400, "Le fichier n'est pas une archive ZIP valide.")
fd, tmp_zip_path = tempfile.mkstemp(suffix=".zip")
os.close(fd)
tmp_zip = Path(tmp_zip_path)
tmp_extract = Path(tempfile.mkdtemp(prefix="jardin_restore_"))
try:
tmp_zip.write_bytes(data)
with zipfile.ZipFile(tmp_zip, "r") as zipf:
zipf.extractall(str(tmp_extract))
stats: dict[str, Any] = {
"uploads_copies": 0,
"uploads_ignores": 0,
"db_restauree": False,
"db_lignes_ajoutees": 0,
"erreurs": 0,
}
# --- Uploads ---
backup_uploads = tmp_extract / "uploads"
if backup_uploads.is_dir():
uploads_dir.mkdir(parents=True, exist_ok=True)
for src in backup_uploads.rglob("*"):
if not src.is_file():
continue
dst = uploads_dir / src.relative_to(backup_uploads)
dst.parent.mkdir(parents=True, exist_ok=True)
if overwrite or not dst.exists():
try:
shutil.copy2(str(src), str(dst))
stats["uploads_copies"] += 1
except Exception:
stats["erreurs"] += 1
else:
stats["uploads_ignores"] += 1
# --- Base de données ---
backup_db_dir = tmp_extract / "db"
db_files = sorted(backup_db_dir.glob("*.db")) if backup_db_dir.is_dir() else []
if db_files and db_path:
backup_db_file = db_files[0]
if overwrite:
from app.database import engine
try:
with engine.connect() as conn:
conn.execute(text("PRAGMA wal_checkpoint(TRUNCATE)"))
except Exception:
pass
engine.dispose()
shutil.copy2(str(backup_db_file), str(db_path))
stats["db_restauree"] = True
else:
merge = _merge_db_add_only(backup_db_file, db_path)
stats["db_lignes_ajoutees"] = merge["rows_added"]
stats["db_restauree"] = True
return {"ok": True, **stats}
except HTTPException:
raise
except Exception as exc:
raise HTTPException(500, f"Erreur lors de la restauration : {exc}") from exc
finally:
_safe_remove(str(tmp_zip))
shutil.rmtree(str(tmp_extract), ignore_errors=True)
@router.post("/settings/images/resize-all")
def resize_all_images(session: Session = Depends(get_session)) -> dict[str, Any]:
"""Redimensionne les images pleine taille de la bibliothèque dont la largeur dépasse le paramètre configuré."""
from PIL import Image
import io as _io
setting = session.exec(select(UserSettings).where(UserSettings.cle == "image_max_width")).first()
max_px = 1200
if setting:
try:
max_px = int(setting.valeur)
except (ValueError, TypeError):
pass
if max_px <= 0:
return {"ok": True, "redimensionnees": 0, "ignorees": 0, "erreurs": 0,
"message": "Taille originale configurée — aucune modification."}
from app.models.media import Media as MediaModel
urls = session.exec(select(MediaModel.url)).all()
uploads_dir = Path(UPLOAD_DIR).resolve()
redimensionnees = 0
ignorees = 0
erreurs = 0
for url in urls:
if not url:
continue
# /uploads/filename.webp → data/uploads/filename.webp
filename = url.lstrip("/").removeprefix("uploads/")
file_path = uploads_dir / filename
if not file_path.is_file():
ignorees += 1
continue
try:
with Image.open(file_path) as img:
w, h = img.size
if w <= max_px and h <= max_px:
ignorees += 1
continue
img_copy = img.copy()
img_copy.thumbnail((max_px, max_px), Image.LANCZOS)
img_copy.save(file_path, "WEBP", quality=85)
redimensionnees += 1
except Exception:
erreurs += 1
return {"ok": True, "redimensionnees": redimensionnees, "ignorees": ignorees, "erreurs": erreurs}
@router.post("/settings/backup/samba")
def backup_to_samba(session: Session = Depends(get_session)) -> dict[str, Any]:
"""Envoie une sauvegarde ZIP vers un partage Samba/CIFS."""
def _get(key: str, default: str = "") -> str:
row = session.exec(select(UserSettings).where(UserSettings.cle == key)).first()
return row.valeur if row else default
server = _get("samba_serveur").strip()
share = _get("samba_partage").strip()
username = _get("samba_utilisateur").strip()
password = _get("samba_motdepasse")
subfolder = _get("samba_sous_dossier").strip().strip("/\\")
if not server or not share:
raise HTTPException(400, "Configuration Samba incomplète : serveur et partage requis.")
try:
import smbclient # type: ignore
except ImportError:
raise HTTPException(500, "Module smbprotocol non installé dans l'environnement.")
tmp_zip, filename = _create_backup_zip()
try:
smbclient.register_session(server, username=username or None, password=password or None)
remote_dir = f"\\\\{server}\\{share}"
if subfolder:
remote_dir = f"{remote_dir}\\{subfolder}"
try:
smbclient.makedirs(remote_dir, exist_ok=True)
except Exception:
pass
remote_path = f"{remote_dir}\\{filename}"
with open(tmp_zip, "rb") as local_f:
data = local_f.read()
with smbclient.open_file(remote_path, mode="wb") as smb_f:
smb_f.write(data)
return {"ok": True, "fichier": filename, "chemin": remote_path}
except HTTPException:
raise
except Exception as exc:
raise HTTPException(500, f"Erreur Samba : {exc}") from exc
finally:
_safe_remove(str(tmp_zip))
+24 -6
View File
@@ -1,9 +1,9 @@
from datetime import datetime
from datetime import datetime, timezone
from typing import List, Optional
from fastapi import APIRouter, Depends, HTTPException, status
from sqlmodel import Session, select
from app.database import get_session
from app.models.task import Task
from app.models.task import Task, TaskCreate
router = APIRouter(tags=["tâches"])
@@ -12,6 +12,7 @@ router = APIRouter(tags=["tâches"])
def list_tasks(
statut: Optional[str] = None,
garden_id: Optional[int] = None,
planting_id: Optional[int] = None,
session: Session = Depends(get_session),
):
q = select(Task)
@@ -19,11 +20,15 @@ def list_tasks(
q = q.where(Task.statut == statut)
if garden_id:
q = q.where(Task.garden_id == garden_id)
if planting_id:
q = q.where(Task.planting_id == planting_id)
q = q.order_by(Task.echeance, Task.created_at.desc())
return session.exec(q).all()
@router.post("/tasks", response_model=Task, status_code=status.HTTP_201_CREATED)
def create_task(t: Task, session: Session = Depends(get_session)):
def create_task(data: TaskCreate, session: Session = Depends(get_session)):
t = Task(**data.model_dump())
session.add(t)
session.commit()
session.refresh(t)
@@ -39,13 +44,26 @@ def get_task(id: int, session: Session = Depends(get_session)):
@router.put("/tasks/{id}", response_model=Task)
def update_task(id: int, data: Task, session: Session = Depends(get_session)):
def update_task(id: int, data: TaskCreate, session: Session = Depends(get_session)):
t = session.get(Task, id)
if not t:
raise HTTPException(status_code=404, detail="Tâche introuvable")
for k, v in data.model_dump(exclude_unset=True, exclude={"id", "created_at"}).items():
for k, v in data.model_dump(exclude_unset=True).items():
setattr(t, k, v)
t.updated_at = datetime.utcnow()
t.updated_at = datetime.now(timezone.utc)
session.add(t)
session.commit()
session.refresh(t)
return t
@router.put("/tasks/{id}/statut", response_model=Task)
def update_statut(id: int, statut: str, session: Session = Depends(get_session)):
t = session.get(Task, id)
if not t:
raise HTTPException(status_code=404, detail="Tâche introuvable")
t.statut = statut
t.updated_at = datetime.now(timezone.utc)
session.add(t)
session.commit()
session.refresh(t)
+56
View File
@@ -0,0 +1,56 @@
from typing import List, Optional
from fastapi import APIRouter, Depends, HTTPException, Query, status
from sqlmodel import Session, select
from app.database import get_session
from app.models.tool import Tool
router = APIRouter(tags=["outils"])
@router.get("/tools", response_model=List[Tool])
def list_tools(
categorie: Optional[str] = Query(None),
session: Session = Depends(get_session),
):
q = select(Tool)
if categorie:
q = q.where(Tool.categorie == categorie)
return session.exec(q).all()
@router.post("/tools", response_model=Tool, status_code=status.HTTP_201_CREATED)
def create_tool(t: Tool, session: Session = Depends(get_session)):
session.add(t)
session.commit()
session.refresh(t)
return t
@router.get("/tools/{id}", response_model=Tool)
def get_tool(id: int, session: Session = Depends(get_session)):
t = session.get(Tool, id)
if not t:
raise HTTPException(404, "Outil introuvable")
return t
@router.put("/tools/{id}", response_model=Tool)
def update_tool(id: int, data: Tool, session: Session = Depends(get_session)):
t = session.get(Tool, id)
if not t:
raise HTTPException(404, "Outil introuvable")
for k, v in data.model_dump(exclude_unset=True, exclude={"id", "created_at"}).items():
setattr(t, k, v)
session.add(t)
session.commit()
session.refresh(t)
return t
@router.delete("/tools/{id}", status_code=status.HTTP_204_NO_CONTENT)
def delete_tool(id: int, session: Session = Depends(get_session)):
t = session.get(Tool, id)
if not t:
raise HTTPException(404, "Outil introuvable")
session.delete(t)
session.commit()
+207 -29
View File
@@ -6,14 +6,18 @@ import app.models # noqa
def run_seed():
from app.models.garden import Garden, GardenCell, Measurement
from app.models.plant import PlantVariety
from app.models.plant import Plant, PlantVariety
from app.models.planting import Planting, PlantingEvent
from app.models.task import Task
from app.models.tool import Tool
from app.models.dicton import Dicton
from app.models.astuce import Astuce
with Session(engine) as session:
if session.exec(select(Garden)).first():
return # déjà seedé
already_seeded = session.exec(select(Garden)).first() is not None
if not already_seeded:
# ── Jardin ────────────────────────────────────────────────────────────
jardin = Garden(
nom="Mon potager",
description="Potager principal plein sud",
@@ -21,6 +25,7 @@ def run_seed():
exposition="S",
ombre="plein_soleil",
sol_type="limoneux",
surface_m2=24.0,
grille_largeur=6,
grille_hauteur=4,
)
@@ -29,50 +34,223 @@ def run_seed():
for row in range(4):
for col in range(6):
session.add(GardenCell(
session.add(
GardenCell(
garden_id=jardin.id,
col=col, row=row,
col=col,
row=row,
libelle=f"{chr(65 + row)}{col + 1}",
))
)
)
session.add(Measurement(garden_id=jardin.id, temp_air=18.0, humidite_air=65.0))
tomate = PlantVariety(
nom_commun="Tomate", variete="Andine Cornue",
famille="Solanacées", type_plante="legume",
besoin_eau="fort", espacement_cm=60,
plantation_mois="4,5", recolte_mois="7,8,9",
)
courgette = PlantVariety(
nom_commun="Courgette", variete="Verte",
famille="Cucurbitacées", type_plante="legume",
besoin_eau="moyen", espacement_cm=80,
plantation_mois="5,6", recolte_mois="7,8",
)
salade = PlantVariety(
nom_commun="Laitue", variete="Batavia",
famille="Astéracées", type_plante="legume",
besoin_eau="moyen", espacement_cm=25,
)
session.add_all([tomate, courgette, salade])
# ── 20 Plantes ────────────────────────────────────────────────────────
plantes_data = [
dict(nom_commun="Tomate", variete="Andine Cornue", famille="Solanacées",
categorie="potager", type_plante="legume", besoin_eau="fort",
espacement_cm=60, plantation_mois="4,5", recolte_mois="7,8,9",
semis_interieur_mois="2,3"),
dict(nom_commun="Courgette", variete="Verte", famille="Cucurbitacées",
categorie="potager", type_plante="legume", besoin_eau="moyen",
espacement_cm=80, plantation_mois="5,6", recolte_mois="7,8",
semis_interieur_mois="4"),
dict(nom_commun="Carotte", famille="Apiacées",
categorie="potager", type_plante="legume", besoin_eau="moyen",
espacement_cm=8, semis_exterieur_mois="3,4,5,6",
recolte_mois="6,7,8,9,10"),
dict(nom_commun="Laitue", variete="Batavia", famille="Astéracées",
categorie="potager", type_plante="legume", besoin_eau="moyen",
espacement_cm=25, plantation_mois="3,4,5,8,9",
recolte_mois="5,6,7,10"),
dict(nom_commun="Ail", famille="Amaryllidacées",
categorie="potager", type_plante="legume", besoin_eau="faible",
espacement_cm=15, plantation_mois="10,11",
recolte_mois="6,7"),
dict(nom_commun="Oignon", famille="Amaryllidacées",
categorie="potager", type_plante="legume", besoin_eau="faible",
espacement_cm=10, semis_interieur_mois="2,3",
plantation_mois="4,5", recolte_mois="7,8"),
dict(nom_commun="Haricot", variete="Nain", famille="Fabacées",
categorie="potager", type_plante="legume", besoin_eau="moyen",
espacement_cm=15, semis_exterieur_mois="5,6",
recolte_mois="7,8,9"),
dict(nom_commun="Pois", variete="Mange-tout", famille="Fabacées",
categorie="potager", type_plante="legume", besoin_eau="moyen",
espacement_cm=10, semis_exterieur_mois="3,4",
recolte_mois="6,7"),
dict(nom_commun="Poireau", famille="Amaryllidacées",
categorie="potager", type_plante="legume", besoin_eau="moyen",
espacement_cm=15, semis_interieur_mois="2,3",
plantation_mois="6,7", recolte_mois="10,11,12,1,2"),
dict(nom_commun="Pomme de terre", famille="Solanacées",
categorie="potager", type_plante="legume", besoin_eau="moyen",
espacement_cm=35, plantation_mois="3,4,5",
recolte_mois="7,8,9,10"),
dict(nom_commun="Fraise", famille="Rosacées",
categorie="potager", type_plante="fruit", besoin_eau="moyen",
espacement_cm=30, plantation_mois="3,4,9,10",
recolte_mois="5,6,7"),
dict(nom_commun="Framboise", famille="Rosacées",
categorie="arbuste", type_plante="fruit", besoin_eau="moyen",
espacement_cm=60, plantation_mois="11,12,2,3",
recolte_mois="7,8,9"),
dict(nom_commun="Persil", famille="Apiacées",
categorie="potager", type_plante="aromatique", besoin_eau="moyen",
espacement_cm=20, semis_exterieur_mois="3,4,5,8",
recolte_mois="4,5,6,7,8,9,10"),
dict(nom_commun="Échalote", famille="Amaryllidacées",
categorie="potager", type_plante="legume", besoin_eau="faible",
espacement_cm=15, plantation_mois="2,3",
recolte_mois="7,8"),
dict(nom_commun="Chou-fleur", famille="Brassicacées",
categorie="potager", type_plante="legume", besoin_eau="fort",
espacement_cm=60, semis_interieur_mois="3,4",
plantation_mois="5,6", recolte_mois="9,10,11"),
dict(nom_commun="Chou", variete="Milan", famille="Brassicacées",
categorie="potager", type_plante="legume", besoin_eau="moyen",
espacement_cm=50, semis_interieur_mois="3,4",
plantation_mois="5,6", recolte_mois="10,11,12"),
dict(nom_commun="Betterave", famille="Amaranthacées",
categorie="potager", type_plante="legume", besoin_eau="moyen",
espacement_cm=15, semis_exterieur_mois="4,5,6",
recolte_mois="8,9,10"),
dict(nom_commun="Radis", famille="Brassicacées",
categorie="potager", type_plante="legume", besoin_eau="moyen",
espacement_cm=5, semis_exterieur_mois="3,4,5,8,9",
recolte_mois="4,5,6,9,10"),
dict(nom_commun="Épinard", famille="Amaranthacées",
categorie="potager", type_plante="legume", besoin_eau="moyen",
espacement_cm=15, semis_exterieur_mois="3,4,8,9",
recolte_mois="5,6,10,11"),
dict(nom_commun="Basilic", famille="Lamiacées",
categorie="potager", type_plante="aromatique", besoin_eau="moyen",
espacement_cm=20, semis_interieur_mois="3,4",
plantation_mois="5,6", recolte_mois="6,7,8,9"),
]
plantes = []
for data in plantes_data:
variete = data.pop('variete', None)
p = Plant(**data)
session.add(p)
plantes.append(p)
session.flush()
# Créer les variétés pour les plantes qui en avaient une
plantes_varietes = [
("Andine Cornue", 0), # Tomate
("Verte", 1), # Courgette
("Batavia", 3), # Laitue
("Nain", 6), # Haricot
("Mange-tout", 7), # Pois
("Milan", 15), # Chou
]
for variete_nom, idx in plantes_varietes:
session.add(PlantVariety(plant_id=plantes[idx].id, variete=variete_nom))
tomate = plantes[0]
courgette = plantes[1]
# ── Plantings ──────────────────────────────────────────────────────────
p1 = Planting(
garden_id=jardin.id, variety_id=tomate.id,
date_plantation=date(2026, 5, 1), quantite=6, statut="en_cours",
garden_id=jardin.id,
variety_id=tomate.id,
date_plantation=date(2026, 5, 1),
quantite=6,
statut="en_cours",
)
p2 = Planting(
garden_id=jardin.id, variety_id=courgette.id,
date_plantation=date(2026, 5, 15), quantite=3, statut="prevu",
garden_id=jardin.id,
variety_id=courgette.id,
date_plantation=date(2026, 5, 15),
quantite=3,
statut="prevu",
)
session.add_all([p1, p2])
session.flush()
session.add(PlantingEvent(planting_id=p1.id, type="arrosage", note="Arrosage du matin"))
# ── Tâches ────────────────────────────────────────────────────────────
session.add(Task(titre="Arroser les tomates", priorite="haute",
statut="a_faire", garden_id=jardin.id))
session.add(Task(titre="Traiter contre les pucerons", priorite="normale", statut="a_faire"))
session.add(Task(titre="Préparer le compost", priorite="basse", statut="en_cours"))
# ── Outils (indépendant du jardin) ────────────────────────────────────────
if not session.exec(select(Tool)).first():
outils_data = [
dict(nom="Bêche", categorie="beche",
description="Bêche acier forgé, manche bois 110 cm"),
dict(nom="Fourche-bêche", categorie="fourche",
description="Fourche à bêcher 4 dents inox"),
dict(nom="Grelinette", categorie="fourche",
description="Aérateur bi-fourche ergonomique"),
dict(nom="Pioche", categorie="beche",
description="Pioche légère pour travaux de surface"),
dict(nom="Sarcloir", categorie="griffe",
description="Sarcloir oscillant pour désherber entre les rangs"),
dict(nom="Râteau", categorie="griffe",
description="Râteau métallique 14 dents"),
dict(nom="Binette", categorie="griffe",
description="Binette pour ameublir et désherber"),
dict(nom="Transplantoir", categorie="taille",
description="Transplantoir inox gradué"),
dict(nom="Arrosoir", categorie="arrosage",
description="Arrosoir 10L avec pomme amovible"),
dict(nom="Sécateur", categorie="taille",
description="Sécateur de précision bypass"),
]
for data in outils_data:
session.add(Tool(**data))
# ── Dictons (indépendant du jardin) ──────────────────────────────────────
if not session.exec(select(Dicton)).first():
dictons_data = [
dict(mois=1, texte="En janvier, la neige au potager réjouit le jardinier.", region="National"),
dict(mois=2, texte="À la Chandeleur, l'hiver reste ou reprend vigueur.", region="National"),
dict(mois=3, texte="Mars venteux, avril pluvieux, font mai fleureux.", region="National"),
dict(mois=3, texte="Quand mars se déguise en été, avril se déguise en hiver.", region="Auvergne"),
dict(mois=4, texte="Avril ne te découvre pas d'un fil.", region="National"),
dict(mois=4, texte="Pluie d'avril, fleurs à l'infini.", region="Haute-Loire"),
dict(mois=5, texte="Gelées de mai, misère chez le jardinier.", region="Haute-Loire"),
dict(mois=5, jour=11, texte="Saints de glace : Mamert, Pancrace et Gervais.", region="National"),
dict(mois=6, texte="Juin sec, juillet pluvieux ; juillet sec, grains savoureux.", region="Auvergne"),
dict(mois=7, texte="Pluie de juillet remplit greniers et cuves.", region="National"),
dict(mois=8, texte="Août chaud, vin bon.", region="Auvergne"),
dict(mois=9, texte="En septembre, qui sème du blé en fait son profit.", region="National"),
dict(mois=10, texte="En octobre, glands à foison, bon hiver selon la raison.", region="Haute-Loire"),
dict(mois=11, texte="À la Saint-Martin, bois ton vin.", region="National"),
dict(mois=12, texte="Noël au balcon, Pâques aux tisons.", region="Auvergne"),
]
for data in dictons_data:
session.add(Dicton(**data))
# ── Astuces (indépendant du jardin) ──────────────────────────────────────
if not session.exec(select(Astuce)).first():
astuces_data = [
dict(titre="Rotation des cultures", entity_type="general",
contenu="Changez chaque année la famille de légumes sur chaque parcelle pour éviter l'épuisement du sol et les maladies."),
dict(titre="Compagnonnage tomate-basilic", entity_type="plante",
contenu="Plantez du basilic au pied des tomates : il éloigne les pucerons et améliore le goût des fruits."),
dict(titre="Paillage économise l'eau", entity_type="jardin",
contenu="Un paillage de 5 à 10 cm (paille, BRF, tontes) réduit les arrosages de moitié et limite les mauvaises herbes."),
dict(titre="Arrosage au pied le matin", entity_type="general",
contenu="Arrosez toujours au pied des plantes le matin pour éviter les maladies cryptogamiques et la brûlure des feuilles."),
dict(titre="Purin d'ortie maison", entity_type="general",
contenu="Faites macérer 1 kg d'orties dans 10 L d'eau pendant 10 jours. Diluez à 10 % et arrosez le sol pour stimuler la croissance."),
dict(titre="Buttage des pommes de terre", entity_type="plante",
contenu="Buttez régulièrement les pommes de terre quand les fanes atteignent 20 cm pour favoriser la tubérisation."),
dict(titre="Semis de carottes en gel", entity_type="plante",
contenu="Mélangez les graines de carottes avec du sable fin pour un semis homogène et clairsemé."),
dict(titre="Récupération d'eau de pluie", entity_type="jardin",
contenu="Installez une cuve de récupération d'eau de pluie : une maison avec 100 m² de toiture collecte 60 000 L/an."),
dict(titre="Calendrier lunaire", entity_type="general",
contenu="Semez les légumes-feuilles en lune montante, les légumes-racines en lune descendante pour de meilleurs résultats."),
dict(titre="Taille en vert des tomates", entity_type="plante",
contenu="Pincez les gourmands (tiges secondaires entre tige principale et feuille) pour concentrer l'énergie sur les fruits."),
]
for data in astuces_data:
session.add(Astuce(**data))
session.commit()
+14
View File
@@ -19,6 +19,17 @@ SIGN_TO_TYPE = {
"Bélier": "Fruit", "Lion": "Fruit", "Sagittaire": "Fruit",
}
SAINTS_BY_MMDD = {
"04-23": "Saint Georges",
"04-25": "Saint Marc",
"05-11": "Saint Mamert",
"05-12": "Saint Pancrace",
"05-13": "Saint Servais",
"05-14": "Saint Boniface",
"05-19": "Saint Yves",
"05-25": "Saint Urbain",
}
@dataclass
class DayInfo:
@@ -29,6 +40,7 @@ class DayInfo:
montante_descendante: str
signe: str
type_jour: str
saint_du_jour: str
perigee: bool
apogee: bool
noeud_lunaire: bool
@@ -126,6 +138,7 @@ def build_calendar(start: date, end: date) -> list[DayInfo]:
lat, lon, dist = v_moon.ecliptic_latlon()
signe = zodiac_sign_from_lon(lon.degrees % 360.0)
type_jour = SIGN_TO_TYPE[signe]
saint_du_jour = SAINTS_BY_MMDD.get(d.strftime("%m-%d"), "")
result.append(
DayInfo(
date=d.isoformat(),
@@ -135,6 +148,7 @@ def build_calendar(start: date, end: date) -> list[DayInfo]:
montante_descendante=montante,
signe=signe,
type_jour=type_jour,
saint_du_jour=saint_du_jour,
perigee=(d in perigee_days),
apogee=(d in apogee_days),
noeud_lunaire=(d in node_days),
+111 -102
View File
@@ -1,127 +1,136 @@
"""Client Open-Meteo (gratuit, sans clé API)."""
import json
import os
from datetime import datetime, timezone
from pathlib import Path
"""Service Open-Meteo — enrichi avec sol, ETP, humidité, données passées."""
import logging
from datetime import datetime, date, timezone
from typing import Any
import httpx
CACHE_PATH = Path(os.environ.get("UPLOAD_DIR", "/data")).parent / "meteo_cache.json"
CACHE_TTL_SECONDS = 3 * 3600 # 3h
from app.config import METEO_LAT, METEO_LON
logger = logging.getLogger(__name__)
WMO_LABELS = {
0: "Ensoleillé",
1: "Principalement ensoleillé",
2: "Partiellement nuageux",
3: "Couvert",
45: "Brouillard",
48: "Brouillard givrant",
51: "Bruine légère",
53: "Bruine modérée",
55: "Bruine dense",
61: "Pluie légère",
63: "Pluie modérée",
65: "Pluie forte",
71: "Neige légère",
73: "Neige modérée",
75: "Neige forte",
80: "Averses légères",
81: "Averses modérées",
82: "Averses violentes",
85: "Averses de neige",
95: "Orage",
96: "Orage avec grêle",
99: "Orage violent",
}
WMO_ICONS = {
0: "☀️",
1: "🌤",
2: "",
3: "☁️",
45: "🌫",
48: "🌫",
51: "🌦",
53: "🌦",
55: "🌧",
61: "🌦",
63: "🌧",
65: "🌧",
71: "🌨",
73: "🌨",
75: "❄️",
80: "🌦",
81: "🌧",
82: "",
85: "🌨",
95: "",
96: "",
99: "",
0: "Ensoleillé", 1: "Principalement ensoleillé", 2: "Partiellement nuageux",
3: "Couvert", 45: "Brouillard", 48: "Brouillard givrant",
51: "Bruine légère", 53: "Bruine modérée", 55: "Bruine dense",
61: "Pluie légère", 63: "Pluie modérée", 65: "Pluie forte",
71: "Neige légère", 73: "Neige modérée", 75: "Neige forte",
80: "Averses légères", 81: "Averses modérées", 82: "Averses violentes",
85: "Averses de neige", 95: "Orage", 96: "Orage avec grêle", 99: "Orage violent",
}
# Champs daily disponibles (noms v1 actuels de l'API Open-Meteo)
# Nota : soil_temperature_0cm est hourly uniquement ; windspeed_10m_max et
# weathercode ont été renommés en wind_speed_10m_max et weather_code.
_DAILY_FIELDS = [
"temperature_2m_max",
"temperature_2m_min",
"precipitation_sum",
"wind_speed_10m_max",
"weather_code",
"relative_humidity_2m_max",
"et0_fao_evapotranspiration",
]
def _cache_fresh() -> dict | None:
if not CACHE_PATH.exists():
_HOURLY_FIELDS = [
"soil_temperature_0cm",
]
def _to_float(value: Any) -> float | None:
if value is None:
return None
try:
data = json.loads(CACHE_PATH.read_text())
cached_at = datetime.fromisoformat(
data.get("cached_at", "2000-01-01T00:00:00+00:00")
)
if (datetime.now(timezone.utc) - cached_at).total_seconds() < CACHE_TTL_SECONDS:
return data
except Exception:
pass
return float(value)
except (TypeError, ValueError):
return None
def fetch_forecast(
lat: float = 45.14, lon: float = 4.12, days: int = 14
) -> dict[str, Any]:
cached = _cache_fresh()
if cached:
return cached
def _value_at(values: list[Any], index: int, default: Any = None) -> Any:
if index < 0 or index >= len(values):
return default
return values[index]
url = "https://api.open-meteo.com/v1/forecast"
params = {
"latitude": lat,
"longitude": lon,
"daily": "temperature_2m_max,temperature_2m_min,precipitation_sum,windspeed_10m_max,weathercode",
"timezone": "Europe/Paris",
"forecast_days": min(days, 16),
def _daily_soil_average(raw: dict[str, Any]) -> dict[str, float]:
"""Construit un mapping ISO-date -> moyenne de soil_temperature_0cm."""
hourly = raw.get("hourly", {})
times = hourly.get("time", []) or []
soils = hourly.get("soil_temperature_0cm", []) or []
by_day: dict[str, list[float]] = {}
for idx, ts in enumerate(times):
soil = _to_float(_value_at(soils, idx))
if soil is None or not isinstance(ts, str) or len(ts) < 10:
continue
day = ts[:10]
by_day.setdefault(day, []).append(soil)
return {
day: round(sum(vals) / len(vals), 2)
for day, vals in by_day.items()
if vals
}
def fetch_and_store_forecast(lat: float = METEO_LAT, lon: float = METEO_LON) -> list[dict]:
"""Appelle Open-Meteo et retourne la liste des jours (past_days=7 + forecast=8).
Retourne la liste des jours pour être stockée en base par le scheduler.
"""
url = "https://api.open-meteo.com/v1/forecast"
# Passer chaque champ séparément (liste de tuples) pour éviter l'encodage
# d'une chaîne CSV qui est rejetée par certaines versions de l'API.
params: list[tuple[str, Any]] = [
("latitude", lat),
("longitude", lon),
("past_days", 7),
("forecast_days", 8),
("timezone", "Europe/Paris"),
]
for field in _DAILY_FIELDS:
params.append(("daily", field))
for field in _HOURLY_FIELDS:
params.append(("hourly", field))
try:
r = httpx.get(url, params=params, timeout=10)
r = httpx.get(url, params=params, timeout=15)
r.raise_for_status()
raw = r.json()
except Exception as e:
return {"error": str(e), "days": []}
logger.error(f"Open-Meteo fetch error: {e}")
return []
daily = raw.get("daily", {})
dates = daily.get("time", [])
result_days = []
for i, d in enumerate(dates):
code = int(daily.get("weathercode", [0] * len(dates))[i] or 0)
result_days.append(
{
"date": d,
"t_max": daily.get("temperature_2m_max", [None] * len(dates))[i],
"t_min": daily.get("temperature_2m_min", [None] * len(dates))[i],
"pluie_mm": daily.get("precipitation_sum", [0] * len(dates))[i] or 0,
"vent_kmh": daily.get("windspeed_10m_max", [0] * len(dates))[i] or 0,
"code": code,
"label": WMO_LABELS.get(code, "Inconnu"),
"icone": WMO_ICONS.get(code, "🌡"),
}
)
soil_by_day = _daily_soil_average(raw)
now_iso = datetime.now(timezone.utc).isoformat()
rows = []
data = {
"cached_at": datetime.now(timezone.utc).isoformat(),
"days": result_days,
for i, d in enumerate(dates):
code = int(_value_at(daily.get("weather_code", []), i, 0) or 0)
row = {
"date": d,
"t_min": _to_float(_value_at(daily.get("temperature_2m_min", []), i)),
"t_max": _to_float(_value_at(daily.get("temperature_2m_max", []), i)),
"pluie_mm": _to_float(_value_at(daily.get("precipitation_sum", []), i, 0.0)) or 0.0,
"vent_kmh": _to_float(_value_at(daily.get("wind_speed_10m_max", []), i, 0.0)) or 0.0,
"wmo": code,
"label": WMO_LABELS.get(code, f"Code {code}"),
"humidite_moy": _to_float(_value_at(daily.get("relative_humidity_2m_max", []), i)),
"sol_0cm": soil_by_day.get(d),
"etp_mm": _to_float(_value_at(daily.get("et0_fao_evapotranspiration", []), i)),
"fetched_at": now_iso,
}
try:
CACHE_PATH.parent.mkdir(parents=True, exist_ok=True)
CACHE_PATH.write_text(json.dumps(data, ensure_ascii=False))
except Exception:
pass
return data
rows.append(row)
return rows
def fetch_forecast(lat: float = METEO_LAT, lon: float = METEO_LON, days: int = 14) -> dict[str, Any]:
"""Compatibilité ascendante avec l'ancien endpoint GET /api/meteo."""
rows = fetch_and_store_forecast(lat, lon)
# Filtrer seulement les jours futurs (à partir d'aujourd'hui)
today = date.today().isoformat()
future = [r for r in rows if r["date"] >= today][:days]
return {"days": future}
+172
View File
@@ -0,0 +1,172 @@
"""Scheduler APScheduler — 3 jobs de collecte météo."""
import logging
from datetime import datetime
from apscheduler.schedulers.asyncio import AsyncIOScheduler
logger = logging.getLogger(__name__)
scheduler = AsyncIOScheduler(timezone="Europe/Paris")
def _store_station_current() -> None:
"""Collecte et stocke les données actuelles de la station."""
from app.services.station import fetch_current
from app.models.meteo import MeteoStation
from app.database import engine
from sqlmodel import Session
data = fetch_current()
if not data:
logger.warning("Station current: aucune donnée collectée")
return
now_str = datetime.now().strftime("%Y-%m-%dT%H:00")
entry = MeteoStation(date_heure=now_str, type="current", **data)
with Session(engine) as session:
existing = session.get(MeteoStation, now_str)
if existing:
for k, v in data.items():
setattr(existing, k, v)
session.add(existing)
else:
session.add(entry)
session.commit()
logger.info(f"Station current stockée : {now_str}")
def _store_station_veille() -> None:
"""Collecte et stocke le résumé de la veille (NOAA)."""
from datetime import timedelta
from app.services.station import fetch_yesterday_summary
from app.models.meteo import MeteoStation
from app.database import engine
from sqlmodel import Session
data = fetch_yesterday_summary()
if not data:
logger.warning("Station veille: aucune donnée collectée")
return
yesterday = (datetime.now() - timedelta(days=1)).strftime("%Y-%m-%dT00:00")
entry = MeteoStation(date_heure=yesterday, type="veille", **data)
with Session(engine) as session:
existing = session.get(MeteoStation, yesterday)
if existing:
for k, v in data.items():
setattr(existing, k, v)
session.add(existing)
else:
session.add(entry)
session.commit()
logger.info(f"Station veille stockée : {yesterday}")
def _store_open_meteo() -> None:
"""Collecte et stocke les prévisions Open-Meteo."""
from app.services.meteo import fetch_and_store_forecast
from app.models.meteo import MeteoOpenMeteo
from app.database import engine
from sqlmodel import Session
rows = fetch_and_store_forecast()
if not rows:
logger.warning("Open-Meteo: aucune donnée collectée")
return
with Session(engine) as session:
for row in rows:
existing = session.get(MeteoOpenMeteo, row["date"])
if existing:
for k, v in row.items():
if k != "date":
setattr(existing, k, v)
session.add(existing)
else:
session.add(MeteoOpenMeteo(**row))
session.commit()
logger.info(f"Open-Meteo stocké : {len(rows)} jours")
def backfill_station_missing_dates(max_days_back: int = 365) -> None:
"""Remplit les dates manquantes de la station météo au démarrage.
Cherche toutes les dates sans entrée « veille » dans meteostation
depuis max_days_back jours en arrière jusqu'à hier (excl. aujourd'hui),
puis télécharge les fichiers NOAA mois par mois pour remplir les trous.
Un seul appel HTTP par mois manquant.
"""
from datetime import date, timedelta
from itertools import groupby
from app.services.station import fetch_month_summaries
from app.models.meteo import MeteoStation
from app.database import engine
from sqlmodel import Session, select
today = date.today()
start_date = today - timedelta(days=max_days_back)
# 1. Dates « veille » déjà présentes en BDD
with Session(engine) as session:
rows = session.exec(
select(MeteoStation.date_heure).where(MeteoStation.type == "veille")
).all()
existing_dates: set[str] = {dh[:10] for dh in rows}
# 2. Dates manquantes entre start_date et hier (aujourd'hui exclu)
missing: list[date] = []
cursor = start_date
while cursor < today:
if cursor.isoformat() not in existing_dates:
missing.append(cursor)
cursor += timedelta(days=1)
if not missing:
logger.info("Backfill station : aucune date manquante")
return
logger.info(f"Backfill station : {len(missing)} date(s) manquante(s) à récupérer")
# 3. Grouper par (année, mois) → 1 requête HTTP par mois
def month_key(d: date) -> tuple[int, int]:
return (d.year, d.month)
filled = 0
for (year, month), group_iter in groupby(sorted(missing), key=month_key):
month_data = fetch_month_summaries(year, month)
if not month_data:
logger.debug(f"Backfill station : pas de données NOAA pour {year}-{month:02d}")
continue
with Session(engine) as session:
for d in group_iter:
data = month_data.get(d.day)
if not data:
continue
date_heure = f"{d.isoformat()}T00:00"
if not session.get(MeteoStation, date_heure):
session.add(MeteoStation(date_heure=date_heure, type="veille", **data))
filled += 1
session.commit()
logger.info(f"Backfill station terminé : {filled} date(s) insérée(s)")
def setup_scheduler() -> None:
"""Configure et démarre le scheduler."""
scheduler.add_job(
_store_station_current, "interval", hours=1,
next_run_time=datetime.now(), id="station_current", replace_existing=True,
)
scheduler.add_job(
_store_station_veille, "cron", hour=6, minute=0,
next_run_time=datetime.now(), id="station_veille", replace_existing=True,
)
scheduler.add_job(
_store_open_meteo, "interval", hours=1,
next_run_time=datetime.now(), id="open_meteo", replace_existing=True,
)
scheduler.start()
logger.info("Scheduler météo démarré (3 jobs)")
+192
View File
@@ -0,0 +1,192 @@
"""Service de collecte des données de la station météo locale WeeWX."""
import html
import logging
import re
import unicodedata
import xml.etree.ElementTree as ET
from datetime import datetime, timedelta, timezone
import httpx
from app.config import STATION_URL
logger = logging.getLogger(__name__)
def _safe_float(text: str | None) -> float | None:
if text is None:
return None
try:
cleaned = text.strip().replace(",", ".")
# Retirer unités courantes
for unit in [
" °C",
" %", " %",
" hPa", " mbar",
" km/h", " m/s",
" mm/h", " mm",
" W/m²", " W/m2",
"°C", "%", "hPa", "mbar",
]:
cleaned = cleaned.replace(unit, "")
return float(cleaned.strip())
except (ValueError, AttributeError):
return None
def _normalize(text: str) -> str:
text = unicodedata.normalize("NFKD", text)
text = "".join(ch for ch in text if not unicodedata.combining(ch))
text = text.lower()
return re.sub(r"\s+", " ", text).strip()
def _to_kmh(value: float | None, unit: str | None) -> float | None:
if value is None:
return None
u = (unit or "").strip().lower()
if u == "m/s":
return round(value * 3.6, 1)
return round(value, 1)
def _direction_to_abbr(deg: float | None) -> str | None:
if deg is None:
return None
dirs = ["N", "NE", "E", "SE", "S", "SO", "O", "NO"]
return dirs[round(deg / 45) % 8]
def fetch_current(base_url: str = STATION_URL) -> dict | None:
"""Scrape les données actuelles depuis le RSS de la station WeeWX.
Retourne un dict avec les clés : temp_ext, humidite, pression,
pluie_mm, vent_kmh, vent_dir, uv, solaire ou None si indisponible.
"""
try:
url = base_url.rstrip("/") + "/rss.xml"
r = httpx.get(url, timeout=10)
r.raise_for_status()
root = ET.fromstring(r.text)
channel = root.find("channel")
if channel is None:
return None
item = channel.find("item")
if item is None:
return None
desc = html.unescape(item.findtext("description") or "")
result: dict = {}
segments = [seg.strip() for seg in desc.split(";") if seg.strip()]
for seg in segments:
if ":" not in seg:
continue
raw_key, raw_value = seg.split(":", 1)
key = _normalize(raw_key)
value = raw_value.strip()
if "temperature exterieure" in key or "outside temperature" in key:
result["temp_ext"] = _safe_float(value)
continue
if "temperature interieure" in key or "inside temperature" in key:
result["temp_int"] = _safe_float(value)
continue
if "hygrometrie exterieure" in key or "outside humidity" in key:
result["humidite"] = _safe_float(value)
continue
if "pression atmospherique" in key or "barometer" in key:
result["pression"] = _safe_float(value)
continue
if "precipitations" in key and "taux" not in key and "rate" not in key:
result["pluie_mm"] = _safe_float(value)
continue
if key in {"uv", "ultra-violet"} or "ultra violet" in key:
result["uv"] = _safe_float(value)
continue
if "rayonnement solaire" in key or "solar radiation" in key:
result["solaire"] = _safe_float(value)
continue
if key == "vent" or "wind" in key:
speed_match = re.search(r"(-?\d+(?:[.,]\d+)?)\s*(m/s|km/h)?", value, re.IGNORECASE)
speed_val = _safe_float(speed_match.group(1)) if speed_match else None
speed_unit = speed_match.group(2) if speed_match else None
result["vent_kmh"] = _to_kmh(speed_val, speed_unit)
deg_match = re.search(r"(\d{1,3}(?:[.,]\d+)?)\s*°", value)
if deg_match:
result["vent_dir"] = _direction_to_abbr(_safe_float(deg_match.group(1)))
continue
card_match = re.search(r"\b(N|NE|E|SE|S|SO|O|NO|NNE|ENE|ESE|SSE|SSO|OSO|ONO|NNO)\b", value, re.IGNORECASE)
result["vent_dir"] = card_match.group(1).upper() if card_match else None
return result if any(v is not None for v in result.values()) else None
except Exception as e:
logger.warning(f"Station fetch_current error: {e}")
return None
def _parse_noaa_day_line(parts: list[str]) -> dict | None:
"""Parse une ligne de données journalières du fichier NOAA WeeWX.
Format standard : day mean max hh:mm min hh:mm HDD CDD rain wind_avg wind_max hh:mm dir
"""
if not parts or not parts[0].isdigit():
return None
# Format complet avec timestamps hh:mm en positions 3 et 5
if len(parts) >= 11 and ":" in parts[3] and ":" in parts[5]:
return {
"temp_ext": _safe_float(parts[1]),
"t_max": _safe_float(parts[2]),
"t_min": _safe_float(parts[4]),
"pluie_mm": _safe_float(parts[8]),
"vent_kmh": _to_kmh(_safe_float(parts[10]), "m/s"),
}
# Fallback générique (anciens formats sans hh:mm)
return {
"t_max": _safe_float(parts[1]) if len(parts) > 1 else None,
"t_min": _safe_float(parts[2]) if len(parts) > 2 else None,
"temp_ext": _safe_float(parts[3]) if len(parts) > 3 else None,
"pluie_mm": _safe_float(parts[5]) if len(parts) > 5 else None,
"vent_kmh": _safe_float(parts[6]) if len(parts) > 6 else None,
}
def fetch_month_summaries(year: int, month: int, base_url: str = STATION_URL) -> dict[int, dict]:
"""Récupère tous les résumés journaliers d'un mois depuis le fichier NOAA WeeWX.
Retourne un dict {numéro_jour: data_dict} pour chaque jour disponible du mois.
Un seul appel HTTP par mois utilisé pour le backfill groupé.
"""
try:
url = f"{base_url.rstrip('/')}/NOAA/NOAA-{year:04d}-{month:02d}.txt"
r = httpx.get(url, timeout=15)
r.raise_for_status()
result: dict[int, dict] = {}
for line in r.text.splitlines():
parts = line.split()
if not parts or not parts[0].isdigit():
continue
data = _parse_noaa_day_line(parts)
if data:
result[int(parts[0])] = data
return result
except Exception as e:
logger.warning(f"Station fetch_month_summaries({year}-{month:02d}) error: {e}")
return {}
def fetch_yesterday_summary(base_url: str = STATION_URL) -> dict | None:
"""Récupère le résumé de la veille via le fichier NOAA mensuel de la station WeeWX.
Retourne un dict avec : temp_ext (moy), t_min, t_max, pluie_mm ou None.
"""
yesterday = (datetime.now() - timedelta(days=1)).date()
month_data = fetch_month_summaries(yesterday.year, yesterday.month, base_url)
return month_data.get(yesterday.day)
+45 -17
View File
@@ -1,27 +1,47 @@
import os
from typing import List
from typing import List, Optional
import httpx
AI_SERVICE_URL = os.environ.get("AI_SERVICE_URL", "http://localhost:8070")
AI_SERVICE_URL = os.environ.get("AI_SERVICE_URL", "http://ai-service:8070")
# Mapping class_name YOLO → nom commun français (partiel)
_NOMS_FR = {
"Tomato___healthy": "Tomate (saine)",
"Tomato___Early_blight": "Tomate (mildiou précoce)",
"Tomato___Late_blight": "Tomate (mildiou tardif)",
"Pepper__bell___healthy": "Poivron (sain)",
"Apple___healthy": "Pommier (sain)",
"Potato___healthy": "Pomme de terre (saine)",
"Grape___healthy": "Vigne (saine)",
"Corn_(maize)___healthy": "Maïs (sain)",
"Strawberry___healthy": "Fraisier (sain)",
"Peach___healthy": "Pêcher (sain)",
# Mapping complet class_name YOLO → Infos détaillées
_DIAGNOSTICS = {
"Tomato___healthy": {
"label": "Tomate (saine)",
"conseil": "Votre plant est en pleine forme. Pensez au paillage pour garder l'humidité.",
"actions": ["Pailler le pied", "Vérifier les gourmands"]
},
"Tomato___Early_blight": {
"label": "Tomate (Alternariose)",
"conseil": "Champignon fréquent. Retirez les feuilles basses touchées et évitez de mouiller le feuillage.",
"actions": ["Retirer feuilles infectées", "Traitement bouillie bordelaise"]
},
"Tomato___Late_blight": {
"label": "Tomate (Mildiou)",
"conseil": "Urgent : Le mildiou se propage vite avec l'humidité. Coupez les parties atteintes immédiatement.",
"actions": ["Couper parties infectées", "Traitement purin de prêle", "Abriter de la pluie"]
},
"Pepper__bell___healthy": {
"label": "Poivron (sain)",
"conseil": "Le poivron aime la chaleur et un sol riche.",
"actions": ["Apport de compost", "Arrosage régulier"]
},
"Potato___healthy": {
"label": "Pomme de terre (saine)",
"conseil": "Pensez à butter les pieds pour favoriser la production de tubercules.",
"actions": ["Butter les pieds"]
},
"Grape___healthy": {
"label": "Vigne (saine)",
"conseil": "Surveillez l'apparition d'oïdium si le temps est chaud et humide.",
"actions": ["Taille en vert", "Vérifier sous les feuilles"]
},
}
async def identify(image_bytes: bytes) -> List[dict]:
"""Appelle l'ai-service interne et retourne les détections YOLO."""
"""Appelle l'ai-service interne et retourne les détections YOLO avec diagnostics."""
try:
async with httpx.AsyncClient(timeout=30.0) as client:
resp = await client.post(
@@ -36,10 +56,18 @@ async def identify(image_bytes: bytes) -> List[dict]:
results = []
for det in data[:3]:
cls = det.get("class_name", "")
diag = _DIAGNOSTICS.get(cls, {
"label": cls.replace("___", "").replace("_", " "),
"conseil": "Pas de diagnostic spécifique disponible pour cette espèce.",
"actions": []
})
results.append({
"species": cls.replace("___", "").replace("_", " "),
"common_name": _NOMS_FR.get(cls, cls.split("___")[0].replace("_", " ")),
"species": cls,
"common_name": diag["label"],
"confidence": det.get("confidence", 0.0),
"conseil": diag["conseil"],
"actions": diag["actions"],
"image_url": "",
})
return results
View File
BIN
View File
Binary file not shown.
+3
View File
@@ -6,7 +6,10 @@ aiofiles==24.1.0
pytest==8.3.3
httpx==0.28.0
Pillow==11.1.0
pillow-heif==0.21.0
smbprotocol==1.15.0
skyfield==1.49
pytz==2025.1
numpy==2.2.3
redis==5.2.1
apscheduler==3.10.4
View File
+300
View File
@@ -0,0 +1,300 @@
#!/usr/bin/env python3
"""
Import one-shot : docs/graine/caracteristiques_plantation.json + docs/arbustre/caracteristiques_arbustre.json
Usage: cd /chemin/projet && python3 backend/scripts/import_graines.py
"""
import json
import shutil
import sqlite3
import unicodedata
import uuid
from datetime import datetime, timezone
from pathlib import Path
ROOT = Path(__file__).resolve().parent.parent.parent
DB_PATH = ROOT / "data" / "jardin.db"
UPLOADS_DIR = ROOT / "data" / "uploads"
GRAINE_DIR = ROOT / "docs" / "graine"
ARBUSTRE_DIR = ROOT / "docs" / "arbustre"
ROMAN = {"I": 1, "II": 2, "III": 3, "IV": 4, "V": 5, "VI": 6,
"VII": 7, "VIII": 8, "IX": 9, "X": 10, "XI": 11, "XII": 12}
# Mapping : mot-clé lowercase → nom_commun BDD
NOM_MAP = [
("oignon", "Oignon"),
("laitue pommee grosse", "Laitue"),
("laitue attraction", "Laitue"),
("laitue", "Laitue"),
("persil", "Persil"),
("courgette", "Courgette"),
("pois mangetout", "Pois"),
("pois a ecosser", "Pois"),
("pois", "Pois"),
("tomate cornue", "Tomate"),
("tomates moneymaker", "Tomate"),
("tomate", "Tomate"),
("poireau", "Poireau"),
("echalion", "Echalote"),
("courge", "Courge"),
("chou pomme", "Chou"),
("chou-fleur", "Chou-fleur"),
]
def roman_to_csv(s: str) -> str:
if not s:
return ""
s = s.strip()
# Handle "(selon sachet)" or other parenthetical notes
if "(" in s:
s = s.split("(")[0].strip()
parts = s.split("-")
if len(parts) == 2:
a = ROMAN.get(parts[0].strip(), 0)
b = ROMAN.get(parts[1].strip(), 0)
if a and b:
return ",".join(str(m) for m in range(a, b + 1))
single = ROMAN.get(s, 0)
return str(single) if single else ""
def extract_float(s: str) -> float | None:
if not s:
return None
try:
# Handle "2-3 cm" → take first number
first = s.split()[0].split("-")[0].replace(",", ".")
return float(first)
except Exception:
return None
def find_or_create_plant(conn: sqlite3.Connection, nom_commun: str, categorie: str = "potager") -> int:
row = conn.execute(
"SELECT id FROM plant WHERE LOWER(nom_commun) = LOWER(?)", (nom_commun,)
).fetchone()
if row:
return row[0]
conn.execute(
"INSERT INTO plant (nom_commun, categorie, created_at) VALUES (?, ?, ?)",
(nom_commun, categorie, datetime.now(timezone.utc).isoformat()),
)
return conn.execute("SELECT last_insert_rowid()").fetchone()[0]
def copy_image(src: Path, variety_id: int, conn: sqlite3.Connection) -> None:
if not src.exists():
print(f" WARNING image absente: {src}")
return
# Vérifier si cette image existe déjà dans media pour cette variété
existing_m = conn.execute(
"SELECT id FROM media WHERE entity_type = 'plant_variety' AND entity_id = ? AND url LIKE ?",
(variety_id, f"%{src.stem}%")
).fetchone()
if existing_m:
return
UPLOADS_DIR.mkdir(parents=True, exist_ok=True)
# Use UUID-based filename like the rest of the app
dest_name = f"{uuid.uuid4()}.jpg"
shutil.copy2(src, UPLOADS_DIR / dest_name)
url = f"/uploads/{dest_name}"
conn.execute("""
INSERT INTO media (entity_type, entity_id, url, created_at)
VALUES ('plant_variety', ?, ?, ?)
""", (variety_id, url, datetime.now(timezone.utc).isoformat()))
def normalize(s: str) -> str:
"""Normalise string: minuscules, supprime accents simples."""
return ''.join(c for c in unicodedata.normalize('NFD', s.lower()) if unicodedata.category(c) != 'Mn')
def resolve_nom(full_name: str) -> tuple[str, str]:
"""Retourne (nom_commun, variete) depuis le nom complet du sachet."""
norm = normalize(full_name)
for key, val in NOM_MAP:
norm_key = normalize(key)
if norm.startswith(norm_key):
variete = full_name[len(key):].strip().strip("'\"").title()
return val, variete or full_name
# Fallback : premier mot = nom_commun
parts = full_name.split()
return parts[0].title(), " ".join(parts[1:]).strip() or full_name
def import_graines(conn: sqlite3.Connection) -> None:
path = GRAINE_DIR / "caracteristiques_plantation.json"
if not path.exists():
print(f"WARNING fichier absent: {path}")
return
data = json.loads(path.read_text(encoding="utf-8"))
key = "plantes" if "plantes" in data else list(data.keys())[0]
entries = data[key]
for entry in entries:
full_name = entry.get("plante", "")
if not full_name:
continue
nom_commun, variete_name = resolve_nom(full_name)
carac = entry.get("caracteristiques_plantation", {})
detail = entry.get("detail", {})
texte = detail.get("texte_integral_visible", {}) if isinstance(detail, dict) else {}
plant_id = find_or_create_plant(conn, nom_commun)
# Enrichir plant (ne pas écraser si déjà rempli)
updates: dict = {}
semis = roman_to_csv(carac.get("periode_semis", ""))
recolte = roman_to_csv(carac.get("periode_recolte", ""))
profondeur = extract_float(carac.get("profondeur") or "")
espacement_raw = carac.get("espacement") or ""
espacement = extract_float(espacement_raw)
if semis:
updates["semis_exterieur_mois"] = semis
if recolte:
updates["recolte_mois"] = recolte
if profondeur:
updates["profondeur_semis_cm"] = profondeur
if espacement:
updates["espacement_cm"] = int(espacement)
if carac.get("exposition"):
updates["besoin_soleil"] = carac["exposition"]
if carac.get("temperature"):
updates["temp_germination"] = carac["temperature"]
if isinstance(texte, dict) and texte.get("arriere"):
updates["astuces_culture"] = texte["arriere"][:1000]
elif isinstance(texte, str) and texte:
updates["astuces_culture"] = texte[:1000]
if updates:
set_clause = ", ".join(f"{k} = ?" for k in updates)
conn.execute(
f"UPDATE plant SET {set_clause} WHERE id = ?",
(*updates.values(), plant_id),
)
# Vérifier si cette variété existe déjà pour cette plante
existing_v = conn.execute(
"SELECT id FROM plant_variety WHERE plant_id = ? AND LOWER(variete) = LOWER(?)",
(plant_id, variete_name)
).fetchone()
if existing_v:
print(f"{nom_commun}{variete_name} (déjà importé)")
continue
# Créer plant_variety
conn.execute(
"INSERT INTO plant_variety (plant_id, variete, created_at) VALUES (?, ?, ?)",
(plant_id, variete_name, datetime.now(timezone.utc).isoformat()),
)
vid = conn.execute("SELECT last_insert_rowid()").fetchone()[0]
for img in entry.get("images", []):
copy_image(GRAINE_DIR / img, vid, conn)
print(f" OK {nom_commun} - {variete_name}")
def import_arbustre(conn: sqlite3.Connection) -> None:
path = ARBUSTRE_DIR / "caracteristiques_arbustre.json"
if not path.exists():
print(f"WARNING fichier absent: {path}")
return
data = json.loads(path.read_text(encoding="utf-8"))
key = "plantes" if "plantes" in data else list(data.keys())[0]
entries = data[key]
for entry in entries:
full_name = entry.get("plante", "")
if not full_name:
continue
nom_latin = entry.get("nom_latin", "") or ""
# Determine nom_commun from the plante field
if "Vitis" in full_name or "Vitis" in nom_latin:
nom_commun = "Vigne"
elif "Ribes nigrum" in full_name or "Ribes nigrum" in nom_latin:
nom_commun = "Cassissier"
elif "Rubus idaeus" in full_name or "Rubus idaeus" in nom_latin:
nom_commun = "Framboisier"
elif "'" in full_name:
nom_commun = full_name.split("'")[0].strip().title()
elif nom_latin:
parts = nom_latin.split()
nom_commun = (parts[0] + " " + parts[1]).title() if len(parts) > 1 else nom_latin.title()
else:
nom_commun = full_name.split()[0].title()
# variete_name: content inside quotes
if "'" in full_name:
variete_name = full_name.split("'")[1].strip()
else:
variete_name = full_name
plant_id = find_or_create_plant(conn, nom_commun, "arbuste")
carac = entry.get("caracteristiques_plantation", {})
arrosage = carac.get("arrosage")
exposition = carac.get("exposition")
if arrosage:
conn.execute("UPDATE plant SET besoin_eau = ? WHERE id = ?", (arrosage, plant_id))
if exposition:
conn.execute("UPDATE plant SET besoin_soleil = ? WHERE id = ?", (exposition, plant_id))
# Vérifier si cette variété existe déjà pour cette plante
existing_v = conn.execute(
"SELECT id FROM plant_variety WHERE plant_id = ? AND LOWER(variete) = LOWER(?)",
(plant_id, variete_name)
).fetchone()
if existing_v:
print(f"{nom_commun}{variete_name} (déjà importé)")
continue
conn.execute(
"INSERT INTO plant_variety (plant_id, variete, created_at) VALUES (?, ?, ?)",
(plant_id, variete_name, datetime.now(timezone.utc).isoformat()),
)
vid = conn.execute("SELECT last_insert_rowid()").fetchone()[0]
for img in entry.get("images", []):
copy_image(ARBUSTRE_DIR / img, vid, conn)
print(f" OK {nom_commun} - {variete_name}")
def run() -> None:
if not DB_PATH.exists():
print(f"ERREUR : base de données introuvable : {DB_PATH}")
return
UPLOADS_DIR.mkdir(parents=True, exist_ok=True)
conn = sqlite3.connect(DB_PATH)
conn.row_factory = sqlite3.Row
try:
tables = [r[0] for r in conn.execute("SELECT name FROM sqlite_master WHERE type='table'").fetchall()]
if "plant_variety" not in tables:
print("WARNING Exécutez d'abord migrate_plant_varieties.py")
return
print("=== Import graines ===")
import_graines(conn)
print("\n=== Import arbustre ===")
import_arbustre(conn)
conn.commit()
print("\nImport terminé.")
except Exception as e:
conn.rollback()
print(f"ERREUR - rollback : {e}")
raise
finally:
conn.close()
if __name__ == "__main__":
run()
+100
View File
@@ -0,0 +1,100 @@
#!/usr/bin/env python3
"""
Migration one-shot : crée plant_variety, migre données existantes, fusionne haricot grimpant.
À exécuter UNE SEULE FOIS depuis la racine du projet.
Usage: cd /chemin/projet && python3 backend/scripts/migrate_plant_varieties.py
"""
import sqlite3
from datetime import datetime, timezone
from pathlib import Path
DB_PATH = Path(__file__).resolve().parent.parent.parent / "data" / "jardin.db"
def run():
if not DB_PATH.exists():
print(f"ERREUR : base de données introuvable : {DB_PATH}")
return
conn = sqlite3.connect(DB_PATH)
conn.row_factory = sqlite3.Row
try:
# 1. Créer plant_variety
conn.execute("""
CREATE TABLE IF NOT EXISTS plant_variety (
id INTEGER PRIMARY KEY AUTOINCREMENT,
plant_id INTEGER NOT NULL REFERENCES plant(id) ON DELETE CASCADE,
variete TEXT,
tags TEXT,
notes_variete TEXT,
boutique_nom TEXT,
boutique_url TEXT,
prix_achat REAL,
date_achat TEXT,
poids TEXT,
dluo TEXT,
created_at TEXT DEFAULT (datetime('now'))
)
""")
print("✓ Table plant_variety créée")
# 2. Ajouter colonnes manquantes à plant
existing = [r[1] for r in conn.execute("PRAGMA table_info(plant)").fetchall()]
for col, typ in [("temp_germination", "TEXT"), ("temps_levee_j", "TEXT")]:
if col not in existing:
conn.execute(f"ALTER TABLE plant ADD COLUMN {col} {typ}")
print(f"✓ Colonne {col} ajoutée à plant")
# 3. Vérifier si déjà migré
count = conn.execute("SELECT COUNT(*) FROM plant_variety").fetchone()[0]
if count > 0:
print(f"⚠️ Migration déjà effectuée ({count} variétés). Abandon.")
return
# 4. Migrer chaque plante → plant_variety
plants = conn.execute(
"SELECT id, nom_commun, variete, tags, boutique_nom, boutique_url, "
"prix_achat, date_achat, poids, dluo FROM plant"
).fetchall()
for p in plants:
conn.execute("""
INSERT INTO plant_variety
(plant_id, variete, tags, boutique_nom, boutique_url,
prix_achat, date_achat, poids, dluo, created_at)
VALUES (?, ?, ?, ?, ?, ?, ?, ?, ?, ?)
""", (
p["id"], p["variete"], p["tags"], p["boutique_nom"], p["boutique_url"],
p["prix_achat"], p["date_achat"], p["poids"], p["dluo"],
datetime.now(timezone.utc).isoformat(),
))
print(f" → plant id={p['id']} {p['nom_commun']} : variété '{p['variete']}'")
# 5. Fusionner haricot grimpant (id=21) sous Haricot (id=7)
# IDs stables dans le seed de production : Haricot=7, haricot grimpant=21
hg = conn.execute("SELECT * FROM plant WHERE id = 21").fetchone()
if hg:
# Supprimer la plant_variety créée pour id=21 (on va la recréer sous id=7)
conn.execute("DELETE FROM plant_variety WHERE plant_id = 21")
# Créer variété sous Haricot (id=7)
conn.execute("""
INSERT INTO plant_variety (plant_id, variete, notes_variete, created_at)
VALUES (7, 'Grimpant Neckarkönigin', 'Fusionné depuis haricot grimpant', ?)
""", (datetime.now(timezone.utc).isoformat(),))
new_vid = conn.execute("SELECT last_insert_rowid()").fetchone()[0]
print(f" → haricot grimpant fusionné sous Haricot (plant_variety id={new_vid})")
# Supprimer le plant haricot grimpant
conn.execute("DELETE FROM plant WHERE id = 21")
print(" → plant id=21 (haricot grimpant) supprimé")
conn.commit()
print("\nMigration terminée avec succès.")
except Exception as e:
conn.rollback()
print(f"ERREUR — rollback effectué : {e}")
raise
finally:
conn.close()
if __name__ == "__main__":
run()
+14 -4
View File
@@ -1,29 +1,39 @@
import os
import pytest
from fastapi.testclient import TestClient
from sqlmodel import SQLModel, create_engine, Session
from sqlmodel.pool import StaticPool
os.environ.setdefault("ENABLE_SCHEDULER", "0")
os.environ.setdefault("ENABLE_BOOTSTRAP", "0")
import app.models # noqa — force l'enregistrement des modèles
from app.main import app
from app.database import get_session
@pytest.fixture(name="session")
def session_fixture():
@pytest.fixture(name="engine")
def engine_fixture():
engine = create_engine(
"sqlite://",
connect_args={"check_same_thread": False},
poolclass=StaticPool,
)
SQLModel.metadata.create_all(engine)
return engine
@pytest.fixture(name="session")
def session_fixture(engine):
with Session(engine) as session:
yield session
@pytest.fixture(name="client")
def client_fixture(session: Session):
def client_fixture(engine):
def get_session_override():
yield session
with Session(engine) as s:
yield s
app.dependency_overrides[get_session] = get_session_override
client = TestClient(app)
+75
View File
@@ -0,0 +1,75 @@
"""Tests des filtres catégorie/tag/mois du router astuces."""
from app.models.astuce import Astuce
from app.routers.astuces import list_astuces
def _seed(session):
session.add(
Astuce(
titre="Tomate mildiou",
contenu="Surveiller humidité",
categorie="maladie",
tags='["tomate", "mildiou"]',
mois="[6,7,8]",
entity_type="plant",
entity_id=1,
)
)
session.add(
Astuce(
titre="Semis salade",
contenu="Semer en ligne",
categorie="plante",
tags='["salade", "semis"]',
mois="[3,4,9]",
entity_type="plant",
entity_id=2,
)
)
session.add(
Astuce(
titre="Paillage universel",
contenu="Proteger le sol",
categorie="jardin",
tags='["sol", "eau"]',
mois=None,
)
)
session.commit()
def test_filter_by_categorie(session):
_seed(session)
out = list_astuces(entity_type=None, entity_id=None, categorie="plante", tag=None, mois=None, session=session)
assert len(out) == 1
assert out[0].titre == "Semis salade"
def test_filter_by_tag(session):
_seed(session)
out = list_astuces(entity_type=None, entity_id=None, categorie=None, tag="tomate", mois=None, session=session)
assert len(out) == 1
assert out[0].titre == "Tomate mildiou"
def test_filter_by_mois_includes_all_year(session):
_seed(session)
out = list_astuces(entity_type=None, entity_id=None, categorie=None, tag=None, mois=12, session=session)
titles = {a.titre for a in out}
assert "Paillage universel" in titles
assert "Tomate mildiou" not in titles
def test_combined_filters(session):
_seed(session)
out = list_astuces(entity_type=None, entity_id=None, categorie="maladie", tag="mildiou", mois=7, session=session)
assert len(out) == 1
assert out[0].titre == "Tomate mildiou"
def test_legacy_entity_filters(session):
_seed(session)
out = list_astuces(entity_type="plant", entity_id=2, categorie=None, tag=None, mois=None, session=session)
assert len(out) == 1
assert out[0].titre == "Semis salade"
+26
View File
@@ -0,0 +1,26 @@
def test_create_media_normalizes_english_entity_type(client):
r = client.post(
"/api/media",
json={
"entity_type": "plant",
"entity_id": 12,
"url": "/uploads/test.webp",
},
)
assert r.status_code == 201
assert r.json()["entity_type"] == "plante"
def test_list_media_accepts_alias_entity_type_filter(client):
client.post(
"/api/media",
json={
"entity_type": "plante",
"entity_id": 99,
"url": "/uploads/test2.webp",
},
)
r = client.get("/api/media", params={"entity_type": "plant", "entity_id": 99})
assert r.status_code == 200
assert len(r.json()) == 1
assert r.json()[0]["entity_type"] == "plante"
+33
View File
@@ -0,0 +1,33 @@
"""Tests du service météo et des endpoints."""
def test_health(client):
r = client.get("/api/health")
assert r.status_code == 200
def test_meteo_tableau_vide(client):
"""Le tableau fonctionne même si les tables sont vides."""
r = client.get("/api/meteo/tableau")
assert r.status_code == 200
data = r.json()
assert "rows" in data
assert isinstance(data["rows"], list)
# 15 lignes attendues (7 passé + J0 + 7 futur)
assert len(data["rows"]) == 15
def test_meteo_station_current_vide(client):
"""Retourne null si aucune donnée station."""
r = client.get("/api/meteo/station/current")
assert r.status_code == 200
# Peut être null ou un objet
assert r.json() is None or isinstance(r.json(), dict)
def test_meteo_previsions(client):
"""Retourne une liste de jours de prévisions."""
r = client.get("/api/meteo/previsions")
assert r.status_code == 200
data = r.json()
assert "days" in data
+87
View File
@@ -0,0 +1,87 @@
"""Tests unitaires du service Open-Meteo enrichi."""
from datetime import date as real_date
import app.services.meteo as meteo
class _DummyResponse:
def __init__(self, payload: dict):
self._payload = payload
def raise_for_status(self) -> None:
return None
def json(self) -> dict:
return self._payload
def test_fetch_and_store_forecast_enriched(monkeypatch):
payload = {
"daily": {
"time": ["2026-02-21", "2026-02-22"],
"temperature_2m_min": [1.2, 2.3],
"temperature_2m_max": [8.4, 9.7],
"precipitation_sum": [0.5, 1.0],
"wind_speed_10m_max": [12.0, 15.0],
"weather_code": [3, 61],
"relative_humidity_2m_max": [88, 92],
"et0_fao_evapotranspiration": [0.9, 1.1],
},
"hourly": {
"time": [
"2026-02-21T00:00",
"2026-02-21T01:00",
"2026-02-22T00:00",
"2026-02-22T01:00",
],
"soil_temperature_0cm": [4.0, 6.0, 8.0, 10.0],
},
}
def _fake_get(*_args, **_kwargs):
return _DummyResponse(payload)
monkeypatch.setattr(meteo.httpx, "get", _fake_get)
rows = meteo.fetch_and_store_forecast(lat=45.1, lon=4.0)
assert len(rows) == 2
assert rows[0]["date"] == "2026-02-21"
assert rows[0]["label"] == "Couvert"
assert rows[0]["sol_0cm"] == 5.0
assert rows[0]["etp_mm"] == 0.9
assert rows[1]["label"] == "Pluie légère"
assert rows[1]["sol_0cm"] == 9.0
def test_fetch_and_store_forecast_handles_http_error(monkeypatch):
def _boom(*_args, **_kwargs):
raise RuntimeError("network down")
monkeypatch.setattr(meteo.httpx, "get", _boom)
rows = meteo.fetch_and_store_forecast()
assert rows == []
def test_fetch_forecast_filters_from_today(monkeypatch):
class _FakeDate(real_date):
@classmethod
def today(cls):
return cls(2026, 2, 22)
monkeypatch.setattr(meteo, "date", _FakeDate)
monkeypatch.setattr(
meteo,
"fetch_and_store_forecast",
lambda *_args, **_kwargs: [
{"date": "2026-02-21", "x": 1},
{"date": "2026-02-22", "x": 2},
{"date": "2026-02-23", "x": 3},
],
)
out = meteo.fetch_forecast(days=14)
assert [d["date"] for d in out["days"]] == ["2026-02-22", "2026-02-23"]
+3 -3
View File
@@ -1,6 +1,6 @@
def test_create_planting(client):
g = client.post("/api/gardens", json={"nom": "Potager", "type": "plein_air"}).json()
v = client.post("/api/varieties", json={"nom_commun": "Tomate"}).json()
v = client.post("/api/plants", json={"nom_commun": "Tomate"}).json()
r = client.post("/api/plantings", json={
"garden_id": g["id"], "variety_id": v["id"], "quantite": 3
})
@@ -10,7 +10,7 @@ def test_create_planting(client):
def test_list_plantings(client):
g = client.post("/api/gardens", json={"nom": "Potager", "type": "plein_air"}).json()
v = client.post("/api/varieties", json={"nom_commun": "Tomate"}).json()
v = client.post("/api/plants", json={"nom_commun": "Tomate"}).json()
client.post("/api/plantings", json={"garden_id": g["id"], "variety_id": v["id"]})
r = client.get("/api/plantings")
assert r.status_code == 200
@@ -19,7 +19,7 @@ def test_list_plantings(client):
def test_add_planting_event(client):
g = client.post("/api/gardens", json={"nom": "Potager", "type": "plein_air"}).json()
v = client.post("/api/varieties", json={"nom_commun": "Tomate"}).json()
v = client.post("/api/plants", json={"nom_commun": "Tomate"}).json()
p = client.post("/api/plantings", json={"garden_id": g["id"], "variety_id": v["id"]}).json()
r = client.post(f"/api/plantings/{p['id']}/events", json={"type": "arrosage", "note": "Bien arrosé"})
assert r.status_code == 201
+52
View File
@@ -0,0 +1,52 @@
def test_create_plant(client):
r = client.post("/api/plants", json={"nom_commun": "Tomate", "famille": "Solanacées"})
assert r.status_code == 201
assert r.json()["nom_commun"] == "Tomate"
def test_list_plants(client):
client.post("/api/plants", json={"nom_commun": "Tomate"})
client.post("/api/plants", json={"nom_commun": "Courgette"})
r = client.get("/api/plants")
assert r.status_code == 200
assert len(r.json()) == 2
def test_plant_variety_crud(client):
# Créer une plante
r = client.post("/api/plants", json={"nom_commun": "Tomate"})
assert r.status_code == 201
plant_id = r.json()["id"]
# Créer deux variétés
r1 = client.post(f"/api/plants/{plant_id}/varieties", json={"variete": "Roma"})
assert r1.status_code == 201
vid1 = r1.json()["id"]
r2 = client.post(f"/api/plants/{plant_id}/varieties", json={"variete": "Andine Cornue"})
assert r2.status_code == 201
# GET /plants/{id} doit retourner les 2 variétés
r = client.get(f"/api/plants/{plant_id}")
varieties = r.json().get("varieties", [])
assert len(varieties) == 2
assert {v["variete"] for v in varieties} == {"Roma", "Andine Cornue"}
# Supprimer une variété
client.delete(f"/api/plants/{plant_id}/varieties/{vid1}")
r = client.get(f"/api/plants/{plant_id}")
assert len(r.json()["varieties"]) == 1
def test_get_plant(client):
r = client.post("/api/plants", json={"nom_commun": "Basilic"})
id = r.json()["id"]
r2 = client.get(f"/api/plants/{id}")
assert r2.status_code == 200
def test_delete_plant(client):
r = client.post("/api/plants", json={"nom_commun": "Test"})
id = r.json()["id"]
r2 = client.delete(f"/api/plants/{id}")
assert r2.status_code == 204
+36
View File
@@ -0,0 +1,36 @@
def test_create_recolte(client):
# créer jardin + plante + plantation d'abord
g = client.post(
"/api/gardens",
json={"nom": "J", "grille_largeur": 2, "grille_hauteur": 2, "type": "plein_air"},
).json()
p = client.post("/api/plants", json={"nom_commun": "Tomate"}).json()
pl = client.post(
"/api/plantings",
json={"garden_id": g["id"], "variety_id": p["id"], "quantite": 1, "statut": "en_cours"},
).json()
r = client.post(
f"/api/plantings/{pl['id']}/recoltes",
json={"quantite": 2.5, "unite": "kg", "date_recolte": "2026-08-01"},
)
assert r.status_code == 201
assert r.json()["quantite"] == 2.5
def test_list_recoltes(client):
g = client.post(
"/api/gardens",
json={"nom": "J", "grille_largeur": 2, "grille_hauteur": 2, "type": "plein_air"},
).json()
p = client.post("/api/plants", json={"nom_commun": "Tomate"}).json()
pl = client.post(
"/api/plantings",
json={"garden_id": g["id"], "variety_id": p["id"], "quantite": 1, "statut": "en_cours"},
).json()
client.post(
f"/api/plantings/{pl['id']}/recoltes",
json={"quantite": 1, "unite": "kg", "date_recolte": "2026-08-01"},
)
r = client.get(f"/api/plantings/{pl['id']}/recoltes")
assert r.status_code == 200
assert len(r.json()) == 1
+10
View File
@@ -26,3 +26,13 @@ def test_update_task_statut(client):
r2 = client.put(f"/api/tasks/{id}", json={"titre": "À faire", "statut": "fait"})
assert r2.status_code == 200
assert r2.json()["statut"] == "fait"
def test_filter_tasks_by_planting_id(client):
client.post("/api/tasks", json={"titre": "Template arrosage", "statut": "template"})
client.post("/api/tasks", json={"titre": "Arroser rang 1", "statut": "a_faire", "planting_id": 10})
client.post("/api/tasks", json={"titre": "Arroser rang 2", "statut": "a_faire", "planting_id": 11})
r = client.get("/api/tasks?planting_id=10")
assert r.status_code == 200
assert len(r.json()) == 1
assert r.json()[0]["planting_id"] == 10
+42
View File
@@ -0,0 +1,42 @@
def test_create_tool(client):
r = client.post("/api/tools", json={"nom": "Bêche", "categorie": "beche"})
assert r.status_code == 201
assert r.json()["nom"] == "Bêche"
def test_list_tools(client):
client.post("/api/tools", json={"nom": "Outil1"})
r = client.get("/api/tools")
assert r.status_code == 200
assert len(r.json()) >= 1
def test_delete_tool(client):
r = client.post("/api/tools", json={"nom": "Test"})
id = r.json()["id"]
r2 = client.delete(f"/api/tools/{id}")
assert r2.status_code == 204
def test_tool_with_video_url(client):
r = client.post(
"/api/tools",
json={
"nom": "Tarière",
"video_url": "/uploads/demo-outil.mp4",
},
)
assert r.status_code == 201
assert r.json()["video_url"] == "/uploads/demo-outil.mp4"
def test_tool_with_notice_texte(client):
r = client.post(
"/api/tools",
json={
"nom": "Sécateur",
"notice_texte": "Aiguiser la lame tous les 3 mois.",
},
)
assert r.status_code == 201
assert r.json()["notice_texte"] == "Aiguiser la lame tous les 3 mois."
+11 -8
View File
@@ -1,26 +1,29 @@
"""Tests de l'ancien endpoint /api/varieties — maintenant redirigé vers /api/plants."""
def test_create_variety(client):
r = client.post("/api/varieties", json={"nom_commun": "Tomate", "famille": "Solanacées"})
r = client.post("/api/plants", json={"nom_commun": "Tomate", "famille": "Solanacées"})
assert r.status_code == 201
assert r.json()["nom_commun"] == "Tomate"
def test_list_varieties(client):
client.post("/api/varieties", json={"nom_commun": "Tomate"})
client.post("/api/varieties", json={"nom_commun": "Courgette"})
r = client.get("/api/varieties")
client.post("/api/plants", json={"nom_commun": "Tomate"})
client.post("/api/plants", json={"nom_commun": "Courgette"})
r = client.get("/api/plants")
assert r.status_code == 200
assert len(r.json()) == 2
def test_get_variety(client):
r = client.post("/api/varieties", json={"nom_commun": "Basilic"})
r = client.post("/api/plants", json={"nom_commun": "Basilic"})
id = r.json()["id"]
r2 = client.get(f"/api/varieties/{id}")
r2 = client.get(f"/api/plants/{id}")
assert r2.status_code == 200
def test_delete_variety(client):
r = client.post("/api/varieties", json={"nom_commun": "Test"})
r = client.post("/api/plants", json={"nom_commun": "Test"})
id = r.json()["id"]
r2 = client.delete(f"/api/varieties/{id}")
r2 = client.delete(f"/api/plants/{id}")
assert r2.status_code == 204
File diff suppressed because it is too large Load Diff
File diff suppressed because it is too large Load Diff
Binary file not shown.
+185
View File
@@ -0,0 +1,185 @@
# Résumé (executive summary)
Le **calendrier lunaire de jardinage** se base sur les cycles astronomiques de la Lune pour répartir les travaux (semis, plantations, récoltes) en «jours racine/feuille/fleur/fruit» et selon la **montée/descente de la sève**. Cette méthode traditionnelle, reprise par lagriculture biodynamique, prétend optimiser la croissance. Toutefois, des sources scientifiques avertissent qu**aucune influence directe mesurable** na été démontrée【6†L373-L381】【5†L108-L116】. Malgré tout, le calendrier lunaire sert souvent de repère pratique pour planifier les travaux. Ce document explique les concepts astronomiques (phases, illumination, etc.), leur calcul en Python (avec *skyfield*), et leur traduction en règles de jardinage, tout en restant critique et rigoureux.
## Concepts astronomiques clés
1. **Phases de la Lune** : La phase lunaire se définit par langle entre la Lune et le Soleil vus depuis la Terre, mesuré le long de l’écliptique. En pratique, on calcule la différence de longitude écliptique SoleilLune【14†L123-L131】. Ce résultat vaut 0° (Nouvelle Lune), ≈90° (Premier Quartier), ≈180° (Pleine Lune) ou ≈270° (Dernier Quartier) modulo 360°【14†L123-L131】.
La **fraction illuminée** (illumination) peut être obtenue à partir de langle de phase : si θ est la séparation géocentrique SoleilLune (en radians), alors lillumination ≈ (1cosθ)/2. (Skyfield propose aussi `m.fraction_illuminated(sun)` pour obtenir directement ce pourcentage.)
2. **Lune montante / descendante** : Traditionnellement, on dit «lune montante» quand la Lune «monte» dans le ciel, cest-à-dire que sa déclinaison géocentrique augmente au fil du jour. En pratique, on calcule la déclinaison (angle audessus du plan équatorial) pour midi dun jour et du lendemain : si la déclinaison augmente, on est en **période montante**, sinon descendante. La montée (ou descente) de la Lune coïncide grosso modo avec le flux de sève vers le haut (ou le bas) dans les plantes.
3. **Longitude écliptique et signes zodiacaux** : La position de la Lune dans le **zodiaque** (son signe astrologique) se déduit de sa longitude écliptique : on divise l’écliptique (360°) en 12 signes de 30°. Par exemple, Taureau (30°–60°), Gémeaux (60°–90°), etc. Chaque signe est associé à un élément (Terre, Eau, Air, Feu) selon la tradition agricole. On définit alors les **jours «racine/feuille/fleur/fruit»** :
- **Racine** : signes de Terre (Taureau, Vierge, Capricorne) favorise légumes racines.
- **Feuille** : signes dEau (Cancer, Scorpion, Poissons) favorise feuillage (salades, épinards).
- **Fleur** : signes dAir (Gémeaux, Balance, Verseau) favorise floraison et plantes ornementales.
- **Fruit** : signes de Feu (Bélier, Lion, Sagittaire) favorise légumes-fruits (tomates, haricots)【24†L44-L53】.
4. **Périgée et apogée** : La Lune suit une orbite elliptique (période anomalistique ≈ 27.55 j). Le **périgée** est le point où la Lune est la plus proche de la Terre, l**apogée** le plus éloigné【18†L108-L112】. Chaque lunaison comporte un périgée et un apogée. On peut les repérer en cherchant les minima/maxima locaux de la distance TerreLune jour par jour. La tradition conseille d**éviter** ces jours (trop d’énergie au périgée, croissance ralentie à lapogée)【24†L66-L73】.
5. **Nœuds lunaires** : Ce sont les deux points où lorbite lunaire coupe l’écliptique (plan de lorbite terrestre)【16†L155-L163】. Les nœuds correspondent aux périodes d’éclipses (noeud ascendant/descendant). Traditionnellement, on considère ces jours comme «perturbés» et on déconseille le jardinage【24†L66-L73】.
**Calculs utilisés (Skyfield)** : Le script Python charge l’éphéméride NASA DE421 pour Soleil, Terre, Lune. Il utilise `almanac.find_discrete` pour les **phases exactes** et les **nœuds**. Pour chaque jour (heure de référence = midi locale Europe/Paris), on calcule : lillumination (via la séparation Soleil-Lune), la variation de déclinaison (montante/descendante), la longitude écliptique (pour le signe). Le code exemple montre :
```python
# Phases exactes
f_phase = almanac.moon_phases(eph)
times, events = almanac.find_discrete(t0, t1, f_phase)
for t, ev in zip(times, events):
local_day = t.utc_datetime().astimezone(TZ).date()
phase_by_day[local_day] = ["Nouvelle Lune","1er Quart.","Pleine L.","Dernier Quart."][ev]
```
Cela enregistre l’événement de phase (le jour local de NL/Ple/Q1/Q3).
```python
# Illumination et montante/descendante
e = earth.at(t); v_sun = e.observe(sun).apparent(); v_moon = e.observe(moon).apparent()
sep = v_sun.separation_from(v_moon).radians
illum = (1 - math.cos(sep)) / 2 # fraction éclairée
illum2 = (1 - math.cos(v_sun2.separation_from(v_moon2).radians)) / 2
croissante = "Croissante" if illum2 >= illum else "Décroissante"
dec = v_moon.radec()[1].degrees
dec2 = v_moon2.radec()[1].degrees
montante = "Montante" if dec2 >= dec else "Descendante"
```
On compare lillumination et la déclinaison dun jour à ceux du lendemain pour décider «croissante/décroissante» et «montante/descendante».
```python
# Signe zodiacal (longitude écliptique)
lat, lon, dist = v_moon.ecliptic_latlon()
signe = SIGN_NAMES[int(lon.degrees // 30)]
type_jour = SIGN_TO_TYPE[signe] # "Racine"/"Feuille"/"Fleur"/"Fruit"
```
Cela associe chaque jour à un «type de jour» agricole selon le signe (Taureau→Racine, etc【24†L44-L53】).
Le calcul du **périgée/apogée** se fait manuellement : on mesure la distance Terre-Lune à midi chaque jour, puis on repère les minima/maxima locaux (via comparaison avec le jour précédent/suivant) pour marquer périgée et apogée. Ce choix manuel évite lAPI `almanac.moon_distance` obsolète, tout en restant suffisant pour le jardinage (un point extrême par lunaison).
## Liens avec le jardinage
Les cycles ci-dessus se traduisent en règles traditionnelles (non vérifiées scientifiquement【6†L373-L381】) :
- **Lune montante** : la sève monte, donc on **sème et récolte** (plantes aériennes, légumes-fruits)【7†L208-L214】【20†L24-L32】.
- **Lune descendante** : la sève descend, donc on **plante, repique, taille, travaille le sol** (consolidation racinaire)【7†L208-L214】【20†L24-L32】.
- **Croissante vs décroissante** : complément à montante/descendante. La lune croissante favorise les tiges/feuilles/fruits, la décroissante les racines【7†L208-L214】【20†L24-L32】.
- **Jours racine/feuille/fleur/fruit** : selon le signe zodiacal, on privilégie les cultures correspondantes【24†L44-L53】 (par ex. Taureau/Vierge/Capricorne = légumes racines, Cancer/Scorpion/Poissons = salades et choux, Gémeaux/Balance/Verseau = fleurs, Bélier/Lion/Sagittaire = tomates et haricots).
- **Éviter certains jours** : tradition recommande de ne rien faire lors des **nœuds lunaires, du périgée et de lapogée**【24†L66-L73】. Par exemple, on évite semer au périgée (supposé trop d’énergie) et en période d’éclipse (nœuds)【22†L66-L73】.
En résumé, on obtiendrait un tableau synthétique :
| **Cycle lunaire** | **Action jardin** | **Exemple** |
|---------------------------|------------------------------------------|----------------------|
| Phase croissante | Développement aérien (semis, greffe) | Semis de tomates au 1er quartier【7†L208-L214】 |
| Phase décroissante | Consolidation racinaire (plantation) | Repiquage en lune descendante【7†L208-L214】 |
| Lune montante (ascendante)| Semis et récoltes (au-dessus du sol) | Semer haricots en lune montante【7†L208-L214】 |
| Lune descendante | Planter, tailler, travailler le sol | Planter pommes de terre en lune descendante【7†L208-L214】 |
| Jour **Racine** (signe Terre) | Légumes-racines (carottes, betteraves) | Semez carottes (Lune en Vierge)【24†L44-L53】 |
| Jour **Feuille** (signe Eau) | Feuillage (salades, épinards) | Semez laitues (Lune en Cancer)【24†L44-L53】 |
| Jour **Fleur** (signe Air) | Fleurs, plantes ornementales | Repiquer vivaces (Lune en Gémeaux)【24†L50-L53】 |
| Jour **Fruit** (signe Feu) | Légumes-fruits (tomates, haricots) | Semis tomates (Lune en Lion)【24†L52-L55】 |
| **Nœuds lunaires** | **Éviter le jardinage** (énergies perturbées) | 18+ mars (noeuds)【22†L66-L73】 |
| **Périgée / Apogée** | **Éviter ou prudence** (croissance ralentie ou maladies) | Ex.: 25 mars (périgée)【22†L69-L73】 |
Ces recommandations proviennent de la tradition jardinière et sont souvent condensées dans des calendriers lunaires grand public【24†L44-L53】【22†L66-L73】.
## Script Python : structure et explications
Le script `lunar_calendar.py` donné utilise **Skyfield** pour la précision astronomique. Principaux points techniques :
- **Dépendances** : `skyfield`, `pytz`, `numpy`. Le fichier d’éphémérides `de421.bsp` (NASA) couvre jusquen 2050 environ.
- **Fuseau horaire** : on fixe lheure locale «midi à Paris» pour chaque jour, afin de ne pas rater un changement de date à lUTC. On convertit en UTC pour lanalyse Skyfield (voir `TZ.localize(datetime(...)).astimezone(pytz.utc)`).
- **Phases exactes** : on utilise `almanac.moon_phases(eph)` et `find_discrete(t0,t1,f_phase)` pour obtenir les instants (UTC) des quatre phases principales. On associe ensuite la date locale correspondante :
```python
f_phase = almanac.moon_phases(eph)
phase_times, phase_events = almanac.find_discrete(t0, t1, f_phase)
phase_by_day = {}
for t, ev in zip(phase_times, phase_events):
local_day = t.utc_datetime().astimezone(TZ).date()
phase_by_day[local_day] = ["Nouvelle Lune","Premier Quartier","Pleine Lune","Dernier Quartier"][int(ev)]
```
Cette méthode assure la précision astronomique des phases (décalage horaire et lieux pris en compte).
- **Illumination (pour «croissante/décroissante»)** : on calcule à midi la fraction illuminée de la Lune par rapport au Soleil vu de la Terre. La séparation angulaire géocentrique LuneSoleil (radians) donne lillumination via `(1 - cos(sep))/2`. On compare cette fraction au jour suivant pour déterminer si la Lune croît ou décroît.
- **Montante/descendante** : on récupère la déclinaison géocentrique de la Lune (`v_moon.radec()[1].degrees`) pour deux jours consécutifs. Si elle augmente, on est en période «montante», sinon «descendante».
- **Longitude écliptique (signe)** : Skyfield fournit la longitude écliptique (`v_moon.ecliptic_latlon()`). La division par 30° détermine le signe zodiacal (0=Bélier, 30=Taureau, etc.). On mappe ensuite le signe au type de jour (racine/feuille/fleur/fruit) via une table (comme vu ci-dessus【24†L44-L53】).
- **Périgée/Apogée manuels** : comme la fonction `almanac.moon_distance` nexistait plus, on calcule la distance TerreLune chaque jour à midi. On parcourt ce tableau de distances pour repérer les minima locaux (périgée) et maxima locaux (apogée). Cest une approximation suffisante pour marquer environ un périgée et un apogée par mois.
**Limites et précisions** :
- Lalgorithme suppose un calcul quotidien à midi: il peut ne pas être précis à lheure, mais on obtient les bons jours. Pour une précision à lheure près (rarement nécessaire pour le jardinage), on pourrait affiner la recherche d’événements.
- Le fuseau Europe/Paris est appliqué partout pour obtenir la date locale. En hiver comme en été, on fixe à midi (CET ou CEST).
- Les **jours racine/feuille/fleur/fruit** sont purement conventionnels (astrologiques)【24†L44-L53】. Le choix des signes et lattribution aux «éléments» viennent de la tradition, pas de lastronomie. Dautres écoles pourraient varier légèrement ces mappings.
- Le script génère un JSON/CSV qui inclut, pour chaque date : phase, %illumination, status croissante/descroissante et montante/descendante, signe zodiacal et type de jour, périgée/apogée, nœud lunaire.
Extrait du fichier JSON produit (format JSON compatible API) :
```json
{
"date": "2026-03-14",
"phase": "",
"illumination": 67.34,
"croissante_decroissante": "Croissante",
"montante_descendante": "Montante",
"signe": "Taureau",
"type_jour": "Racine",
"perigee": false,
"apogee": false,
"noeud_lunaire": false
}
```
## Installation et test
1. **Prérequis** : Python 3.9+ installé (nous avons testé sur Python 3.13). Ouvrir un terminal.
2. **Environnement virtuel** (recommandé) :
```bash
python3 -m venv .venv
source .venv/bin/activate
```
3. **Installer dépendances** :
```bash
pip install --upgrade pip
pip install skyfield numpy pytz
```
4. **Vérifier** que `lunar_calendar.py` se trouve dans le dossier de travail.
5. **Lancer le script** :
```bash
python lunar_calendar.py
```
Au premier lancement, Skyfield télécharge `de421.bsp`.
Le script affiche «Calendrier lunaire généré» et crée `calendrier_lunaire_2026.json`.
6. **Vérifier le contenu** :
```bash
head -n 5 calendrier_lunaire_2026.json
```
ou
```bash
cat calendrier_lunaire_2026.json | jq . # (avec jq pour formatage)
```
Si une erreur survient (par ex. `ModuleNotFoundError`), vérifier lenvironnement virtuel et linstallation des librairies.
## Exemples dusage et formats de sortie
- Le script, en l’état, génère un **JSON** (tableau dobjets journaliers) et peut être modifié pour produire du CSV.
- Exemple CSV attendu (point-virgule séparateur) :
```
date;phase_exacte;croissante_décroissante;montante_descendante;signe;jour_plante
2026-03-14;;Croissante;Montante;Taureau;Racine
2026-03-15;Dernier Quartier;Décroissante;Descendante;Bélier;Fruit
...
```
- Ce fichier JSON/CSV peut être importé dans une base (SQLite) ou exposé via une API (FastAPI) pour alimenter un frontend.
## Améliorations possibles et pièges à éviter
- **CLI ou paramètres** : ajouter des arguments (`--start YEAR-MON-DAY --end ...`) et `--output` pour rendre le script plus flexible.
- **FastAPI / Backend** : intégrer le calcul dans un endpoint (par ex. `/api/lune/{year}`) pour générer le calendrier à la demande ou en consulter un pré-calculé.
- **Base de données** : pré-calculer 5-10 ans et stocker dans SQLite pour accès rapide (partition par année).
- **Gestion du fuseau et locales** : tester en CET/CEST pour prendre en compte DST. Éviter lheure dhiver/été mal appliquée.
- **Front-end** : colorer le calendrier (ex. style Gruvbox : orangé=Racine, vert=Feuille, violet=Fleur, jaune=Fruit, rouge discret=Nœud). Rendre responsive (mobile/tablette).
- **Documentation** : ajouter un README dans le dépôt GitHub, expliquer les conventions (zodiaque, type de jour) et référencer les sources.
- **Précision** : pour du calcul horaire fin, on pourrait itérer en minutes autour de lheure approximative, mais pour le jardinage, le jour suffit.
## Références et lectures suggérées
- **Documentation Skyfield** exemples de calcul dangles et phases【14†L123-L131】.
- **Science et scepticisme** Détecteur de rumeurs SciencePresse (2022) et SNHF (2020) concluent à labsence deffet mesurable de la Lune sur les plantes【5†L108-L116】【6†L373-L381】.
- **Guides en français** Semencemag (2025) explique lusage pratique (jours racine/feuille/fleur/fruit, nœuds, apogée, périgée)【24†L44-L53】【22†L66-L73】. Rustica/Gerbeaud publient chaque mois des calendriers lunaires détaillés (ex. Gerbeaud, semis en «jour feuille, lune montante»【7†L93-L101】).
- **Éphémérides officielles** US Naval Observatory (phases et fraction illuminée)【10†L86-L94】, NASA HORIZONS, etc.
- **Recherche astronomique** pour approfondir : littérature sur lorbite lunaire, astronomie du calendrier, mais aussi le rapport SNHF «Jardiner avec la lune: mythe ou réalité» pour le contexte.
Ce document vise à guider à la fois les développeurs (algorithmes, code) et les jardiniers (règles pratiques). Il reste essentiel dexpérimenter et dadapter les recommandations à son jardin : un bon sol, de leau et du soleil restent les facteurs clés du succès, plus que toute influence lunaire【6†L390-L394】【22†L75-L84】.
+293
View File
@@ -0,0 +1,293 @@
# Calendrier lunaire de jardinage Guide complet
## Résumé exécutif
Le **calendrier lunaire** de jardinage exploite la position et le cycle de la Lune (phases, déclinaison, périgée/apogée, nœuds) pour rythmer semis, plantations et récoltes. Cette approche traditionnelle, popularisée depuis le b.a.-ba de lagriculture biodynamique, associe chaque jour lunaire à un type de culture (racine/feuille/fleur/fruit) et tient compte de la Lune montante ou descendante. **Attention toutefois**: la science moderne ne confirme aucune influence directe significative de la Lune sur la croissance des plantes【6†L373-L381】【5†L108-L116】. Néanmoins, beaucoup de jardiniers lutilisent comme repère complémentaire. Ce document explique les notions astronomiques (phases, illumination, déclinaison, signes zodiacaux, périgée/apogée, nœuds), leur calcul en Python, les règles de jardinage associées, ainsi que le fonctionnement du script fourni (algorithme, limites, sortie). Des exemples de configuration (JSON/CSV) et des conseils damélioration (CLI, API, base, front-end) sont détaillés, ainsi quune section sur les dictons français du jardinage et les « saints de glace ».
## Concepts astronomiques du calendrier lunaire
- **Phases lunaires** : La phase se définit par langle Lunaire-Solaire autour de la Terre. Concrètement, on calcule la différence de longitude écliptique entre la Lune et le Soleil【14†L123-L131】. Cette différence vaut 0° pour la Nouvelle Lune, 90° pour le Premier Quartier, 180° pour la Pleine Lune, 270° pour le Dernier Quartier (modulo 360°)【14†L123-L131】. En Python (Skyfield), on utilise `almanac.find_discrete(ts0,ts1, almanac.moon_phases(eph))` pour trouver les instants précis (UTC) de chaque phase.
- **Illumination de la Lune** : Le pourcentage du disque lunaire éclairé se calcule par la géométrie SoleilTerreLune. Si θ est la séparation angulaire (en radians) entre la Lune et le Soleil vue de la Terre, alors la fraction illuminée = (1cos θ)/2. En code, `sep = v_sun.separation_from(v_moon).radians; illum = (1 - math.cos(sep))/2`. Skyfield offre aussi `moon.fraction_illuminated(sun)`, mais la formule ci-dessus est équivalente. Le script compare lillumination dun jour au lendemain pour déterminer si la Lune croît ou décroît.
- **Lune montante / descendante** : On dit « Lune montante » si la déclinaison géocentrique de la Lune (angle par rapport à l’équateur céleste) augmente dun jour sur lautre. Sinon elle est « descendante ». Dans le script on calcule la déclinaison (`v_moon.radec()[1].degrees`) à midi un jour et le jour suivant. Exemple :
```python
dec = v_moon.radec()[1].degrees
dec2 = v_moon2.radec()[1].degrees
montante = dec2 >= dec # True si Lune "montante"
```
La lune montante est traditionnellement favorable aux travaux aériens (semis, récoltes), la descendante aux travaux racinaires (plantation, taille).
- **Signe zodiacal (longitude écliptique)** : La position de la Lune devant le zodiaque sert à définir le type de jour (racine/feuille/fleur/fruit). On calcule la longitude écliptique lunaire (0°–360°) via Skyfield (`v_moon.ecliptic_latlon()`). Le signe astrologique = int(longitude/30) (0=Bélier, 1=Taureau, …). Par convention :
- **Terre (Taureau, Vierge, Capricorne)***Jour Racine* (légumes-racines)【24†L44-L53】.
- **Eau (Cancer, Scorpion, Poissons)***Jour Feuille* (plantes feuillues)【24†L44-L53】.
- **Air (Gémeaux, Balance, Verseau)***Jour Fleur* (fleurs, choux-fleurs)【24†L50-L53】.
- **Feu (Bélier, Lion, Sagittaire)***Jour Fruit* (légumes-fruits)【24†L52-L55】.
Ces correspondances sont purement traditionnelles. Le script possède une table Python :
```python
SIGN_NAMES = ["Bélier","Taureau",…,"Poissons"]
SIGN_TO_TYPE = {
"Taureau":"Racine","Vierge":"Racine","Capricorne":"Racine",
"Cancer":"Feuille","Scorpion":"Feuille","Poissons":"Feuille",
"Gémeaux":"Fleur","Balance":"Fleur","Verseau":"Fleur",
"Bélier":"Fruit","Lion":"Fruit","Sagittaire":"Fruit"
}
signe = SIGN_NAMES[int(lon.degrees//30)]
type_jour = SIGN_TO_TYPE[signe]
```
- **Périgée / Apogée de la Lune** : Lorbite lunaire est elliptique. *Périgée* = point le plus proche de la Terre, *apogée* = point le plus éloigné【18†L108-L112】. Chaque lunaison comporte un périgée et un apogée. Skyfield na plus `almanac.moon_distance`, donc on calcule la distance TerreLune à midi chaque jour :
```python
dist = earth.at(ts.utc(date)).observe(moon).distance().km
```
On repère les minima locaux (périgée) et maxima locaux (apogée) dans la liste journalière. Ex.:
```python
distances = [earth.at(ts.utc(d.year,d.month,d.day,12,0,0)).observe(moon).distance().km for d in days]
# repérer indices i tels que dist[i] < dist[i±1] → périgée
```
Traditionnellement, on **évite de jardiner** durant ces jours (le périgée apporterait «trop d’énergie», lapogée «ralentissement de croissance»)【24†L66-L73】.
- **Nœuds lunaires** : Ce sont les deux points où lorbite de la Lune coupe l’écliptique【16†L155-L163】 (juste avant/après éclipses). On peut utiliser `almanac.moon_nodes(eph)` et `find_discrete` pour obtenir ces dates. Dans la pratique, les jours de nœuds sont considérés «perturbés» et déconseillés au jardinage【24†L66-L73】.
```mermaid
gantt
dateFormat YYYY-MM-DD
title Phases lunaires (Mars 2026)
section Phases
Nouvelle lune : 2026-03-03, 1d
Premier quartier : 2026-03-10, 1d
Pleine lune : 2026-03-18, 1d
Dernier quartier : 2026-03-25, 1d
```
## Liens vers les pratiques de jardinage
Les astronomes jardiniers ont formulé ces règles pratiques (purement empiriques)【7†L208-L214】【20†L24-L32】 :
- **Lune croissante** (montante) *moment daction au-dessus du sol* : semis de légumes-fruits, greffage, récolte. Exemple : on sème haricots/tomates le premier quartier【7†L208-L214】.
- **Lune décroissante** (descendante) *moment daction sur racines/sol* : plantations, repiquages, binage, taille. Ex.: planter pommes de terre en lune descendante【7†L208-L214】.
- **Jour “Racine”** (signe de Terre) : planter légumes-racines (carottes, betteraves)【24†L44-L53】.
- **Jour “Feuille”** (signe dEau) : semer feuilles et aromatiques (laitues, épinards)【24†L44-L53】.
- **Jour “Fleur”** (signe dAir) : greffer et soigner fleurs/ornementales (brocolis, roses)【24†L50-L53】.
- **Jour “Fruit”** (signe de Feu) : semer/planter légumes-fruits (tomates, courgettes, arbres fruitiers)【24†L52-L55】.
Un tableau synthétique :
| **Phase / Jour lunaire** | **Action jardin** | **Exemple** |
|-------------------------------|-----------------------------------|-----------------------------------------|
| Croissante (Nouvelle→Pleine) | Développement aérien semis/greffe| Semer tomates au premier quartier【7†L208-L214】 |
| Décroissante (Pleine→Nouvelle)| Consolidation planter, tailler | Planter pommes de terre en lune descendante【7†L208-L214】 |
| Lune montante | Semis/engrais/ récoltes | Récolter herbes aromatiques【7†L208-L214】 |
| Lune descendante | Planter/tailler/travailler le sol | Repiquer laitues, tailler rosiers【7†L208-L214】 |
| Jour **Racine** (Terre) | Légumes-racines (oignons, navets) | Semer carottes (Lune en Taureau)【24†L44-L53】 |
| Jour **Feuille** (Eau) | Laitues, choux, épinards | Semer épinards (Lune en Cancer)【24†L44-L53】 |
| Jour **Fleur** (Air) | Fleurs, brocolis, vivaces | Planter choux-fleurs (Lune en Balance)【24†L50-L53】 |
| Jour **Fruit** (Feu) | Tomates, haricots, pois | Semer tomates (Lune en Lion)【24†L52-L55】 |
| Nœuds lunaires | *Éviter tout travail* | (période d’éclipse, jours “perturbés”)【24†L66-L73】 |
| Périgée / Apogée | *Éviter/attention* | Récoltes précoces, éviter tailes risquées【24†L66-L73】 |
En pratique, on imprime souvent un calendrier lunaire annuel (papier ou appli mobile) pour suivre ces repères【24†L54-L60】【22†L66-L73】. À titre dexemple, voici la correspondance **signes zodiacaux → type de jour**, sous forme tabulaire :
| Signe zodiacal | Élément | Type de jour | Exemples de cultures |
|-----------------------------|---------|--------------|--------------------------------------|
| Bélier, Lion, Sagittaire | Feu | Fruit | Tomates, poivrons, arbres fruitiers |
| Taureau, Vierge, Capricorne | Terre | Racine | Carottes, pommes de terre, oignons |
| Gémeaux, Balance, Verseau | Air | Fleur | Fleurs, choux-fleurs, aromatiques |
| Cancer, Scorpion, Poissons | Eau | Feuille | Laitues, épinards, choux, salades |
Ces associations sont présentées par exemple dans Semencemag【24†L44-L53】.
## Le script Python : description technique
Le script `lunar_calendar.py` (Python 3.9+) génère un calendrier lunaire sur une période donnée. Points clés du fonctionnement :
- **Dépendances** : `skyfield` (pour lastronomie), `pytz` (timezones), `numpy`. `de421.bsp` est téléchargé automatiquement (éphéméride NASA).
- **Période de calcul** : par défaut un an (Jan→Déc). On peut modifier `start` et `end` dans la section `__main__`.
- **Fuseau horaire** : Europe/Paris. On prend lheure locale *midi* pour éviter les transitions de date, puis on convertit en UTC pour Skyfield :
```python
TZ = pytz.timezone("Europe/Paris")
local_noon = TZ.localize(datetime(year,month,day,12))
t = ts.utc(local_noon.astimezone(pytz.utc))
```
Ceci garantit que chaque date du calendrier correspond bien au jour solaire local.
- **Phases exactes** :
```python
f_phase = almanac.moon_phases(eph)
phase_times, phase_events = almanac.find_discrete(t0, t1, f_phase)
phase_by_day = {}
for t, ev in zip(phase_times, phase_events):
local_day = t.utc_datetime().astimezone(TZ).date()
phase_by_day[local_day] = ["Nouvelle Lune","Premier Quartier","Pleine Lune","Dernier Quartier"][int(ev)]
```
On récupère ainsi les jours (par date locale) où surviennent exactement la NL, PQ, PL, DQ. Ces étiquettes sont stockées dans `phase_by_day`.
- **Illumination et montante/descendante** : Pour chaque jour `d`, on calcule :
```python
e = earth.at(t) # position de la Terre à midi UTC
v_sun = e.observe(sun).apparent()
v_moon = e.observe(moon).apparent()
sep = v_sun.separation_from(v_moon).radians
illum = (1 - math.cos(sep)) / 2 # fraction (0..1) éclairée
```
Puis pour le lendemain, même calcul (`illum2`, `dec2`). On définit :
```python
croissante = "Croissante" if illum2 >= illum else "Décroissante"
dec = v_moon.radec()[1].degrees
dec2 = v_moon2.radec()[1].degrees
montante = "Montante" if dec2 >= dec else "Descendante"
```
Cest-à-dire la Lune est “montante” si sa déclinaison augmente.
- **Signe zodiacal → type de jour** : Toujours à midi, on récupère la longitude écliptique :
```python
lat, lon, dist = v_moon.ecliptic_latlon()
signe = SIGN_NAMES[int(lon.degrees // 30) % 12]
type_jour = SIGN_TO_TYPE[signe]
```
Ainsi on remplit `signe` (ex. “Taureau”) et `type_jour` (“Racine”, etc) pour chaque date.
- **Périgée/Apogée manuel** : Après avoir construit une liste quotidienne de distances (voir ci-dessus), on parcourt les valeurs : si `dist[i] < dist[i-1]` et `< dist[i+1]`, cest un **périgée** (jour local minimal). Inversement pour un **apogée**. Ce repérage simple identifie un périgée et un apogée par lunaison. Exemple :
```python
if distances[i] < distances[i-1] and distances[i] < distances[i+1]:
perigee_days.add(all_days[i])
if distances[i] > distances[i-1] and distances[i] > distances[i+1]:
apogee_days.add(all_days[i])
```
Ces jours sont marqués dans lexport pour information.
- **Nœuds lunaires** : On utilise directement `almanac.moon_nodes(eph)` et `find_discrete` entre `t0` et `t1`. On convertit chaque instant en date locale pour obtenir `node_days`.
**Limitations et précision** :
- Le calcul se fait au pas dun jour (midi). Il nest donc pas dune précision horaire au-delà du jour (assez pour un calendrier de plantation).
- Le passage entre heures d’été/hiver est géré par `pytz`.
- Les assignations *racine/feuille/fleur/fruit* reposent sur des conventions astrologiques. Elles sont cohérentes avec la littérature francophone (Semencemag【24†L44-L53】, Rustica, etc.) mais non scientifiques.
- Les algorithmes Skyfield sont précautionneusement utilisés pour donner des résultats très fiables sur plusieurs décennies.
## Installation et tests
1. **Python 3.9+** : Vérifier (`python3 --version`).
2. **Environnement virtuel** (optionnel mais recommandé) :
```bash
cd /path/to/projet
python3 -m venv .venv
source .venv/bin/activate # prompt indique (.venv)
```
3. **Installer les dépendances** :
```bash
pip install --upgrade pip
pip install skyfield numpy pytz
```
Vérifier : `pip list` doit lister `skyfield`, `numpy`, `pytz`.
4. **Lancer le script** (`lunar_calendar.py`) :
```bash
python lunar_calendar.py
```
Au premier lancement, `skyfield` télécharge automatiquement `de421.bsp`.
Un message “Calendrier lunaire généré” doit safficher. Le fichier `calendrier_lunaire_2026.json` (ou défini dans le script) est créé.
5. **Vérifier le résultat** :
```bash
head -n 5 calendrier_lunaire_2026.json
```
ou
```bash
cat calendrier_lunaire_2026.json | jq .
```
Exemple de ligne JSON produite :
```json
{
"date": "2026-03-14",
"phase": "",
"illumination": 67.34,
"croissante_decroissante": "Croissante",
"montante_descendante": "Montante",
"signe": "Taureau",
"type_jour": "Racine",
"perigee": false,
"apogee": false,
"noeud_lunaire": false
}
```
Cette ligne indique quau 14/03/2026, la Lune est en *Taureau* (Jour Racine), croissante et montante, sans phase particulière ni événement spécial.
**Commandes utiles** :
- Tester limport Skyfield : `python -c "from skyfield.api import load; print('Skyfield OK')"`
- Debug : ajouter `print` pour les valeurs (illumination, décli, etc.) si nécessaire.
## Exemples dusage et sorties
Le script génère un **JSON** (tableau dobjets quotidiens). On peut facilement adapter pour un **CSV**. Par exemple, le module Python `csv` est prêt à lemploi (démontré dans le code source). Les champs exportés sont : date, phase, « croissante/décroissante », « montante/descendante », signe, type de jour, booleans périgée/apogée/nœud.
Un exemple de format CSV (séparateur `;`) :
```csv
date;phase_exacte;croissante_décroissante;montante_descendante;signe;type_jour;perigee;apogee;noeud
2026-03-14;;Croissante;Montante;Taureau;Racine;0;0;0
2026-03-15;Dernier Quartier;Décroissante;Descendante;Bélier;Fruit;0;0;0
...
```
Ce fichier peut être importé en base de données (SQLite) ou servi via une API (FastAPI) pour alimenter une interface web/mobile.
## Améliorations possibles et pièges à éviter
- **Arguments en ligne de commande** : utiliser `argparse` pour accepter `--start`, `--end`, `--format` (JSON/CSV).
- **FastAPI ou Flask** : créer un endpoint `/api/lune/{year}` qui lit le JSON pré-calculé ou exécute dynamiquement le calcul. Attention à la latence du calcul si fait à la volée (mieux pré-calculer).
- **Base de données** : pré-calculer plusieurs années (510 ans) et stocker en SQLite avec une table indexée sur date. Permet dinterroger rapidement pour une date donnée.
- **Timezones** : toujours utiliser `pytz` et `ASTimezone` pour éviter les décalages DST erronés. Tester en hiver/été.
- **Précision** : le calcul d’événements précis (phase à lheure près) est assuré par Skyfield. Pour le quotidien, on sen tient au repère “jour où l’événement tombe (UTC→local)”.
- **Interface graphique** : ajouter un calendrier réactif (HTML/CSS/JS) coloré par type de jour (ex. : orange racine, vert feuille, violet fleur, jaune fruit), marquer les événements spéciaux (noeuds en rouge discret, périgée/apogée en gris). Gruvbox ou autre thème sombre/contrasté pour développeurs.
- **Stockage des données** : suggestions JSON/CSV ci-dessus, ou génération de JSON à partir de SQLite. Ex:
```sql
CREATE TABLE lune (
date TEXT PRIMARY KEY,
phase TEXT, lumiere REAL,
croiss_dec TEXT, mont_dec TEXT,
signe TEXT, type_jour TEXT,
perigee INTEGER, apogee INTEGER, noeud INTEGER
);
```
- **Documentation** : ajouter des tests unitaires, du logging, et un README (vous êtes ici !).
## Dictons et proverbes populaires du jardinage
La tradition française regorge de **dictons et proverbes** relatifs aux saisons et au jardinage. En voici quelques exemples :
- « À chaque plante son temps, à chaque temps sa plante » on plante/sème selon la saison appropriée【32†L118-L121】.
- « Tel est le jardinier, tel est le jardin » l’état du potager reflète les soins du jardinier【32†L105-L109】.
- « En avril, ne te découvre pas dun fil » prudence contre les dernières gelées tardives.
- « Jamais trop tôt pour semer, jamais trop tard pour récolter » planter semis précoces et récolter tardivement.
- « La patience est la mère des jardiniers » la réussite vient avec lobservation et le temps【32†L158-L161】.
Ces dictons reflètent lobservation empirique. Aucune librairie Python spécifique aux proverbes français nest connue. On peut les stocker dans un fichier JSON ou CSV pour usage interne. Par exemple, un format JSON possible :
```json
[
{
"dicton": "En avril, ne te découvre pas d'un fil",
"signification": "Ne pas ôter les protections trop tôt car les gelées peuvent revenir tardivement.",
"source": "Proverbe populaire"
},
{
"dicton": "À chaque plante son temps, à chaque temps sa plante",
"signification": "Chaque semis/plantation doit se faire en fonction de la saison appropriée.",
"source": "Santamaria Motoculture【32†L118-L121】"
}
]
```
On ajoutera «source» ou «conseil associé» selon besoins. Si besoin de proverbes automatiques, on utilisera plutôt une API publique de citations (ex. «Proverbes français» non automatique) plutôt quune librairie locale.
## Calendrier des saints de glace (France)
En France, de nombreux dictons sappuient sur le **calendrier des saints**. Les plus célèbres pour le jardinage sont les **Saints de Glace** (traditionnellement 11, 12, 13 mai Mamert, Pancrace, Servais) et les saints qui les prolongent (Yves 19/5, Urbain 25/5). Ces dates marquent la fin présumée des gelées printanières. Exemples de dictons associés【39†L155-L164】【42†L209-L212】 :
- **11 mai (St Mamert), 12 mai (St Pancrace), 13 mai (St Servais)** : *« Avant Saint-Servais, point d’été ; après Saint-Servais, plus de gelée. »*【39†L155-L164】 conseille dattendre la mi-mai.
- **Saint-Urbain (25 mai)** : *« Quand la Saint-Urbain est passée, le vigneron est rassuré. »*【42†L209-L212】 (fin définitive du risque de gel).
- Variante : *« Mamert, Pancrace, Servais sont trois saints de glace, mais Saint-Urbain les tient tous dans sa main. »*【42†L209-L212】.
- **Saint-Pancrace (12/5), St-Servais (13/5), St-Boniface (14/5)** : *« Saints Pancrace, Servais et Boniface apportent souvent de la glace. »*【42†L209-L212】.
Le *calendrier des saints* est large : on trouve par région dautres saints réputés «glaçants» en avril (Georges 23/4, Marc 25/4, etc.). Mais pour la France métropolitaine, cest la période mi-mai qui domine ces dictons. En résumé : mieux vaut repousser linstallation des cultures sensibles au froid (tomates, etc.) jusqu’à fin mai【39†L155-L164】【40†L81-L88】.
## Références et lectures suggérées
- **Skyfield API** Exemples de calculs astronomiques (phases, positions)【14†L123-L131】.
- **Documentation SO/USNO** Éphémérides officielles pour la Lune (phases, illumination)【18†L108-L112】.
- **Journaux et blogs FR** Articles de vulgarisation : Semencemag (juin 2025) sur lusage du calendrier lunaire【24†L44-L53】, Rustica, Gerbeaud.
- **Sources historiques** Dictons et fêtes des saints : «Les saints de glace» sur le Potager Permacole【42†L209-L212】, revue Science et Vie (SNHF) pour le scepticisme scientifique【6†L373-L381】.
- **Ressources additionnelles** : RFC et documentation FastAPI, tutoriels Skyfield (rhodesmill.org), bases de données open (p. ex. base de dictons BotAccess).
Ce README est prêt à être sauvegardé comme document `README.md`. Il offre un point de départ complet pour un projet de **webapp jardinage** incorporant un calendrier lunaire.
+5
View File
@@ -0,0 +1,5 @@
source .venv/bin/activate
pip install --upgrade pip
pip install skyfield numpy pytz
+396
View File
@@ -0,0 +1,396 @@
from __future__ import annotations
from dataclasses import dataclass, asdict, field
from datetime import date, datetime, timedelta
import math
import json
from pathlib import Path
import pytz
from skyfield.api import load, wgs84, load_constellation_map
from skyfield import almanac
TZ = pytz.timezone("Europe/Paris")
SCRIPT_DIR = Path(__file__).resolve().parent
LATITUDE = 48.8566
LONGITUDE = 2.3522
# --- Mapping "jour racine/feuille/fleur/fruit" ---
# We align with a sidereal approach using the Moon's constellation.
CONSTELLATION_TO_SIGN = {
"Ari": "Bélier",
"Tau": "Taureau",
"Gem": "Gémeaux",
"Cnc": "Cancer",
"Leo": "Lion",
"Vir": "Vierge",
"Lib": "Balance",
"Sco": "Scorpion",
"Sgr": "Sagittaire",
"Cap": "Capricorne",
"Aqr": "Verseau",
"Psc": "Poissons",
# The Moon can cross Ophiuchus in official IAU boundaries.
# We map it to Scorpion for gardening day continuity.
"Oph": "Scorpion",
}
SIGN_TO_TYPE = {
"Taureau": "Racine", "Vierge": "Racine", "Capricorne": "Racine",
"Cancer": "Feuille", "Scorpion": "Feuille", "Poissons": "Feuille",
"Gémeaux": "Fleur", "Balance": "Fleur", "Verseau": "Fleur",
"Bélier": "Fruit", "Lion": "Fruit", "Sagittaire": "Fruit",
}
@dataclass
class DayInfo:
date: str
phase: str
illumination: float
croissante_decroissante: str
montante_descendante: str
signe: str
type_jour: str
soleil_lever: str
soleil_coucher: str
duree_jour: str
lune_lever: str
lune_coucher: str
duree_presence_lune: str
saint_du_jour: str
saint_de_glace: bool
perigee: bool
apogee: bool
noeud_lunaire: bool
transitions_type_jour: list[dict[str, str]] = field(default_factory=list)
transitions_montante_descendante: list[dict[str, str]] = field(default_factory=list)
def _zodiac_sign_from_constellation(constellation_at, position) -> str:
abbr = constellation_at(position)
return CONSTELLATION_TO_SIGN.get(abbr, "Scorpion")
def _local_noon(d: date) -> datetime:
return TZ.localize(datetime(d.year, d.month, d.day, 12, 0, 0))
def _default_saints_france() -> dict[str, str]:
# Core gardening references in France; full calendar can be provided via saints_france.json.
return {
"04-23": "Saint Georges",
"04-25": "Saint Marc",
"05-11": "Saint Mamert",
"05-12": "Saint Pancrace",
"05-13": "Saint Servais",
"05-14": "Saint Boniface",
"05-19": "Saint Yves",
"05-25": "Saint Urbain",
}
def _load_saints_france() -> dict[str, str]:
path = SCRIPT_DIR / "saints_dictons" / "saints_france.json"
if not path.exists():
return _default_saints_france()
with path.open("r", encoding="utf-8") as f:
data = json.load(f)
saints: dict[str, str] = {}
for key, value in data.items():
if isinstance(key, str) and isinstance(value, str):
saints[key] = value.strip()
return saints
def _compute_perigee_apogee_days(ts, earth, moon, start: date, end: date) -> tuple[set[date], set[date]]:
# Hourly sampling + one-day padding on each side gives stable local extrema detection.
sample_start = datetime.combine(start - timedelta(days=1), datetime.min.time())
sample_end = datetime.combine(end + timedelta(days=1), datetime.max.time().replace(microsecond=0))
samples: list[tuple[date, float]] = []
current = TZ.localize(sample_start)
end_local = TZ.localize(sample_end)
step = timedelta(hours=1)
while current <= end_local:
t = ts.utc(current.astimezone(pytz.utc))
dist_km = earth.at(t).observe(moon).distance().km
samples.append((current.date(), dist_km))
current += step
perigee_days: set[date] = set()
apogee_days: set[date] = set()
for i in range(1, len(samples) - 1):
day, dist = samples[i]
if not (start <= day <= end):
continue
prev_dist = samples[i - 1][1]
next_dist = samples[i + 1][1]
if dist < prev_dist and dist < next_dist:
perigee_days.add(day)
if dist > prev_dist and dist > next_dist:
apogee_days.add(day)
return perigee_days, apogee_days
def _to_local_dt(t) -> datetime:
return t.utc_datetime().replace(tzinfo=pytz.utc).astimezone(TZ)
def _pick_first_event_within_window(
ts,
observer,
target,
start_local: datetime,
end_local: datetime,
event_kind: str,
) -> tuple[datetime | None, int | None]:
if event_kind == "rise":
event_func = almanac.find_risings
else:
event_func = almanac.find_settings
t0 = ts.utc(start_local.astimezone(pytz.utc))
t1 = ts.utc(end_local.astimezone(pytz.utc))
times, flags = event_func(observer, target, t0, t1)
for t, ok in zip(times, flags):
if not ok:
continue
dt_local = _to_local_dt(t)
if start_local <= dt_local < end_local:
day_offset = (dt_local.date() - start_local.date()).days
return dt_local, day_offset
return None, None
def _format_time(dt_local: datetime | None, day_offset: int | None) -> str:
if dt_local is None:
return ""
base = dt_local.strftime("%H:%M")
if day_offset and day_offset > 0:
return f"{base} (+{day_offset}j)"
return base
def _format_duration(start_dt: datetime | None, end_dt: datetime | None) -> str:
if start_dt is None or end_dt is None:
return ""
delta = end_dt - start_dt
if delta.total_seconds() < 0:
return ""
total_minutes = int(round(delta.total_seconds() / 60))
hours, minutes = divmod(total_minutes, 60)
return f"{hours:02d}h{minutes:02d}"
def _moon_type_jour_at(ts, earth, moon, constellation_at, local_dt: datetime) -> str:
t = ts.utc(local_dt.astimezone(pytz.utc))
v_moon = earth.at(t).observe(moon).apparent()
signe = _zodiac_sign_from_constellation(constellation_at, v_moon)
return SIGN_TO_TYPE[signe]
def _moon_montante_descendante_at(ts, earth, moon, local_dt: datetime) -> str:
t = ts.utc(local_dt.astimezone(pytz.utc))
t2 = ts.utc((local_dt + timedelta(minutes=30)).astimezone(pytz.utc))
v_moon = earth.at(t).observe(moon).apparent()
v_moon2 = earth.at(t2).observe(moon).apparent()
dec = v_moon.radec()[1].degrees
dec2 = v_moon2.radec()[1].degrees
return "Montante" if dec2 >= dec else "Descendante"
def _find_transition_time(
value_at,
left_dt: datetime,
right_dt: datetime,
left_value: str,
) -> datetime:
# Binary search at minute precision for the first instant where value changes.
while (right_dt - left_dt) > timedelta(minutes=1):
mid = left_dt + (right_dt - left_dt) / 2
if value_at(mid) == left_value:
left_dt = mid
else:
right_dt = mid
return right_dt.replace(second=0, microsecond=0)
def _compute_daily_transitions(
value_at,
day_start: datetime,
day_end: datetime,
step_minutes: int = 20,
) -> list[dict[str, str]]:
transitions: list[dict[str, str]] = []
step = timedelta(minutes=step_minutes)
t = day_start
current_value = value_at(t)
while t < day_end:
probe = min(t + step, day_end)
probe_value = value_at(probe)
if probe_value != current_value:
transition_dt = _find_transition_time(value_at, t, probe, current_value)
transitions.append(
{
"heure": transition_dt.strftime("%H:%M"),
"avant": current_value,
"apres": probe_value,
}
)
current_value = probe_value
t = probe
return transitions
def build_calendar(start: date, end: date) -> list[DayInfo]:
if end < start:
raise ValueError(f"Invalid date range: start ({start}) is after end ({end}).")
ts = load.timescale()
eph = load("de421.bsp")
constellation_at = load_constellation_map()
saints_by_mmdd = _load_saints_france()
saints_de_glace = {"05-11", "05-12", "05-13", "05-14", "05-25"}
earth, moon, sun = eph["earth"], eph["moon"], eph["sun"]
observer = earth + wgs84.latlon(LATITUDE, LONGITUDE)
t0 = ts.utc(start.year, start.month, start.day)
t1 = ts.utc(end.year, end.month, end.day + 1)
# --- Phases exactes ---
f_phase = almanac.moon_phases(eph)
phase_times, phase_events = almanac.find_discrete(t0, t1, f_phase)
phase_by_day: dict[date, str] = {}
for t, ev in zip(phase_times, phase_events):
local_day = t.utc_datetime().replace(tzinfo=pytz.utc).astimezone(TZ).date()
phase_by_day[local_day] = ["Nouvelle Lune", "Premier Quartier",
"Pleine Lune", "Dernier Quartier"][int(ev)]
# --- Nœuds lunaires (instants) ---
f_nodes = almanac.moon_nodes(eph)
node_times, _ = almanac.find_discrete(t0, t1, f_nodes)
node_days: set[date] = set()
for t in node_times:
local_day = t.utc_datetime().replace(tzinfo=pytz.utc).astimezone(TZ).date()
node_days.add(local_day)
# --- Périgée / apogée : calcul manuel via distance Terre->Lune (min/max locaux) ---
perigee_days, apogee_days = _compute_perigee_apogee_days(ts, earth, moon, start, end)
# --- Boucle jour par jour ---
result: list[DayInfo] = []
d = start
while d <= end:
# midi local : stabilise signe du jour + évite bascules UTC
local_noon = _local_noon(d)
local_day_start = TZ.localize(datetime(d.year, d.month, d.day, 0, 0, 0))
local_day_end = local_day_start + timedelta(days=1)
local_moon_window_end = local_day_start + timedelta(days=2)
t = ts.utc(local_noon.astimezone(pytz.utc))
e = earth.at(t)
v_sun = e.observe(sun).apparent()
v_moon = e.observe(moon).apparent()
# illumination (0..1) via séparation soleil-lune
sep = v_sun.separation_from(v_moon).radians
illum = (1 - math.cos(sep)) / 2
# lendemain (pour croissante/décroissante + montante/descendante)
d2 = d + timedelta(days=1)
local_noon2 = _local_noon(d2)
t2 = ts.utc(local_noon2.astimezone(pytz.utc))
e2 = earth.at(t2)
v_sun2 = e2.observe(sun).apparent()
v_moon2 = e2.observe(moon).apparent()
sep2 = v_sun2.separation_from(v_moon2).radians
illum2 = (1 - math.cos(sep2)) / 2
croissante = "Croissante" if illum2 >= illum else "Décroissante"
dec = v_moon.radec()[1].degrees
dec2 = v_moon2.radec()[1].degrees
montante = "Montante" if dec2 >= dec else "Descendante"
# sidereal sign via Moon constellation
signe = _zodiac_sign_from_constellation(constellation_at, v_moon)
type_jour = SIGN_TO_TYPE[signe]
mmdd = f"{d.month:02d}-{d.day:02d}"
sun_rise_dt, sun_rise_offset = _pick_first_event_within_window(
ts, observer, sun, local_day_start, local_day_end, "rise"
)
sun_set_dt, sun_set_offset = _pick_first_event_within_window(
ts, observer, sun, local_day_start, local_day_end, "set"
)
moon_rise_dt, moon_rise_offset = _pick_first_event_within_window(
ts, observer, moon, local_day_start, local_moon_window_end, "rise"
)
moon_set_dt, moon_set_offset = _pick_first_event_within_window(
ts, observer, moon, local_day_start, local_moon_window_end, "set"
)
transitions_type_jour = _compute_daily_transitions(
lambda dt: _moon_type_jour_at(ts, earth, moon, constellation_at, dt),
local_day_start,
local_day_end,
)
transitions_montante_descendante = _compute_daily_transitions(
lambda dt: _moon_montante_descendante_at(ts, earth, moon, dt),
local_day_start,
local_day_end,
)
result.append(DayInfo(
date=d.isoformat(),
phase=phase_by_day.get(d, ""),
illumination=round(illum * 100.0, 2), # %
croissante_decroissante=croissante,
montante_descendante=montante,
signe=signe,
type_jour=type_jour,
soleil_lever=_format_time(sun_rise_dt, sun_rise_offset),
soleil_coucher=_format_time(sun_set_dt, sun_set_offset),
duree_jour=_format_duration(sun_rise_dt, sun_set_dt),
lune_lever=_format_time(moon_rise_dt, moon_rise_offset),
lune_coucher=_format_time(moon_set_dt, moon_set_offset),
duree_presence_lune=_format_duration(moon_rise_dt, moon_set_dt),
transitions_type_jour=transitions_type_jour,
transitions_montante_descendante=transitions_montante_descendante,
saint_du_jour=saints_by_mmdd.get(mmdd, ""),
saint_de_glace=(mmdd in saints_de_glace),
perigee=(d in perigee_days),
apogee=(d in apogee_days),
noeud_lunaire=(d in node_days),
))
d += timedelta(days=1)
return result
if __name__ == "__main__":
data = build_calendar(date(2026, 1, 1), date(2026, 12, 31))
out_path = Path(__file__).with_name("calendrier_lunaire_2026.json")
with out_path.open("w", encoding="utf-8") as f:
json.dump([asdict(x) for x in data], f, ensure_ascii=False, indent=2)
print(f"Calendrier lunaire généré : {out_path}")
@@ -0,0 +1,266 @@
Voici des éléments structurés essentiels pour écrire un tutoriel de scraping Python à partir du site saint-dicton.com, en particulier pour la page dun jour précis (par exemple https://www.saint-dicton.com/0222.html) :
📌 Structure observée du site Saint-Dicton
Un exemple de page date contient :
Liste des saints fêtés ce jour
Exemples : “St-Sulpice Sévère”, “St-Valère”, etc.
Ce bloc est présenté sous forme de texte HTML listé en paragraphes ou sections.
Phase de la lune
Peut être présente mais nest pas structurée pour le scraping des saints.
Dicton du jour
Un bloc intitulé “## Dicton du jour” suivi dun ou plusieurs dictons.
Prénoms à fêter
Peut contenir une liste ou être vide.
🧠 Analyse de la pagination annuelle
Le site propose également une navigation jour par jour :
LURL pour une date donnée prend la forme https://www.saint-dicton.com/MMDD.html où MM est le mois sur deux chiffres et DD le jour sur deux chiffres (par exemple 0222 pour 22 février).
Il existe une page par mois avec tous les saints par ordre alphabétique (ex. SaintsA.html).
Ceci permet de parcourir toutes les dates de lannée systématiquement.
📘 Sources externes utiles
Pour enrichir ton scraping :
Nominis propose une base de plusieurs milliers de saints et fêtes liturgiques (utile pour comparer).
Des sites comme Éphéméride ou Wiki des proverbes donnent des dictons et proverbes météo/agricoles si besoin de compléter la base. (source non spécifique, généraliste).
🧪 Extrait de page (exemple réel)
Dans la page 0222.html, on observe :
## Dicton du jour
S'il gèle à la Saint-Sulpice,
Le printemps sera propice
Ici :
“Dicton du jour” est un titre h2
Le dicton est une ligne ou plusieurs lignes de texte juste après ce titre.
📌 Tutoriel ciblé pour écrire scrap_saint.md
Dans ce fichier .md, tu pourras expliquer :
Objectif du scraping
Extraire pour chaque date :
date (MM-DD)
nom du saint (ou saints)
dictons du jour
éventuellement prénoms associés
Analyse HTML du site
Les pages individuelles des dates
Les sections à scraper
Comment repérer les titres HTML des dictons
Étapes du script Python
itérer sur toutes les dates de lannée
fetch des pages MMDD.html
parser lHTML avec BeautifulSoup
extraire listes de saints
extraire bloc dictons
stocker dans une structure CSV ou JSON
Exemple de structure de sortie
{
"date": "0222",
"saints": ["St-Sulpice Sévère", "St-Valère"],
"dictons": ["S'il gèle à la Saint-Sulpice, …"]
}
Conseils pour éviter les pièges
certaines dates ont plusieurs dictons
structure HTML parfois variable
gérer les accents et encodage UTF-8
Si tu veux, je peux te générer directement le contenu complet de ce fichier scrap_saint.md avec un script Python détaillé (requests + BeautifulSoup) prêt à copier.
Dis-moi si tu veux aussi inclure le scraping du contenu de la page alphabétique SaintsA.html pour récupérer la liste complète des noms de saints.
genere scrap.md
Voici un tutoriel complet scrap_saint.md pour taider à scraper les pages de saints et leurs dictons à partir du site https://www.saint-dicton.com/0222.html
et des pages annuelles correspondantes. Ce fichier explique lanalyse de la structure, un exemple concret de script Python, et des conseils pour boucler sur toute lannée.
# scrap_saint.md
## Objectif
Ce tutoriel explique comment *scraper automatiquement* les informations suivantes pour chaque jour de lannée à partir du site **saint-dicton.com** :
- la **date** format MMDD (ex : *0222*)
- le(s) **nom(s) du saint** fêté(s)
- le ou les **dictons associés au jour**
Lobjectif est de générer une base de données annuelle (CSV/JSON) des saints et des dictons, utilisable ensuite dans un projet Python par exemple.
---
## Analyse de la structure du site
Le site propose une **page par date** selon le format dURL :
https://www.saint-dicton.com/MMDD.html
Exemples :
- https://www.saint-dicton.com/0222.html → *Saint-Sulpice Sévère* + dicton du jour :contentReference[oaicite:0]{index=0}
- https://www.saint-dicton.com/0208.html → *dicton de la Saint-Jean* :contentReference[oaicite:1]{index=1}
Chaque page contient typiquement :
1. **Fêtes du jour**
Une section listant un ou plusieurs saints (ex : *St-Sulpice Sévère*, *St-Valère*) :contentReference[oaicite:2]{index=2}
2. **Bloc Dicton du jour**
Titre suivi du texte du dicton (souvent une ou plusieurs lignes) :contentReference[oaicite:3]{index=3}
3. **(Optionnel) Prénoms à fêter**
Liste de prénoms associés à la date :contentReference[oaicite:4]{index=4}
> Le site propose aussi une page daccueil et des pages alphabétiques, mais pour extraire une *base annuelle*, le patron `MMDD.html` est utile pour itérer sur chaque jour de lannée. :contentReference[oaicite:5]{index=5}
---
## Pré-requis
Installer les dépendances Python nécessaires :
```bash
pip install requests beautifulsoup4
Optionnel mais recommandé :
pip install lxml
Exemple de script Python (scraper)
Ce script parcourt toutes les dates de lannée, récupère chaque page, analyse lHTML et enregistre les données dans un fichier CSV.
import requests
from bs4 import BeautifulSoup
import csv
import time
BASE_URL = "https://www.saint-dicton.com/{:02d}{:02d}.html"
def scrape_day(month: int, day: int):
url = BASE_URL.format(month, day)
resp = requests.get(url)
if resp.status_code != 200:
return None
soup = BeautifulSoup(resp.text, "lxml")
# Extraire les noms de saints
saints = []
h1 = soup.find("h1")
if h1:
# souvent la liste des saints est en texte dans la partie principale
for line in h1.text.split("\n"):
if line.strip():
saints.append(line.strip())
# trouver le div ou section contenant "Dicton du jour"
dicton_data = ""
target = soup.find(text="Dicton du jour")
if target:
parent = target.find_parent()
if parent:
# juste après ce bloc, prendre les lignes de dicton
for p in parent.find_next_siblings():
text = p.get_text(strip=True)
if text:
dicton_data += text + " "
return {
"month": month,
"day": day,
"saints": saints,
"dicton": dicton_data.strip()
}
# Boucle sur toute l'année
with open("saints_dictons.csv", "w", newline="", encoding="utf-8") as csvfile:
fieldnames = ["month", "day", "saints", "dicton"]
writer = csv.DictWriter(csvfile, fieldnames=fieldnames, delimiter=";")
writer.writeheader()
for m in range(1, 13):
for d in range(1, 32):
data = scrape_day(m, d)
if data:
writer.writerow({
"month": data["month"],
"day": data["day"],
"saints": "|".join(data["saints"]),
"dicton": data["dicton"]
})
print(f"Scraped {m:02d}-{d:02d}")
time.sleep(1) # pause pour éviter surcharge
Bonnes pratiques & conseils
💡 Respect et performance
Respecte les règles dutilisation du site. Le scraping est légitime sur du contenu public, mais il faut éviter une surcharge du serveur.
Met une pause (time.sleep(1)) entre les requêtes pour ne pas déclencher de blocage ou DDoS.
🧠 Inspection du HTML
Avant dextraire le texte, inspecte la page dans un navigateur (clic droit → Inspecter) pour confirmer la structure des balises.
Le site nutilise pas dAPI JSON, donc BeautifulSoup est adapté.
⚠️ Variations possibles
La structure peut varier légèrement dune date à lautre (par ex., plusieurs saints listés en texte, parfois des paragraphes additionnels).
Adaptation des sélecteurs (find, find_all, classes ou IDs) peut être nécessaire selon les pages.
Sorties possibles
À partir du script ci-dessus, tu peux générer :
un CSV (comme ci-dessous)
un JSON structuré
un SQLite pour intégration dans ton application jardinage
Exemple denregistrement CSV :
month;day;saints;dicton
2;22;St-Sulpice Sévère|St-Valère;"S'il gèle à la Saint-Sulpice, Le printemps sera propice"
Conclusion
En parcourant les URL de MMDD.html et en analysant lHTML, tu peux extraire automatiquement pour toute lannée la liste des saints et leurs dictons associés.
Ce fichier scrap_saint.md te fournit une base de départ claire avec un script Python prêt à lemploi.
File diff suppressed because it is too large Load Diff
@@ -0,0 +1,113 @@
#!/usr/bin/env python3
from __future__ import annotations
import argparse
import json
from pathlib import Path
def _parse_mmdd(mmdd: str) -> tuple[int, int]:
if len(mmdd) != 4 or not mmdd.isdigit():
raise ValueError(f"MMDD invalide: {mmdd}")
month = int(mmdd[:2])
day = int(mmdd[2:])
if not (1 <= month <= 12 and 1 <= day <= 31):
raise ValueError(f"MMDD hors plage: {mmdd}")
return month, day
def _as_list(value: object) -> list[str]:
if not value:
return []
if isinstance(value, list):
out: list[str] = []
for item in value:
txt = str(item).strip()
if txt and txt not in out:
out.append(txt)
return out
txt = str(value).strip()
return [txt] if txt else []
def export_files(source_file: Path, saints_out: Path, dictons_out: Path) -> tuple[int, int]:
source = json.loads(source_file.read_text(encoding="utf-8"))
rows = source.get("data", [])
saints_rows: list[dict] = []
dictons_rows: list[dict] = []
for row in rows:
mmdd = str(row.get("mmdd", "")).strip()
if not mmdd:
continue
try:
month, day = _parse_mmdd(mmdd)
except ValueError:
continue
saints = _as_list(row.get("saints"))
dictons = _as_list(row.get("dictons"))
source_url = row.get("source_url")
if saints:
saints_rows.append(
{
"mois": month,
"jour": day,
"saints": saints,
"source_url": source_url,
}
)
if dictons:
dictons_rows.append(
{
"mois": month,
"jour": day,
"dictons": dictons,
"source_url": source_url,
}
)
saints_rows.sort(key=lambda r: (r["mois"], r["jour"]))
dictons_rows.sort(key=lambda r: (r["mois"], r["jour"]))
saints_out.parent.mkdir(parents=True, exist_ok=True)
dictons_out.parent.mkdir(parents=True, exist_ok=True)
saints_out.write_text(json.dumps(saints_rows, ensure_ascii=False, indent=2), encoding="utf-8")
dictons_out.write_text(json.dumps(dictons_rows, ensure_ascii=False, indent=2), encoding="utf-8")
return len(saints_rows), len(dictons_rows)
def main() -> int:
parser = argparse.ArgumentParser(
description="Génère saints_du_jour.json et dictons_du_jour.json depuis saints_YYYY.json."
)
parser.add_argument(
"--source",
default="calendrier_lunaire/saints_dictons/saints_2026.json",
help="Source JSON issue du scraper annuel",
)
parser.add_argument(
"--saints-out",
default="calendrier_lunaire/saints_dictons/saints_du_jour.json",
help="Fichier JSON de sortie pour les saints",
)
parser.add_argument(
"--dictons-out",
default="calendrier_lunaire/saints_dictons/dictons_du_jour.json",
help="Fichier JSON de sortie pour les dictons",
)
args = parser.parse_args()
source_file = Path(args.source)
saints_out = Path(args.saints_out)
dictons_out = Path(args.dictons_out)
saints_count, dictons_count = export_files(source_file, saints_out, dictons_out)
print(f"Saints exportés : {saints_count} jours -> {saints_out}")
print(f"Dictons exportés : {dictons_count} jours -> {dictons_out}")
return 0
if __name__ == "__main__":
raise SystemExit(main())
@@ -0,0 +1,191 @@
#!/usr/bin/env python3
from __future__ import annotations
import argparse
import json
import sqlite3
from datetime import datetime, timezone
from pathlib import Path
def _ensure_schema(conn: sqlite3.Connection) -> None:
conn.execute(
"""
CREATE TABLE IF NOT EXISTS saint_du_jour (
id INTEGER PRIMARY KEY AUTOINCREMENT,
mois INTEGER NOT NULL,
jour INTEGER NOT NULL,
saints_json TEXT NOT NULL,
source_url TEXT,
updated_at TEXT NOT NULL,
UNIQUE(mois, jour)
)
"""
)
conn.execute(
"""
CREATE TABLE IF NOT EXISTS dicton (
id INTEGER PRIMARY KEY AUTOINCREMENT,
mois INTEGER NOT NULL,
jour INTEGER,
texte TEXT NOT NULL,
region TEXT
)
"""
)
conn.execute("CREATE INDEX IF NOT EXISTS idx_dicton_mois_jour ON dicton(mois, jour)")
conn.execute("CREATE INDEX IF NOT EXISTS idx_saint_du_jour_mois_jour ON saint_du_jour(mois, jour)")
def _load_json_rows(path: Path, required_key: str) -> list[dict]:
raw = json.loads(path.read_text(encoding="utf-8"))
if not isinstance(raw, list):
raise ValueError(f"{path}: format JSON attendu = liste d'objets")
rows: list[dict] = []
for item in raw:
if not isinstance(item, dict):
continue
if required_key not in item:
continue
rows.append(item)
return rows
def _import_saints(conn: sqlite3.Connection, saints_rows: list[dict], mode: str) -> int:
now = datetime.now(timezone.utc).isoformat()
inserted = 0
if mode == "replace":
conn.execute("DELETE FROM saint_du_jour")
for row in saints_rows:
mois = int(row["mois"])
jour = int(row["jour"])
saints = row.get("saints") or []
if not isinstance(saints, list):
saints = [str(saints)]
saints = [str(x).strip() for x in saints if str(x).strip()]
if not saints:
continue
saints_json = json.dumps(saints, ensure_ascii=False)
source_url = row.get("source_url")
conn.execute(
"""
INSERT INTO saint_du_jour (mois, jour, saints_json, source_url, updated_at)
VALUES (?, ?, ?, ?, ?)
ON CONFLICT(mois, jour)
DO UPDATE SET
saints_json = excluded.saints_json,
source_url = excluded.source_url,
updated_at = excluded.updated_at
""",
(mois, jour, saints_json, source_url, now),
)
inserted += 1
return inserted
def _import_dictons(conn: sqlite3.Connection, dicton_rows: list[dict], mode: str, region: str | None) -> int:
inserted = 0
if mode == "replace":
if region:
conn.execute("DELETE FROM dicton WHERE region = ?", (region,))
else:
conn.execute("DELETE FROM dicton")
for row in dicton_rows:
mois = int(row["mois"])
jour = int(row["jour"])
dictons = row.get("dictons") or []
if not isinstance(dictons, list):
dictons = [str(dictons)]
dictons = [str(x).strip() for x in dictons if str(x).strip()]
if not dictons:
continue
for texte in dictons:
if mode == "append":
exists = conn.execute(
"""
SELECT 1
FROM dicton
WHERE mois = ? AND jour = ? AND texte = ? AND COALESCE(region, '') = COALESCE(?, '')
LIMIT 1
""",
(mois, jour, texte, region),
).fetchone()
if exists:
continue
conn.execute(
"INSERT INTO dicton (mois, jour, texte, region) VALUES (?, ?, ?, ?)",
(mois, jour, texte, region),
)
inserted += 1
return inserted
def main() -> int:
parser = argparse.ArgumentParser(
description="Importe saints du jour + dictons dans SQLite (hors webapp)."
)
parser.add_argument(
"--db",
default="data/jardin.db",
help="Chemin SQLite cible",
)
parser.add_argument(
"--saints-json",
default="calendrier_lunaire/saints_dictons/saints_du_jour.json",
help="JSON saints_du_jour",
)
parser.add_argument(
"--dictons-json",
default="calendrier_lunaire/saints_dictons/dictons_du_jour.json",
help="JSON dictons_du_jour",
)
parser.add_argument(
"--mode",
choices=["replace", "append"],
default="replace",
help="replace: purge puis recharge ; append: ajoute sans doublons",
)
parser.add_argument(
"--region",
default="National",
help="Région stockée dans table dicton (vide pour NULL)",
)
args = parser.parse_args()
db_path = Path(args.db)
saints_path = Path(args.saints_json)
dictons_path = Path(args.dictons_json)
region = args.region.strip() or None
saints_rows = _load_json_rows(saints_path, "saints")
dicton_rows = _load_json_rows(dictons_path, "dictons")
db_path.parent.mkdir(parents=True, exist_ok=True)
conn = sqlite3.connect(db_path)
try:
_ensure_schema(conn)
conn.execute("BEGIN")
saints_count = _import_saints(conn, saints_rows, args.mode)
dictons_count = _import_dictons(conn, dicton_rows, args.mode, region)
conn.commit()
except Exception:
conn.rollback()
raise
finally:
conn.close()
print(f"Import terminé ({args.mode})")
print(f" Saints importés: {saints_count}")
print(f" Dictons importés: {dictons_count} (region={region!r})")
print(f" Base: {db_path}")
return 0
if __name__ == "__main__":
raise SystemExit(main())
@@ -0,0 +1,307 @@
#!/usr/bin/env python3
"""
Import des saints et dictons dans la base de données de la webapp Jardin.
Les données sont INDÉPENDANTES DE L'ANNÉE : stockées par (mois, jour) uniquement.
Sources JSON :
- saints_du_jour.json table saint_du_jour
- dictons_du_jour.json table dicton
Usage :
# Import complet (remplace les données existantes)
python import_webapp_db.py
# Import vers une autre DB
python import_webapp_db.py --db /chemin/vers/jardin.db
# Mode append (ajoute sans supprimer les existants)
python import_webapp_db.py --mode append
# Seulement les saints ou seulement les dictons
python import_webapp_db.py --only saints
python import_webapp_db.py --only dictons
# Tagger les dictons avec une région
python import_webapp_db.py --region "Auvergne"
# Prévisualisation sans modification
python import_webapp_db.py --dry-run
"""
import argparse
import json
import sqlite3
import sys
from datetime import datetime, timezone
from pathlib import Path
# Chemins par défaut relatifs à ce script
_HERE = Path(__file__).parent
_REPO_ROOT = _HERE.parent.parent # racine du projet jardin/
DEFAULT_DB = _REPO_ROOT / "data" / "jardin.db"
DEFAULT_SAINTS_JSON = _HERE / "saints_du_jour.json"
DEFAULT_DICTONS_JSON = _HERE / "dictons_du_jour.json"
# ─────────────────────────────────────────────
# Schémas SQL attendus par la webapp
# ─────────────────────────────────────────────
SQL_CREATE_SAINT_DU_JOUR = """
CREATE TABLE IF NOT EXISTS saint_du_jour (
id INTEGER PRIMARY KEY AUTOINCREMENT,
mois INTEGER NOT NULL,
jour INTEGER NOT NULL,
saints_json TEXT NOT NULL DEFAULT '[]',
source_url TEXT,
UNIQUE (mois, jour)
)
"""
SQL_CREATE_INDEX_SAINT = """
CREATE INDEX IF NOT EXISTS idx_saint_du_jour_mois_jour
ON saint_du_jour (mois, jour)
"""
# La table dicton existe déjà dans la webapp (SQLModel).
# Colonnes: id, mois, jour, texte, region
# On s'assure juste qu'elle existe (ne recrée pas si déjà présente).
SQL_CREATE_DICTON = """
CREATE TABLE IF NOT EXISTS dicton (
id INTEGER PRIMARY KEY AUTOINCREMENT,
mois INTEGER NOT NULL,
jour INTEGER,
texte TEXT NOT NULL,
region TEXT
)
"""
SQL_CREATE_INDEX_DICTON = """
CREATE INDEX IF NOT EXISTS idx_dicton_mois_jour ON dicton (mois, jour)
"""
# ─────────────────────────────────────────────
# Chargement JSON
# ─────────────────────────────────────────────
def load_json(path: Path, label: str) -> list:
if not path.exists():
print(f"[ERREUR] Fichier introuvable : {path}", file=sys.stderr)
sys.exit(1)
with path.open(encoding="utf-8") as f:
data = json.load(f)
if not isinstance(data, list):
print(f"[ERREUR] {label} : attendu une liste JSON, obtenu {type(data).__name__}", file=sys.stderr)
sys.exit(1)
print(f" {label} : {len(data)} entrées chargées depuis {path.name}")
return data
# ─────────────────────────────────────────────
# Import saints
# ─────────────────────────────────────────────
def import_saints(conn: sqlite3.Connection, data: list, mode: str, dry_run: bool) -> int:
"""Importe les saints dans saint_du_jour. Retourne le nombre d'entrées traitées."""
conn.execute(SQL_CREATE_SAINT_DU_JOUR)
conn.execute(SQL_CREATE_INDEX_SAINT)
if mode == "replace" and not dry_run:
conn.execute("DELETE FROM saint_du_jour")
print(" [replace] saint_du_jour vidée")
count = 0
skipped = 0
for entry in data:
mois = entry.get("mois")
jour = entry.get("jour")
saints = entry.get("saints", [])
source_url = entry.get("source_url")
# Validation
if not isinstance(mois, int) or not isinstance(jour, int):
continue
if not (1 <= mois <= 12 and 1 <= jour <= 31):
continue
# Normaliser en liste de strings non vides
if isinstance(saints, str):
saints = [saints]
saints = [s.strip() for s in saints if isinstance(s, str) and s.strip()]
saints_json = json.dumps(saints, ensure_ascii=False)
if dry_run:
count += 1
continue
if mode == "append":
existing = conn.execute(
"SELECT id FROM saint_du_jour WHERE mois=? AND jour=?", (mois, jour)
).fetchone()
if existing:
skipped += 1
continue
conn.execute(
"INSERT OR REPLACE INTO saint_du_jour (mois, jour, saints_json, source_url) VALUES (?,?,?,?)",
(mois, jour, saints_json, source_url),
)
count += 1
if skipped:
print(f" saints ignorés (mode append, déjà présents) : {skipped}")
return count
# ─────────────────────────────────────────────
# Import dictons
# ─────────────────────────────────────────────
def import_dictons(conn: sqlite3.Connection, data: list, mode: str, region: str | None, dry_run: bool) -> int:
"""Importe les dictons dans la table dicton. Retourne le nombre d'entrées insérées."""
conn.execute(SQL_CREATE_DICTON)
conn.execute(SQL_CREATE_INDEX_DICTON)
if mode == "replace" and not dry_run:
conn.execute("DELETE FROM dicton")
print(" [replace] dicton vidée")
count = 0
for entry in data:
mois = entry.get("mois")
jour = entry.get("jour") # peut être None
dictons = entry.get("dictons", [])
# Validation
if not isinstance(mois, int):
continue
if not (1 <= mois <= 12):
continue
if jour is not None and not (1 <= jour <= 31):
continue
# Normaliser
if isinstance(dictons, str):
dictons = [dictons]
dictons = [d.strip() for d in dictons if isinstance(d, str) and d.strip()]
for texte in dictons:
if dry_run:
count += 1
continue
if mode == "append":
existing = conn.execute(
"SELECT id FROM dicton WHERE mois=? AND jour IS ? AND texte=?",
(mois, jour, texte),
).fetchone()
if existing:
continue
conn.execute(
"INSERT INTO dicton (mois, jour, texte, region) VALUES (?,?,?,?)",
(mois, jour, texte, region),
)
count += 1
return count
# ─────────────────────────────────────────────
# Point d'entrée
# ─────────────────────────────────────────────
def main():
parser = argparse.ArgumentParser(
description="Import saints et dictons dans la BDD webapp Jardin (indépendant de l'année)"
)
parser.add_argument("--db", default=str(DEFAULT_DB),
help=f"Chemin vers jardin.db (défaut: {DEFAULT_DB})")
parser.add_argument("--saints-json", default=str(DEFAULT_SAINTS_JSON),
help=f"Fichier saints_du_jour.json (défaut: {DEFAULT_SAINTS_JSON.name})")
parser.add_argument("--dictons-json", default=str(DEFAULT_DICTONS_JSON),
help=f"Fichier dictons_du_jour.json (défaut: {DEFAULT_DICTONS_JSON.name})")
parser.add_argument("--mode", choices=["replace", "append"], default="replace",
help="replace = purge + recharge (défaut) | append = ajoute sans doublons")
parser.add_argument("--only", choices=["saints", "dictons", "both"], default="both",
help="Importer uniquement saints, dictons, ou les deux (défaut: both)")
parser.add_argument("--region", default=None,
help="Tag région pour les dictons (ex: 'Auvergne', 'National'). Vide = NULL")
parser.add_argument("--dry-run", action="store_true",
help="Simulation : affiche les comptages sans modifier la BDD")
args = parser.parse_args()
db_path = Path(args.db)
if not db_path.exists():
print(f"[ERREUR] Base de données introuvable : {db_path}", file=sys.stderr)
print(" → Vérifiez que la webapp a démarré au moins une fois pour créer la BDD.")
sys.exit(1)
region = args.region if args.region else None
do_saints = args.only in ("saints", "both")
do_dictons = args.only in ("dictons", "both")
print(f"\n=== Import saints/dictons → {db_path} ===")
print(f" Mode : {args.mode}")
print(f" Scope : {args.only}")
if region:
print(f" Région: {region}")
if args.dry_run:
print(" *** DRY-RUN — aucune modification en BDD ***")
print()
# Charger les JSON nécessaires
saints_data = load_json(Path(args.saints_json), "saints_du_jour") if do_saints else []
dictons_data = load_json(Path(args.dictons_json), "dictons_du_jour") if do_dictons else []
print()
# Connexion SQLite
conn = sqlite3.connect(str(db_path))
conn.execute("PRAGMA journal_mode=WAL")
conn.execute("PRAGMA foreign_keys=OFF") # pas de cascade gestion manuelle
saints_count = 0
dictons_count = 0
try:
conn.execute("BEGIN")
if do_saints:
saints_count = import_saints(conn, saints_data, args.mode, args.dry_run)
if do_dictons:
dictons_count = import_dictons(conn, dictons_data, args.mode, region, args.dry_run)
if not args.dry_run:
conn.commit()
else:
conn.rollback()
except Exception as exc:
conn.rollback()
print(f"\n[ERREUR] Transaction annulée : {exc}", file=sys.stderr)
raise
finally:
conn.close()
# Résumé
print()
print("=== Résultat ===")
if do_saints:
prefix = "[DRY-RUN] " if args.dry_run else ""
print(f" {prefix}Saints importés : {saints_count} jours → table saint_du_jour")
if do_dictons:
prefix = "[DRY-RUN] " if args.dry_run else ""
print(f" {prefix}Dictons importés : {dictons_count} entrées → table dicton")
print(f" Base : {db_path}")
if args.dry_run:
print("\n → Relancez sans --dry-run pour appliquer les changements.")
else:
ts = datetime.now(timezone.utc).strftime("%Y-%m-%d %H:%M UTC")
print(f"\n Import terminé le {ts}")
if __name__ == "__main__":
main()
@@ -0,0 +1,191 @@
#!/usr/bin/env python3
from __future__ import annotations
import argparse
import json
import re
from datetime import date
from pathlib import Path
DATE_HEADING_RE = re.compile(
r"^\s{0,3}(?:#{1,6}\s*)?((?:0[1-9]|1[0-2])[-/](?:0[1-9]|[12][0-9]|3[01])|(?:0[1-9]|[12][0-9]|3[01])[-/](?:0[1-9]|1[0-2])|(?:0[1-9]|1[0-2])(?:0[1-9]|[12][0-9]|3[01]))\s*$"
)
INLINE_DATE_DIC_RE = re.compile(
r"^\s*((?:0[1-9]|1[0-2])[-/](?:0[1-9]|[12][0-9]|3[01])|(?:0[1-9]|[12][0-9]|3[01])[-/](?:0[1-9]|1[0-2])|(?:0[1-9]|1[0-2])(?:0[1-9]|[12][0-9]|3[01]))\s*[:\-]\s*(.+)$"
)
def _normalize_mmdd(token: str) -> str | None:
token = token.strip()
if re.fullmatch(r"(0[1-9]|1[0-2])(0[1-9]|[12][0-9]|3[01])", token):
month = token[:2]
day = token[2:]
elif re.fullmatch(r"(0[1-9]|1[0-2])[-/](0[1-9]|[12][0-9]|3[01])", token):
month, day = re.split(r"[-/]", token)
elif re.fullmatch(r"(0[1-9]|[12][0-9]|3[01])[-/](0[1-9]|1[0-2])", token):
day, month = re.split(r"[-/]", token)
else:
return None
return f"{month}-{day}"
def _unique(values: list[str]) -> list[str]:
out: list[str] = []
seen: set[str] = set()
for value in values:
v = value.strip()
if not v:
continue
if v not in seen:
seen.add(v)
out.append(v)
return out
def _split_saints(text: str) -> list[str]:
# Normalize separators and preserve saint labels.
cleaned = text.strip().strip(".")
cleaned = re.sub(r"^(saints?\s*[:\-]\s*)", "", cleaned, flags=re.I).strip()
if not cleaned:
return []
parts = re.split(r"\s*(?:,|;|\||\set\s)\s*", cleaned, flags=re.I)
return _unique(parts)
def _split_dictons(text: str) -> list[str]:
cleaned = text.strip()
cleaned = re.sub(r"^(dictons?\s*[:\-]\s*)", "", cleaned, flags=re.I).strip()
if not cleaned:
return []
# Keep sentences readable; split on explicit separators first.
if "|" in cleaned or ";" in cleaned:
parts = re.split(r"\s*(?:\||;)\s*", cleaned)
else:
parts = [cleaned]
return _unique(parts)
def load_saints(path: Path) -> dict[str, list[str]]:
if not path.exists():
return {}
raw = json.loads(path.read_text(encoding="utf-8"))
out: dict[str, list[str]] = {}
for mmdd, saint_value in raw.items():
key = _normalize_mmdd(mmdd)
if key is None:
continue
if isinstance(saint_value, list):
saints = [str(x).strip() for x in saint_value]
else:
saints = _split_saints(str(saint_value))
out[key] = _unique(saints)
return out
def parse_dictons_text(path: Path) -> dict[str, list[str]]:
if not path.exists():
return {}
lines = path.read_text(encoding="utf-8").splitlines()
out: dict[str, list[str]] = {}
current_date: str | None = None
for raw in lines:
line = raw.strip()
if not line:
continue
# Date heading block
m_head = DATE_HEADING_RE.match(line)
if m_head:
current_date = _normalize_mmdd(m_head.group(1))
if current_date and current_date not in out:
out[current_date] = []
continue
# Inline date + dicton
m_inline = INLINE_DATE_DIC_RE.match(line)
if m_inline:
mmdd = _normalize_mmdd(m_inline.group(1))
if mmdd:
out.setdefault(mmdd, []).extend(_split_dictons(m_inline.group(2)))
current_date = mmdd
continue
# Bullets or plain lines inside current date block
if current_date:
line = re.sub(r"^\s*[-*]\s*", "", line).strip()
if not line:
continue
if re.match(r"^saints?\s*[:\-]", line, flags=re.I):
# Saints line is ignored here; saints come from saints_json.
continue
out.setdefault(current_date, []).extend(_split_dictons(line))
return {k: _unique(v) for k, v in out.items()}
def _as_iso(year: int, mmdd: str) -> str:
month, day = mmdd.split("-")
return date(year, int(month), int(day)).isoformat()
def build_output(
saints_by_date: dict[str, list[str]],
dictons_by_date: dict[str, list[str]],
year: int | None,
) -> list[dict]:
all_dates = sorted(set(saints_by_date) | set(dictons_by_date))
rows: list[dict] = []
for mmdd in all_dates:
row = {
"date": _as_iso(year, mmdd) if year else mmdd,
"saints": saints_by_date.get(mmdd, []),
"dictons": dictons_by_date.get(mmdd, []),
}
rows.append(row)
return rows
def main() -> int:
parser = argparse.ArgumentParser(
description="Génère un JSON saints+dictons: date, saints[], dictons[]"
)
parser.add_argument(
"--saints-json",
default="calendrier_lunaire/saints_dictons/saints_france.json",
help="Fichier JSON des saints (clé MM-DD)",
)
parser.add_argument(
"--dictons-file",
required=True,
help="Fichier texte/markdown des dictons (avec dates MM-DD, DD/MM ou MMDD)",
)
parser.add_argument(
"--output",
default="calendrier_lunaire/saints_dictons/saints_dictons.json",
help="Fichier JSON de sortie",
)
parser.add_argument(
"--year",
type=int,
help="Optionnel: convertit MM-DD en YYYY-MM-DD",
)
args = parser.parse_args()
saints_path = Path(args.saints_json)
dictons_path = Path(args.dictons_file)
output_path = Path(args.output)
saints_by_date = load_saints(saints_path)
dictons_by_date = parse_dictons_text(dictons_path)
rows = build_output(saints_by_date, dictons_by_date, args.year)
output_path.parent.mkdir(parents=True, exist_ok=True)
output_path.write_text(json.dumps(rows, ensure_ascii=False, indent=2), encoding="utf-8")
print(f"JSON généré: {output_path} ({len(rows)} dates)")
return 0
if __name__ == "__main__":
raise SystemExit(main())
@@ -0,0 +1,171 @@
#!/usr/bin/env python3
import argparse
import json
import re
import time
from datetime import datetime
from datetime import date, timedelta
from html import unescape
from urllib.request import Request, urlopen
MONTHS_FR = {
1: "janvier", 2: "février", 3: "mars", 4: "avril", 5: "mai", 6: "juin",
7: "juillet", 8: "août", 9: "septembre", 10: "octobre", 11: "novembre", 12: "décembre",
}
def fetch_html(url: str) -> str:
req = Request(url, headers={"User-Agent": "Mozilla/5.0 (X11; Linux x86_64)"})
with urlopen(req, timeout=25) as resp:
raw = resp.read()
charset = (resp.headers.get_content_charset() or "utf-8").lower()
try:
return raw.decode(charset, errors="replace")
except Exception:
return raw.decode("utf-8", errors="replace")
def clean_html_text(s: str) -> str:
s = re.sub(r"<br\s*/?>", " ", s, flags=re.I)
s = re.sub(r"<[^>]+>", "", s)
s = unescape(s)
s = s.replace("\xa0", " ")
return re.sub(r"\s+", " ", s).strip()
def parse_saints(html: str) -> list[str]:
rows = re.findall(r'<p[^>]*class="sd-name"[^>]*>(.*?)</p>', html, flags=re.I | re.S)
out, seen = [], set()
for row in rows:
txt = clean_html_text(row)
if txt and txt not in seen:
out.append(txt)
seen.add(txt)
return out
def parse_dictons(html: str) -> list[str]:
rows = re.findall(r'<p[^>]*class="dict"[^>]*>(.*?)</p>', html, flags=re.I | re.S)
out = []
for row in rows:
txt = clean_html_text(row)
if txt:
out.append(txt)
return out
def parse_prenoms(html: str) -> list[str]:
block = re.search(
r'<h2[^>]*>[^<]*Pr[^<]*noms[^<]*f[^<]*ter[^<]*</h2>.*?<ul[^>]*>(.*?)</ul>',
html,
flags=re.I | re.S,
)
target = block.group(1) if block else ""
rows = re.findall(r'<li[^>]*>(.*?)</li>', target, flags=re.I | re.S)
out, seen = [], set()
for row in rows:
txt = clean_html_text(row)
if txt and txt not in seen:
out.append(txt)
seen.add(txt)
return out
def iter_mmdd_full_year(year: int):
d = date(year, 1, 1)
end = date(year, 12, 31)
while d <= end:
yield d.strftime("%m%d"), d
d += timedelta(days=1)
# assure 29 février même année non bissextile
if year % 4 != 0 or (year % 100 == 0 and year % 400 != 0):
yield "0229", None
def scrape_day(base_url: str, mmdd: str, d: date | None) -> dict:
url = f"{base_url.rstrip('/')}/{mmdd}.html"
html = fetch_html(url)
if d:
label = f"{d.day:02d} {MONTHS_FR[d.month]}"
iso = d.isoformat()
else:
label = "29 février"
iso = None
return {
"date": label,
"date_iso": iso,
"mmdd": mmdd,
"saints": parse_saints(html),
"dictons": parse_dictons(html),
"prenoms_a_feter": parse_prenoms(html),
"source_url": url,
}
def _ts() -> str:
return datetime.now().strftime("%H:%M:%S")
def _log(message: str, enabled: bool) -> None:
if enabled:
print(f"[{_ts()}] {message}", flush=True)
def main() -> int:
ap = argparse.ArgumentParser(description="Scrape saints/dictons pour toute une année (inclut 29 février)")
ap.add_argument("--year", type=int, default=date.today().year)
ap.add_argument("--base", default="https://www.saint-dicton.com")
ap.add_argument("--sleep-ms", type=int, default=150, help="Pause entre requêtes")
ap.add_argument("--limit", type=int, default=0, help="Limiter le nb de jours (test rapide)")
ap.add_argument("--out", default="", help="Fichier de sortie JSON (sinon stdout)")
ap.add_argument("--log-every", type=int, default=10, help="Affiche un log de progression tous les N jours")
ap.add_argument("--quiet", action="store_true", help="Réduit les logs")
args = ap.parse_args()
results = []
count = 0
verbose = not args.quiet
log_every = max(1, args.log_every)
_log(f"Démarrage scrape année={args.year}, base={args.base}", verbose)
for mmdd, d in iter_mmdd_full_year(args.year):
url = f"{args.base.rstrip('/')}/{mmdd}.html"
_log(f"[{count + 1}] fetch {mmdd} -> {url}", verbose)
try:
results.append(scrape_day(args.base, mmdd, d))
_log(f"[{count + 1}] ok {mmdd}", verbose and ((count + 1) % log_every == 0 or count == 0))
except Exception as e:
results.append({
"mmdd": mmdd,
"date_iso": d.isoformat() if d else None,
"error": str(e),
"source_url": url,
})
_log(f"[{count + 1}] erreur {mmdd}: {e}", True)
count += 1
if args.limit and count >= args.limit:
_log(f"Arrêt par --limit={args.limit}", verbose)
break
if args.sleep_ms > 0:
time.sleep(args.sleep_ms / 1000)
payload = {
"year": args.year,
"count": len(results),
"includes_feb29": any(r.get("mmdd") == "0229" for r in results),
"data": results,
}
txt = json.dumps(payload, ensure_ascii=False, indent=2)
if args.out:
with open(args.out, "w", encoding="utf-8") as f:
f.write(txt)
_log(f"Fichier écrit: {args.out}", True)
else:
print(txt)
_log(f"Terminé: {len(results)} jours", verbose)
return 0
if __name__ == "__main__":
raise SystemExit(main())
File diff suppressed because it is too large Load Diff
File diff suppressed because it is too large Load Diff
@@ -0,0 +1,10 @@
{
"04-23": "Saint Georges",
"04-25": "Saint Marc",
"05-11": "Saint Mamert",
"05-12": "Saint Pancrace",
"05-13": "Saint Servais",
"05-14": "Saint Boniface",
"05-19": "Saint Yves",
"05-25": "Saint Urbain"
}
+65
View File
@@ -0,0 +1,65 @@
from datetime import date
import pytest
from lunar_calendar import DayInfo, build_calendar
def test_build_calendar_rejects_invalid_range() -> None:
with pytest.raises(ValueError):
build_calendar(date(2026, 1, 10), date(2026, 1, 1))
def test_build_calendar_returns_expected_day_count() -> None:
rows = build_calendar(date(2026, 1, 1), date(2026, 1, 3))
assert len(rows) == 3
assert rows[0].date == "2026-01-01"
assert rows[-1].date == "2026-01-03"
def test_dayinfo_fields_are_well_typed() -> None:
row = build_calendar(date(2026, 1, 1), date(2026, 1, 1))[0]
assert isinstance(row, DayInfo)
assert isinstance(row.date, str)
assert isinstance(row.phase, str)
assert isinstance(row.illumination, float)
assert isinstance(row.croissante_decroissante, str)
assert isinstance(row.montante_descendante, str)
assert isinstance(row.signe, str)
assert isinstance(row.type_jour, str)
assert isinstance(row.soleil_lever, str)
assert isinstance(row.soleil_coucher, str)
assert isinstance(row.duree_jour, str)
assert isinstance(row.lune_lever, str)
assert isinstance(row.lune_coucher, str)
assert isinstance(row.duree_presence_lune, str)
assert isinstance(row.saint_du_jour, str)
assert isinstance(row.saint_de_glace, bool)
assert isinstance(row.perigee, bool)
assert isinstance(row.apogee, bool)
assert isinstance(row.noeud_lunaire, bool)
assert isinstance(row.transitions_type_jour, list)
assert isinstance(row.transitions_montante_descendante, list)
def test_saints_de_glace_are_exposed() -> None:
rows = build_calendar(date(2026, 5, 11), date(2026, 5, 13))
assert rows[0].saint_du_jour == "Saint Mamert"
assert rows[1].saint_du_jour == "Saint Pancrace"
assert rows[2].saint_du_jour == "Saint Servais"
assert all(r.saint_de_glace for r in rows)
def test_rise_set_fields_are_present() -> None:
row = build_calendar(date(2026, 2, 22), date(2026, 2, 22))[0]
assert row.soleil_lever != ""
assert row.soleil_coucher != ""
assert row.duree_jour != ""
assert row.lune_lever != ""
assert row.lune_coucher != ""
def test_transition_items_have_expected_shape() -> None:
row = build_calendar(date(2026, 2, 22), date(2026, 2, 22))[0]
for item in row.transitions_type_jour + row.transitions_montante_descendante:
assert set(item.keys()) == {"heure", "avant", "apres"}
+137
View File
@@ -0,0 +1,137 @@
# Codex - Elements développes
Ce document liste les éléments développés dans le projet `jardin`.
## 1) Calendrier lunaire
- Script principal: `calendrier_lunaire/lunar_calendar.py`
- Tests: `calendrier_lunaire/test_lunar_calendar.py`
- Sorties JSON générées:
- `calendrier_lunaire/calendrier_lunaire_2026.json`
- `calendrier_lunaire/calendrier_lunaire_2027.json`
- Données/ressources:
- `calendrier_lunaire/de421.bsp`
- `calendrier_lunaire/deep_search.md`
- `calendrier_lunaire/deep_search1.md`
### Fonctions/évolutions intégrées
- Calcul des phases lunaires (nouvelle lune, quartiers, pleine lune)
- Génération annuelle en JSON
- Ajout des données saints du jour
- Ajout lever/coucher soleil et lune + durées
- Ajout transitions intra-journée (jour type / montante-descendante)
- Alignement zodiacal sidéral (constellations)
## 2) Saints et dictons
Dossier dédié: `calendrier_lunaire/saints_dictons/`
- Sources et consignes:
- `calendrier_lunaire/saints_dictons/consigne_scrap_saint_dictons.md`
- `calendrier_lunaire/saints_dictons/saints_france.json`
- Parsing:
- `calendrier_lunaire/saints_dictons/parse_saints_dictons.py`
- Scraping annuel:
- `calendrier_lunaire/saints_dictons/saint_dicton_year_scraper.py`
- Exemple de sortie:
- `calendrier_lunaire/saints_dictons/saints_2026.json`
- Exports JSON séparés:
- `calendrier_lunaire/saints_dictons/saints_du_jour.json`
- `calendrier_lunaire/saints_dictons/dictons_du_jour.json`
- Scripts hors webapp:
- `calendrier_lunaire/saints_dictons/export_saints_dictons_json.py`
- `calendrier_lunaire/saints_dictons/import_saints_dictons_db.py`
### Fonctions/évolutions intégrées
- Format JSON cible: `date`, `saints[]`, `dictons[]`
- Support de formats de date multiples
- Ajout de logs de progression dans le scraper
- Enregistrement JSON (pas uniquement affichage terminal)
- Génération de 2 jeux de données dédiés (saints / dictons)
- Import automatisé en SQLite (`replace` ou `append`)
- Création table `saint_du_jour` si absente + alimentation table `dicton`
## 3) Prévisions météo Open-Meteo
- Script: `prevision meteo/open_meteo_garden_forecast.py`
- Consignes:
- `prevision meteo/consigne.md`
- `prevision meteo/consigne_open_meteo.md`
- Mapping WMO:
- `prevision meteo/wmo_code.json`
- Exemple de sortie:
- `prevision meteo/prevision meteo/output/forecast.json`
### Fonctions/évolutions intégrées
- Appel Open-Meteo avec variables hourly/current étendues
- Intégration `past_days` + `forecast_days`
- Affichage tableau synthétique
- Export JSON complet
- Correction de sérialisation JSON
## 4) Station météo locale (WeeWX)
- Script: `station_meteo/local_station_weather.py`
### Fonctions/évolutions intégrées
- Récupération des données actuelles (RSS)
- Récupération et parsing des résumés quotidiens
- Récupération de données journalières par date via option CLI
- Valeur par défaut: date de la veille si non fournie
- Normalisation des types (float/int)
- Structure JSON clarifiée: suppression de `yesterday`, ajout `day_data.date` (date complète)
- Enrichissement des blocs: `current`, `stats_today`, `astrology`, `station_info`
## 5) YOLO - Détection feuille/plante
Dossier: `test_yolo/`
- Script test: `test_yolo/test_yolo_leaf.py`
- Documentation: `test_yolo/README.md`
- Données images: `test_yolo/image/`
- Sorties:
- `test_yolo/test_yolo/output/detections.json`
- `test_yolo/test_yolo/output/annotated.jpg`
### Fonctions/évolutions intégrées
- Migration vers `ultralytics` (sans `ultralyticsplus`)
- Support modèle local ou repo Hugging Face (`best.pt`)
- Sortie JSON des détections
- Génération image annotée
- Traduction des labels vers le français (`class_name_fr`)
## 6) Assets icônes
- Icônes lune: `icons/moon/*.svg`
- `new_moon.svg`, `waxing_crescent.svg`, `first_quarter.svg`, `waxing_gibbous.svg`, `full_moon.svg`, `waning_gibbous.svg`, `last_quarter.svg`, `waning_crescent.svg`
- Icônes météo: `icons/weather/*.svg`
- Codes WMO usuels + `risque_canicule.svg` + `risque_gèle.svg`
## 7) Notes de pilotage
- Plan d'amélioration: `amelioration.md`
- Plan météo/astuces: `avancement.md` (contient plan + logs de session)
## 8) Webapp - évolutions récentes
### Planning
- `frontend/src/views/PlanningView.vue`
- Passage en vue 4 semaines (28 jours)
- Navigation par période: `Prev`, `Today`, `Next`
- Sélection d'un jour avec panneau "Détail du jour"
- Marqueurs visuels par tâches non terminées (ronds colorés par priorité)
### Outils
- `frontend/src/views/OutilsView.vue`
- Le champ notice est désormais une zone de texte libre (`notice_texte`)
- Conserve compatibilité lecture des anciennes notices fichier (`notice_fichier_url`)
- Test backend ajouté: `backend/tests/test_tools.py::test_tool_with_notice_texte`
### Réglages
- `backend/app/routers/settings.py`
- `frontend/src/views/ReglagesView.vue`
- Sauvegarde ZIP téléchargeable (BDD + uploads + fichiers texte + manifeste)
- Liens rapides de test API backend:
- Swagger: `/docs`
- ReDoc: `/redoc`
- Santé: `/api/health`
+340
View File
@@ -0,0 +1,340 @@
# 🌿 **Consigne de Développement : Application de Gestion de Jardin**
**Thème visuel** : *Gruvbox Dark Seventies* (inspiré des années 70 avec des tons chauds et sombres)
**Langue** : Français
**Plateformes** : Web (responsive) + Mobile (compatibilité smartphone)
**Technologies suggérées** : React.js (frontend) + Node.js/Express (backend) + Firebase/PostgreSQL (base de
données) + Mapbox/Leaflet (cartographie) + TensorFlow.js (détection d'espèces via photo)
---
## **📌 Table des Matières**
1. [Introduction](#1-introduction)
2. [Fonctionnalités Principales](#2-fonctionnalités-principales)
- [Gestion des Jardins](#21-gestion-des-jardins)
- [Gestion des Plantes](#22-gestion-des-plantes)
- [Calendrier Lunaire](#23-calendrier-lunaire)
- [Planning et Tâches](#24-planning-et-tâches)
- [Géolocalisation et Cartographie](#25-géolocalisation-et-cartographie)
- [Améliorations Avancées](#26-améliorations-avancées)
3. [Architecture Technique](#3-architecture-technique)
4. [Design & UI/UX](#4-design-uiux)
5. [Roadmap & Brainstorming](#5-roadmap-et-brainstorming)
6. [Exigences Techniques](#6-exigences-techniques)
7. [Livrables](#7-livrables)
---
## **1. Introduction**
**Objectif** :
Créer une application web/mobile intuitive pour gérer un ou plusieurs jardins (plein air ou serre), avec des
fonctionnalités avancées de suivi des plantes, du climat, et des conseils basés sur le calendrier lunaire.
Linterface doit être **responsive**, **esthétique** (thème *Gruvbox Dark Seventies*), et optimisée pour les
smartphones.
**Cibles** :
- Jardiniers amateurs et professionnels.
- Utilisateurs souhaitant automatiser la gestion des cultures (arrosage, plantation, récolte).
- Intégration de données géolocalisées et météo en temps réel.
**Inspirations visuelles** :
- Palette de couleurs : [Gruvbox Dark](https://github.com/morhetz/gruvbox) (rouge foncé, vert mousse, beige,
noir).
- Style : Retro-futuriste années 70 (boutons arrondis, ombres douces, typographie épurée comme *Courier New* ou
*Fira Code*).
- Exemple de palette :
```plaintext
#064E3B (vert foncé) | #CCA066 (beige chaud) | #D65D0E (orange rouille) | #282828 (noir profond)
---
2. Fonctionnalités Principales
2.1 Gestion des Jardins
Fonctionnalité: Création/Modification
Description: Ajout dun jardin avec :
Exemple UI:
────────────────────────────────────────
Fonctionnalité:
Description: - Nom, description.
Exemple UI:
────────────────────────────────────────
Fonctionnalité:
Description: - Type : Plein air / Serre.
Exemple UI: https://via.placeholder.com/30/CCA066/000?text=Serre
────────────────────────────────────────
Fonctionnalité:
Description: - Coordonnées géographiques (latitude/longitude) + carte interactive (Mapbox/Leaflet).
Exemple UI: https://via.placeholder.com/30/064E3B/000?text=📍
────────────────────────────────────────
Fonctionnalité:
Description: - Exposition (Nord/Sud/Est/Ouest) + angle dinclinaison.
Exemple UI: https://via.placeholder.com/30/D65D0E/000?text=⚡
────────────────────────────────────────
Fonctionnalité:
Description: - Dimensions : Longueur × Largeur (en m²) + géométrie (grille de cases pour planter).
Exemple UI: https://via.placeholder.com/30/282828/CCA066?text=📐
────────────────────────────────────────
Fonctionnalité: Images
Description: Upload de photos du jardin (avec géotagging).
Exemple UI: https://via.placeholder.com/30/064E3B/CCA066?text=📸
────────────────────────────────────────
Fonctionnalité: Climat
Description: Suivi des paramètres :
Exemple UI:
────────────────────────────────────────
Fonctionnalité:
Description: - Température du sol (capteur ou saisie manuelle).
Exemple UI: https://via.placeholder.com/30/D65D0E/000?text=🌡️
────────────────────────────────────────
Fonctionnalité:
Description: - Température de lair (API OpenWeatherMap).
Exemple UI: https://via.placeholder.com/30/CCA066/000?text=☀️
────────────────────────────────────────
Fonctionnalité:
Description: - Humidité (capteur ou % manuel).
Exemple UI: https://via.placeholder.com/30/064E3B/000?text=💧
---
2.2 Gestion des Plantes
Fonctionnalité: Fiche Plante
Description: Ajout/modification avec :
Exemple UI:
────────────────────────────────────────
Fonctionnalité:
Description: - Nom scientifique et commun.
Exemple UI: https://via.placeholder.com/30/CCA066/000?text=Tomate
────────────────────────────────────────
Fonctionnalité:
Description: - Famille botanique.
Exemple UI: https://via.placeholder.com/30/064E3B/000?text=Solanacées
────────────────────────────────────────
Fonctionnalité:
Description: - Type : Arbuste/Arbre/Légume/Fleur.
Exemple UI: https://via.placeholder.com/30/D65D0E/000?text=🌱
────────────────────────────────────────
Fonctionnalité:
Description: - Cycle de vie : Annuel/Bisannuel/Pérenne.
Exemple UI: https://via.placeholder.com/30/282828/CCA066?text=⏳
────────────────────────────────────────
Fonctionnalité:
Description: - Exigences : Lumière (soleil/mi-ombre/ombre), pH du sol, drainage.
Exemple UI: https://via.placeholder.com/30/064E3B/000?text=💧☀️
────────────────────────────────────────
Fonctionnalité: Planning de Plantation
Description: Calendrier avec :
Exemple UI:
────────────────────────────────────────
Fonctionnalité:
Description: - Date de plantation/semis.
Exemple UI: https://via.placeholder.com/30/D65D0E/000?text=📅
────────────────────────────────────────
Fonctionnalité:
Description: - Espacement entre plants (cm).
Exemple UI: https://via.placeholder.com/30/CCA066/000?text=30cm
────────────────────────────────────────
Fonctionnalité:
Description: - Conseils : Période lunaire idéale (intégré au calendrier lunaire).
Exemple UI: https://via.placeholder.com/30/064E3B/CCA066?text=🌕
────────────────────────────────────────
Fonctionnalité: Suivi de Croissance
Description: Photos + notes sur l’état (maladies, croissance).
Exemple UI: https://via.placeholder.com/30/282828/000?text=📊
────────────────────────────────────────
Fonctionnalité: Récolte
Description: Date de récolte + rendement estimé (kg/m²).
Exemple UI: https://via.placeholder.com/30/D65D0E/000?text=🍅
---
2.3 Calendrier Lunaire
- Intégration dune API comme AstroAPI pour afficher :
- Phases de la lune (croissante/décroissante).
- Jours favorables/défavorables pour planter/repirer.
- Exemple de notification :
"Aujourdhui est un jour favorable pour planter des légumes-feuilles (ex : laitue). Évitez les racines."
---2.4 Planning et Tâches
- Liste de tâches (type Todo) avec :
- Arrosage (fréquence + volume).
- Taille/Engrais.
- Lutte contre les parasites.
- Rappels push (notifications mobiles).
- Exemple :
"Arroser les tomates tous les 2 jours (1L/plant). → [✅ Terminé] / [📅 15/06]."
---2.5 Géolocalisation et Cartographie
- Carte interactive (Mapbox/Leaflet) :
- Affichage des jardins avec leurs cases de plantation.
- Superposition des données météo (température, pluie).
- Exemple :
https://via.placeholder.com/400x300/282828/CCA066?text=🌍+Jardins+🌱
---2.6 Améliorations Avancées
Fonctionnalité: Détection despèces via photo
Description: Upload dune photo dune plante → reconnaissance via TensorFlow.js (modèle pré-entraîné comme
PlantNet).
Technologie Sugérée: TensorFlow.js + Firebase Storage
────────────────────────────────────────
Fonctionnalité: Capteurs IoT
Description: Intégration de capteurs (température/humidité) via Raspberry Pi + MQTT.
Technologie Sugérée: Node-RED + MQTT Broker
────────────────────────────────────────
Fonctionnalité: Recommandations IA
Description: Suggestions personnalisées (ex : "Votre sol est trop sec, ajoutez du compost").
Technologie Sugérée: Python (Flask) + Scikit-learn
────────────────────────────────────────
Fonctionnalité: Partage communautaire
Description: Forum pour échanger des conseils entre utilisateurs.
Technologie Sugérée: Firebase Auth + Forums (Discourse)
────────────────────────────────────────
Fonctionnalité: Analyse des données
Description: Graphiques de croissance (ex : courbe de température vs rendement).
Technologie Sugérée: Chart.js + D3.js
---
3. Architecture Technique
Frontend
- Framework : React.js (avec TypeScript pour la typage).
- UI Library : Material-UI (thème personnalisé Gruvbox) ou Tailwind CSS.
- Responsive : Breakpoints pour mobile/tablette/desktop.
- Cartographie : Mapbox GL JS ou Leaflet.
Backend
- Langage : Node.js + Express.
- Base de données :
- SQL : PostgreSQL (pour les relations complexes).
- NoSQL : Firebase (pour les données utilisateurs et temps réel).
- APIs externes :
- OpenWeatherMap (météo).
- AstroAPI (calendrier lunaire).
- Google Maps API (géolocalisation).
Mobile
- Hybride : React Native (si besoin dune app dédiée).
- PWA : Progressive Web App pour une expérience offline possible.
Hébergement
- Frontend : Vercel/Netlify.
- Backend : Render/Heroku.
- Base de données : Supabase (PostgreSQL) ou Firebase.
---
4. Design & UI/UX
Thème Gruvbox Dark Seventies
- Couleurs :
- Fond : #282828 (noir profond).
- Accents : #D65D0E (orange rouille), #CCA066 (beige).
- Texte : #A89984 (beige clair).
- Typographie :
- Police : Fira Code (monospace) ou Courier New pour un côté rétro.
- Taille : 16px (corps) / 24px (titres).
- Icônes : Feather Icons ou Material Icons.
- Animations :
- Effets subtils (hover sur les boutons).
- Loading spinner en forme de lune croissante.
Maquettes
- Figma/Adobe XD : Créer des wireframes pour :
- Page daccueil (tableau de bord).
- Fiche jardin.
- Planning des tâches.
- Carte interactive.
---5. Roadmap & Brainstorming
Phase 1 (MVP - 4 semaines)
┌──────────────────────────────┬──────────┬──────────────────────────────────────────────────────┐
│ Tâche │ Priorité │ Description │
├──────────────────────────────┼──────────┼──────────────────────────────────────────────────────┤
│ Authentification utilisateur │ ⭐⭐⭐ │ Firebase Auth (email/password + Google). │
├──────────────────────────────┼──────────┼──────────────────────────────────────────────────────┤
│ Gestion des jardins │ ⭐⭐⭐ │ CRUD (Create/Read/Update/Delete) avec carte Leaflet. │
├──────────────────────────────┼──────────┼──────────────────────────────────────────────────────┤
│ Plantes (fiches) │ ⭐⭐⭐ │ Base de données avec images uploadées. │
├──────────────────────────────┼──────────┼──────────────────────────────────────────────────────┤
│ Calendrier lunaire │ ⭐⭐ │ Intégration API AstroAPI + affichage des phases. │
├──────────────────────────────┼──────────┼──────────────────────────────────────────────────────┤
│ Planning tâches │ ⭐⭐ │ Liste avec rappels (notifications locales). │
└──────────────────────────────┴──────────┴──────────────────────────────────────────────────────┘
Phase 2 (Améliorations - 6 semaines)
┌─────────────────────────────┬──────────┬─────────────────────────────────────────────────────┐
│ Tâche │ Priorité │ Description │
├─────────────────────────────┼──────────┼─────────────────────────────────────────────────────┤
│ Détection despèces (photo) │ ⭐⭐⭐ │ Modèle TensorFlow.js + Firebase Storage. │
├─────────────────────────────┼──────────┼─────────────────────────────────────────────────────┤
│ Capteurs IoT (optionnel) │ ⭐⭐ │ Raspberry Pi + MQTT pour les données en temps réel. │
├─────────────────────────────┼──────────┼─────────────────────────────────────────────────────┤
│ Analyse de données │ ⭐⭐ │ Graphiques de croissance (Chart.js). │
├─────────────────────────────┼──────────┼─────────────────────────────────────────────────────┤
│ Partage communautaire │ ⭐ │ Forum intégré (Discourse ou Firebase Forum). │
└─────────────────────────────┴──────────┴─────────────────────────────────────────────────────┘
Brainstorming Futur
- AR : Filtre réalité augmentée pour visualiser les plantes dans son jardin.
- Drone : Intégration de photos aériennes (via API DroneKit).
- Marketplace : Vente/achat de graines/plantes entre utilisateurs.
---
6. Exigences Techniques
┌───────────────┬───────────────────────────────────────────────────────────────────┐
│ Catégorie │ Détails │
├───────────────┼───────────────────────────────────────────────────────────────────┤
│ Compatibilité │ - Navigateurs : Chrome, Firefox, Safari (mobile/desktop). │
├───────────────┼───────────────────────────────────────────────────────────────────┤
│ │ - Résolution : Adapté à 320px (mobile) à 1920px (desktop). │
├───────────────┼───────────────────────────────────────────────────────────────────┤
│ Performance │ - Temps de chargement < 2s (optimisation images + lazy loading). │
├───────────────┼───────────────────────────────────────────────────────────────────┤
│ Sécurité │ - HTTPS obligatoire. │
├───────────────┼───────────────────────────────────────────────────────────────────┤
│ │ - Chiffrement des données utilisateurs (Firebase Security Rules). │
├───────────────┼───────────────────────────────────────────────────────────────────┤
│ Accessibilité │ - Conforme WCAG (contrastes, sous-titres pour vidéos). │
├───────────────┼───────────────────────────────────────────────────────────────────┤
│ Tests │ - Tests unitaires (Jest) + tests E2E (Cypress). │
└───────────────┴───────────────────────────────────────────────────────────────────┘
---
7. Livrables
1. Code source :
- Repository GitHub/GitLab avec README détaillé.
- Documentation technique (API, installation).
2. Maquettes :
- Fichiers Figma/Adobe XD pour le design.
3. Base de données :
- Schema PostgreSQL + données dexemple.
4. Démonstration :
- Vidéo Loom (10 min) montrant les fonctionnalités clés.
5. Documentation utilisateur :
- Guide PDF avec captures d’écran (ex : "Comment ajouter un jardin ?").
---
📌 Notes Supplémentaires
- Noms de variables : Utiliser des noms explicites (ex : userJardins au lieu de j).
- Internationalisation : Prévoir un système i18n (ex : français/anglais) via react-i18next.
- Feedback : Intégrer un système de feedback (ex : "Cette fonctionnalité est-elle utile ?").
---🚀 Prêt à commencer !
Merci de suivre cette consigne pour livrer une application fonctionnelle, esthétique et scalable. Pour les
ajustements, priorisez toujours lUX et la performance.
---Inspiré par : Gruvbox, PlantNet, et les jardins potagers des années 70.
+193
View File
@@ -0,0 +1,193 @@
# Consigne ClaudeCode — Développement dune Web App de gestion de jardins
## Objectif
Concevoir et développer une **web app hébergée**, en **français**, **responsive mobile-first** (compatible smartphone), permettant de gérer un ou plusieurs jardins (plein air et serre), leurs cultures, les plants, les tâches et la planification.
---
## Contraintes globales
- **Langue UI** : Français.
- **Plateformes** : Web (desktop + smartphone), PWA souhaitée.
- **Hébergement** : application auto-hébergeable (Docker recommandé).
- **Design** : thème **Gruvbox Dark seventies**.
- **Sécurité** : authentification utilisateur, permissions minimales, sauvegardes.
- **Architecture** : API + frontend séparés (ou monolithe propre), documentation incluse.
---
## Vision produit
Lapplication doit centraliser :
1. La gestion des jardins (zones, caractéristiques, météo locale).
2. Le suivi des plants (variétés, stades, actions culturales).
3. Le planning (plantation, entretien, récolte, tâches).
4. Une aide à la décision (saisons, calendrier lunaire, alertes).
---
## Fonctionnalités attendues
## 1) Gestion des jardins
Pour chaque jardin :
- Nom, description.
- Type : **plein air** ou **serre**.
- Coordonnées géographiques (lat/lon).
- Adresse facultative.
- Photos/images.
- Exposition (N, NE, E, SE, S, SO, O, NO + heures densoleillement).
- Température du sol (manuel + capteur possible).
- Température de lair (manuel + capteur possible).
- Humidité (air et/ou sol si dispo).
### Géométrie du jardin (mode “cases”)
- Représentation en grille (cases).
- Dimensions configurables (ex: 10x20 cases).
- Chaque case peut avoir : culture en place, état, historique, notes.
- Vue visuelle couleur par culture/stade/occupation.
---
## 2) Gestion des plants et cultures
Pour chaque variété/plant :
- Nom commun + nom botanique.
- Type (légume, fruit, aromatique, fleur, etc.).
- Variété/cultivar.
- Durée de germination estimée.
- Besoins (eau, température, ensoleillement, espacement).
- Compatibilités/incompatibilités de culture.
- Périodes recommandées (semis, repiquage, récolte).
### Suivi cycle de vie
- Semis
- Repiquage
- Croissance
- Floraison/fructification
- Récolte
- Fin de culture
Historique horodaté des événements par plant/zone/case.
---
## 3) Planning & tâches
- Création de tâches (ponctuelles/récurrentes).
- Catégories : semis, arrosage, taille, traitement, récolte, observation, maintenance serre.
- Priorités, échéances, rappels.
- Vue liste + kanban + agenda.
- Liaison tâche ↔ jardin/zone/plant/case.
---
## 4) Calendrier cultural + calendrier lunaire
- Calendrier mensuel des actions recommandées.
- Intégration dun **calendrier lunaire** (jours racine/feuille/fleur/fruit, etc.).
- Suggestion dactions selon type de culture + phase lunaire.
- Paramétrable (activer/désactiver influence lunaire).
---
## 5) Tableaux de bord
- Vue “Aujourdhui” : tâches du jour, alertes, actions à faire.
- Vue “Jardin” : état doccupation des cases, cultures en cours.
- Vue “Récoltes” : prévisions et historique.
- Indicateurs : taux doccupation, tâches en retard, rendement estimé.
---
## 6) Média & observations
- Upload photos par jardin/plant/tâche.
- Galerie filtrable.
- Notes libres datées (journal de culture).
---
## 7) Brainstorming daméliorations (roadmap)
- Détection de variétés par photo (IA).
- Détection maladies/carences via photo.
- OCR d’étiquettes de semences.
- Connexion capteurs (temp sol/air, humidité, météo locale).
- Alertes intelligentes (gel, stress hydrique, canicule).
- Suggestions automatiques de rotation des cultures.
- Gestion de stock (graines, substrats, engrais).
- Export PDF/CSV des plannings et historiques.
- Multi-utilisateurs / partage familial.
- Mode hors-ligne (PWA) + synchro.
---
## Exigences UX/UI
- Mobile-first (navigation simple au pouce).
- Performances correctes sur smartphone milieu de gamme.
- Accessibilité (contraste, taille police, focus clavier).
- Thème visuel : **Gruvbox Dark seventies** (palette cohérente sur toute lapp).
### Référence thème (indicative)
- Background principal: `#282828`
- Background secondaire: `#3c3836`
- Texte principal: `#ebdbb2`
- Texte secondaire: `#a89984`
- Accent vert: `#b8bb26`
- Accent jaune: `#fabd2f`
- Accent bleu: `#83a598`
- Accent orange: `#fe8019`
- Erreur rouge: `#fb4934`
---
## Exigences techniques
- API documentée (OpenAPI souhaité).
- Base de données relationnelle (PostgreSQL recommandé).
- Stockage images local ou S3-compatible.
- Auth sécurisée (session ou JWT), gestion des rôles.
- Logs, monitoring, sauvegarde/restauration.
- Déploiement Docker Compose.
- Tests minimaux (unitaires + parcours critiques).
---
## Livrables attendus
1. Cahier darchitecture technique.
2. Schéma de données (ERD).
3. Maquettes principales (mobile + desktop).
4. MVP fonctionnel déployable.
5. Documentation dinstallation/exploitation.
6. Backlog priorisé (MVP / V2 / V3).
---
## Priorisation MVP (ordre conseillé)
1. Auth + gestion des jardins.
2. Grille des cases + cultures.
3. Fiches plants.
4. Tâches + planning.
5. Journal + photos.
6. Calendrier lunaire simple.
7. Tableau de bord.
---
## Critères de réussite
- Utilisable à 100% depuis smartphone.
- Suivi complet dun cycle cultural réel.
- Planification claire des tâches et récoltes.
- Interface stable, rapide, compréhensible.
- Base saine pour extensions IA/capteurs.
+215
View File
@@ -0,0 +1,215 @@
# CONSIGNE — Claude Code — Webapp “Gestion Jardin” (Self-hosted, mobile-friendly)
## 0) Objectif
Développer une webapp self-hosted (Docker) **en français**, **compatible smartphone**, permettant de gérer un ou plusieurs jardins (extérieur/serre) et la gestion complète des plants : fiche plante, planning (plantation, entretien, culture, récolte), tâches, calendrier (dont lunaire), et données environnementales (températures, humidité). UI : **Gruvbox Dark “seventies”** (vintage, contrasté, très lisible).
## 1) Contraintes générales
- Déploiement : **Docker Compose** (service backend + frontend + DB).
- Stockage : **SQLite par défaut** (volume persistant). Prévoir migration future vers Postgres.
- Accès : application locale (LAN) via reverse proxy possible mais non obligatoire.
- Auth : MVP sans auth complexe (optionnel). Prévoir un futur module “auth”.
- Données : possibilité dimport/export (JSON) et sauvegarde DB.
- Responsive : **mobile-first** + desktop ok.
- Performance : chargements rapides, pagination/lazy-loading images.
## 2) Périmètre fonctionnel MVP (Phase 1)
### 2.1 Gestion des jardins
Un jardin est une “zone cultivée” décrite par :
- Nom, description, type : **plein air / serre / tunnel**
- Coordonnées : latitude/longitude, altitude (optionnel)
- Adresse/lieu (optionnel)
- Exposition : nord/sud/est/ouest + ombre/mi-ombre/plein soleil
- Sol : type (argileux, sableux, limoneux, humifère…), pH (optionnel), amendements (optionnel)
- **Images** (galerie)
- Capteurs (valeurs manuelles MVP) :
- température sol
- température air
- humidité air
- humidité sol (optionnel)
- date/heure de mesure, source (manuel/capteur)
- Géométrie du jardin en “cases” (grille) : voir 2.3
Fonctions :
- CRUD jardins
- Fiche jardin
- Galerie photos
- Saisie rapide “mesure du jour” (temp/humidité)
### 2.2 Gestion des plants (plantes/cultures)
Deux concepts :
1) **Variété** (catalogue) : “Tomate Andine Cornue”, “Courgette Verte…”
2) **Plantation** (instance) : variété X plantée dans jardin Y à une date et une case/grille.
Champs “Variété” (catalogue) :
- Nom commun, variété, famille (Solanacées…), tags
- Périodes conseillées : semis intérieur, semis extérieur, repiquage, plantation, récolte (fenêtres)
- Besoins : eau (faible/moyen/fort), soleil, espacement, température min, durée de culture
- Profondeur semis, type de sol conseillé
- Notes personnelles, photos
Champs “Plantation” (instance) :
- Jardin, zone/case, date semis/plantation/repiquage
- Quantité (nb plants), statut (prévu/en cours/terminé/échoué)
- Historique des actions (arrosage, taille, traitement, etc.)
- Dates réelles (récolte début/fin), rendement estimé/réel (optionnel MVP)
- Observations et photos
Fonctions :
- CRUD variété
- CRUD plantation (avec placement sur grille)
- Vue “planning” (par semaine/mois) des actions à venir
### 2.3 Géométrie du jardin (cases / grille)
MVP : représentation en **grille 2D** configurable (ex: 6×4).
- Chaque case peut avoir :
- un libellé (A1, A2…)
- des dimensions (optionnel)
- un état (libre/occupée)
- des plantations associées (actives + historiques)
- Interaction :
- tap/clic sur case → détails + actions (ajouter plantation, marquer libre, notes)
### 2.4 Gestion des tâches et planning
- Tâches :
- titre, description, jardin, plantation liée (optionnel), priorité, échéance, récurrence simple
- statut : à faire / en cours / fait / annulé
- Vues :
- “Aujourdhui”
- “Semaine”
- “Backlog”
- Notifications : hors-scope MVP (préparer hooks)
### 2.5 Calendrier lunaire (MVP simple)
MVP : afficher pour chaque jour :
- phase (nouvelle lune, 1er quartier, pleine lune, dernier quartier)
- indicateur “lune montante/descendante” si source disponible
- filtres “jours racines/feuilles/fleurs/fruits” : optionnel
Implémentation :
- Soit calcul astronomique via lib (si fiable),
- soit dataset embarqué (année en cours + suivante) importable.
## 3) Brainstorming daméliorations (Phase 2+)
### 3.1 “Smart features”
- Détection photo (mobile) :
- reconnaissance variété / espèce (suggestion, pas décision)
- détection maladies / carences (suggestion)
- suivi de croissance (comparaison de photos)
- Suggestions automatiques :
- alertes gel / canicule selon localisation + météo
- arrosage estimé selon température/humidité/historique
- rotation des cultures et associations bénéfiques
- Import/export :
- import semences / catalogue depuis CSV
- export journal des récoltes
### 3.2 Capteurs réels (futur)
- Intégration Home Assistant / MQTT (module)
- Courbes de température/humidité
- Tableau de bord “serre” temps réel
### 3.3 Multi-jardin / multi-site
- Gestion de plusieurs lieux (ex: maison / potager secondaire)
- Synchronisation & sauvegardes
## 4) UX / UI (obligatoire)
### 4.1 Thème visuel
- Style : **Gruvbox Dark** + “seventies” (vintage, chaleureux, lisible)
- Contraintes :
- contrastes élevés, gros boutons mobile
- cartes (cards) avec bord arrondi, ombres légères
- typographie simple, lisibilité prioritaire
- Composants récurrents :
- Header fixe avec navigation (Jardins / Plants / Planning / Tâches / Calendrier lunaire / Settings)
- Drawer mobile (menu burger)
- Panneau filtre/tri sur listes
### 4.2 Pages MVP
1) Dashboard : résumé (tâches du jour, mesures récentes, plantations actives)
2) Jardins : liste + création + fiche jardin
3) Grille jardin : vue cases + détails
4) Catalogue variétés : liste + fiche
5) Plantations : liste (filtrable) + création + fiche
6) Planning : calendrier (mois/semaine) + actions
7) Tâches : Kanban simple ou liste
8) Calendrier lunaire : vue mois + détails jour
9) Settings : unités, localisation par défaut, export/import, sauvegarde
### 4.3 Filtres “judicieux” (brainstorming)
- Jardins : type, exposition, serre/extérieur, tags, dernier relevé capteur
- Variétés : famille, saison, besoin eau, soleil, durée culture, tags
- Plantations : jardin, case, statut, période (en cours/à venir/terminé), “à récolter”
- Tâches : priorité, échéance, jardin, plantation liée, statut, récurrence
## 5) Architecture technique (choix par défaut)
### Backend
- Python **FastAPI**
- ORM : SQLModel (ou SQLAlchemy)
- SQLite par défaut
- Gestion uploads images : stockage local `/data/uploads` + métadonnées DB
- API REST :
- CRUD jardins, cases, variétés, plantations, tâches, mesures
- endpoints de recherche + filtres
- export/import JSON
### Frontend
- Vue 3 + Vite (ou React si préféré)
- UI kit minimal (ou Tailwind) en respectant le thème Gruvbox
- Mobile-first, PWA optionnelle (phase 2)
### Docker
- `docker-compose.yml` :
- backend
- frontend (static)
- volume DB + uploads
## 6) Modèle de données (MVP — tables)
- gardens
- garden_cells
- garden_images
- measurements (air_temp, soil_temp, humidity_air, humidity_soil, ts, garden_id)
- plant_varieties
- plant_images
- plantings
- planting_events (arrosage, taille, traitement, observation)
- tasks
- lunar_calendar_entries (dataset) OU table “computed cache”
- user_settings (local)
## 7) API (MVP — exemples dendpoints)
- `GET /api/health`
- `GET/POST /api/gardens`
- `GET/PUT/DELETE /api/gardens/{id}`
- `GET/POST /api/gardens/{id}/cells`
- `GET/POST /api/varieties`
- `GET/POST /api/plantings`
- `GET/POST /api/tasks`
- `GET/POST /api/measurements`
- `GET /api/lunar?month=YYYY-MM`
- `POST /api/export`
- `POST /api/import`
## 8) Règles qualité
- Validation stricte des champs (pydantic)
- Gestion erreurs claire côté UI
- Tests basiques backend (CRUD + filtres)
- Logs structurés backend
- Pas de secrets dans le frontend (variables denv côté backend)
## 9) Livrables attendus
- Arborescence complète projet
- `README.md` (install, run, backup)
- `docker-compose.yml`
- Backend FastAPI prêt
- Frontend complet pages MVP
- Thème gruvbox dark seventies appliqué partout
- Données de démo (seed) : 1 jardin + quelques variétés + plantations + tâches
## 10) Ordre de réalisation imposé
1) Modèle DB + CRUD jardins/variétés/plantations/tâches
2) Upload images + galerie
3) Vue grille jardin + placement plantations
4) Planning calendrier + vues filtrées
5) Calendrier lunaire (dataset ou calcul)
6) Dashboard + export/import
7) Polissage UI mobile + perf + README final
+514
View File
@@ -0,0 +1,514 @@
Modèle prêt à lemploi pour plantes
Un modèle YOLOv8s “Leaf Detection & Classification” est disponible sur Hugging Face.
Il peut détecter et classer différents types de feuilles de plantes directement, sans entraînement préalable.
1) Prérequis / Installation
Ouvre un terminal et installe ces dépendances :
python3 -m venv venv
source venv/bin/activate
pip install ultralyticsplus==0.0.28 ultralytics==8.0.43 opencv-python matplotlib
ultralytics : bibliothèque YOLOv8
ultralyticsplus : extension recommandée
opencv-python + matplotlib : affichage images
2) Exemple de script Python detect_plants.py
Crée un fichier detect_plants.py :
from ultralyticsplus import YOLO, render_result
import cv2
# 1) Charger le modèle
model = YOLO("foduucom/plant-leaf-detection-and-classification")
# 2) Paramètres de détection
model.overrides['conf'] = 0.25
model.overrides['iou'] = 0.45
model.overrides['max_det'] = 1000
# 3) Chargement dune image
image_path = "ma_plante.jpg"
# 4) Prédiction (détection + classification de feuilles)
results = model.predict(image_path)
# 5) Récupération des boîtes détectées
boxes = results[0].boxes
class_ids = results[0].boxes.cls
scores = results[0].boxes.conf
print("Détections :", len(boxes))
for i, box in enumerate(boxes):
print(f"- Classe {class_ids[i]}, score {scores[i]:.2f}")
# 6) Annoter limage
annotated = render_result(model=model, image=image_path, result=results[0])
# 7) Afficher limage annotée
annotated.show()
Points clés :
YOLO("foduucom/...") charge le modèle leaf detection YOLOv8.
predict(image_path) exécute linférence sur limage locale.
3) Mode batch / dossier complet
Si tu veux traiter plusieurs images dans un dossier :
import glob
for file in glob.glob("images/*.jpg"):
results = model.predict(file)
print(f"== Résultats pour {file} ==")
for box in results[0].boxes:
print(box.cls, box.conf)
render_result(model=model, image=file, result=results[0]).show()
4) Comment adapter au “type de plante”
Le modèle dorigine peut classifier 46 classes de feuilles courantes (pommes, tomates, blé…) avec étiquette.
Si tu as ton propre dataset spécifique (autres plantes, fleurs, fruits) → il faut :
créer un dataset annoté en format YOLO
fine-tuner YOLOv8 dessus
utiliser train() de la bibliothèque ultralytics
📌 Feuille de consignes (Checklist)
📌 A) Préparation
Python 3.10+ installé
GPU disponible si possible (beaucoup + rapide)
Images bien cadrées (feuilles principales visibles)
📌 B) Installation
pip install ultralyticsplus ultralytics opencv-python matplotlib
📌 C) Tester une image
Place ma_plante.jpg dans le même dossier
Lance :
python detect_plants.py
📌 D) Résultats
Vérifier :
nombre de feuilles détectées
classes attribuées
score de confiance
📌 E) Prochaine étape (facultative)
Si tu veux augmenter la précision :
🔹 collecter plus dimages
🔹 annoter avec LabelImg ou Roboflow
🔹 entraîner/fine-tuner YOLOv8
🔹 tester sur mobile/web
Limitations à connaître
ce modèle est spécifique aux feuilles (pas fleurs/fruit complets).
performances variables selon qualité photo.
nécessite parfois GPU pour performance fluide.
Si tu veux, je peux aussi te fournir une version prête à lemploi pour entraîner toi-même sur tes propres photos (annotation automatique + scripts dentraînement YOLO).
Modèle prêt à lemploi pour plantes
Un modèle YOLOv8s “Leaf Detection & Classification” est disponible sur Hugging Face.
Il peut détecter et classer différents types de feuilles de plantes directement, sans entraînement préalable.
1) Prérequis / Installation
Ouvre un terminal et installe ces dépendances :
python3 -m venv venv
source venv/bin/activate
pip install ultralyticsplus==0.0.28 ultralytics==8.0.43 opencv-python matplotlib
ultralytics : bibliothèque YOLOv8
ultralyticsplus : extension recommandée
opencv-python + matplotlib : affichage images
2) Exemple de script Python detect_plants.py
Crée un fichier detect_plants.py :
from ultralyticsplus import YOLO, render_result
import cv2
# 1) Charger le modèle
model = YOLO("foduucom/plant-leaf-detection-and-classification")
# 2) Paramètres de détection
model.overrides['conf'] = 0.25
model.overrides['iou'] = 0.45
model.overrides['max_det'] = 1000
# 3) Chargement dune image
image_path = "ma_plante.jpg"
# 4) Prédiction (détection + classification de feuilles)
results = model.predict(image_path)
# 5) Récupération des boîtes détectées
boxes = results[0].boxes
class_ids = results[0].boxes.cls
scores = results[0].boxes.conf
print("Détections :", len(boxes))
for i, box in enumerate(boxes):
print(f"- Classe {class_ids[i]}, score {scores[i]:.2f}")
# 6) Annoter limage
annotated = render_result(model=model, image=image_path, result=results[0])
# 7) Afficher limage annotée
annotated.show()
Points clés :
YOLO("foduucom/...") charge le modèle leaf detection YOLOv8.
predict(image_path) exécute linférence sur limage locale.
3) Mode batch / dossier complet
Si tu veux traiter plusieurs images dans un dossier :
import glob
for file in glob.glob("images/*.jpg"):
results = model.predict(file)
print(f"== Résultats pour {file} ==")
for box in results[0].boxes:
print(box.cls, box.conf)
render_result(model=model, image=file, result=results[0]).show()
4) Comment adapter au “type de plante”
Le modèle dorigine peut classifier 46 classes de feuilles courantes (pommes, tomates, blé…) avec étiquette.
Si tu as ton propre dataset spécifique (autres plantes, fleurs, fruits) → il faut :
créer un dataset annoté en format YOLO
fine-tuner YOLOv8 dessus
utiliser train() de la bibliothèque ultralytics
📌 Feuille de consignes (Checklist)
📌 A) Préparation
Python 3.10+ installé
GPU disponible si possible (beaucoup + rapide)
Images bien cadrées (feuilles principales visibles)
📌 B) Installation
pip install ultralyticsplus ultralytics opencv-python matplotlib
📌 C) Tester une image
Place ma_plante.jpg dans le même dossier
Lance :
python detect_plants.py
📌 D) Résultats
Vérifier :
nombre de feuilles détectées
classes attribuées
score de confiance
📌 E) Prochaine étape (facultative)
Si tu veux augmenter la précision :
🔹 collecter plus dimages
🔹 annoter avec LabelImg ou Roboflow
🔹 entraîner/fine-tuner YOLOv8
🔹 tester sur mobile/web
Limitations à connaître
ce modèle est spécifique aux feuilles (pas fleurs/fruit complets).
performances variables selon qualité photo.
nécessite parfois GPU pour performance fluide.
Si tu veux, je peux aussi te fournir une version prête à lemploi pour entraîner toi-même sur tes propres photos (annotation automatique + scripts dentraînement YOLO).
Voici des outils et méthodes open-source que tu peux utiliser pour annoter automatiquement ou semi-automatiquement un dataset dimages (pour entraîner YOLOv8 ou tout autre modèle de détection), y compris pour des plantes, feuilles, fleurs, etc. :
🧩 Outils dannotation (semi-automatique et automatique)
📌 1) Roboflow Annotate
Plateforme web qui propose des outils dassistance par IA pour accélérer lannotation :
Possibilité dimporter tes images et de générer des annotations avec de lassistance IA (Label Assist / Auto Label).
Permet dexporter les annotations en formats compatibles YOLO.
Gratuit jusqu’à certaines limites, fonctionne via interface web.
Pas besoin dhéberger toi-même un serveur.
📌 2) Auto-Annotation avec Autodistill + Grounding DINO
Une approche plus avancée pour annoter automatiquement des images :
Utilise des modèles de type Grounding DINO pour détecter des objets selon un texte (ex : “feuille”, “fleur”, “fruit”).
Génère ensuite automatiquement des fichiers dannotation cachés au format YOLO.
Cette méthode diminue le travail humain car elle produit dabord des étiquettes automatiques que lon peut ensuite corriger.
Cest pratique si tu as beaucoup dimages brutes à annoter.
📌 3) CVAT (Computer Vision Annotation Tool)
Outil open source complet pour annotations :
Interface web pour annoter images et vidéos.
Supporte la pré-annotation automatique à partir de modèles pré-entraînés (tu peux importer un modèle YOLO).
Permet d’économiser du temps en générant des boîtes automatiquement puis en les corrigeant.
Convient bien pour des datasets de plantes.
👉 CVAT est lun des outils les plus utilisés dans la communauté CV pour annotation manuelle assistée par IA ou modèles pré-entraînés.
📌 4) Outils open-source dannotation classiques
Si tu veux annoter manuellement ou semi-manuellement :
LabelImg outil graphique pour créer des boîtes et exporter en YOLO.
Label Studio annotation flexible multi-tâches (mais souvent plus généraliste).
Autres outils listés (Yolo_Label, Make Sense, Scalabel, etc.) pour différents formats et workflows.
🧠 Méthodes dannotation automatique (workflow avancé)
Voici comment automatiser ton annotation avant dentraîner YOLO :
1. Pré-annotation automatique avec modèle existant
Charge un modèle de vision comme YOLOv8 ou un autre détecteur pré-entraîné.
Passe tes images au modèle pour générer des boîtes et labels provisoires.
Convertis ces détections en fichiers .txt YOLO.
Révise / corrige les erreurs ensuite (important car lauto-annotation nest pas parfaite).
2. Utiliser Segment Anything / Autodistill
Combine Segment Anything (SAM) avec un modèle de détection (ex : Grounding DINO).
Segment Anything fournit des masques / régions intéressantes.
Grounding DINO relie ces régions à des classes par texte.
Autodistill convertit ensuite ce résultat en étiquettes format YOLO.
Utile pour réduire le travail manuel et créer rapidement un dataset.
🔎 Résumé des possibilités
Outil / Méthode Automatique possible Semi-Automatique Export YOLO
Roboflow Annotate ✔️ (modèles IA intégrés) ✔️ ✔️
Autodistill + DINO ✔️ ⬜ ✔️
CVAT ✔️ (pré-annotation) ✔️ ✔️
LabelImg / Label Studio ⬜ ✔️ ✔️
⚠️ Conseils importants
Auto-annotation nest jamais parfaite — vérifie et corrige toujours les annotations manuellement pour que le modèle que tu entraine apprenne bien.
Lannotation est souvent le goulot d’étranglement des projets CV : mieux les étiquettes sont, meilleur sera ton modèle.
Si tu veux, je peux te générer un script Python qui intègre Autodistill + Grounding DINO pour auto-annoter ton dossier dimages plantes en format YOLO. Veux-tu un tel script prêt à lemploi ? (Si oui, dis-moi le système dexploitation que tu utilises : Linux, Windows ou macOS.)
Voici un script Python auto-hôte complet pour annoter automatiquement ton propre dataset dimages (par exemple feuilles/fleurs/plantes) au format YOLO, en utilisant Autodistill + un modèle de type Grounding DINO pour générer automatiquement les fichiers dannotation avant entraînement YOLOv8.
Ce workflow utilise loutil Autodistill, qui combine des « base models » (par exemple GroundedSAM/Grounding DINO) pour auto-labeler des images et génère ensuite un dataset prêt à lentraînement YOLOv8 — sans annotation manuelle préalable.
✅ 1) Installation des dépendances
Dans un terminal, crée un environnement Python propre et installe les librairies nécessaires :
python3 -m venv venv
source venv/bin/activate
pip install autodistill autodistill-grounded-sam autodistill-yolov8 ultralytics opencv-python
autodistill : framework principal pour auto-annotation
autodistill-grounded-sam : combine Grounding DINO + SAM pour auto-labeling
autodistill-yolov8 : plugin pour entraîner YOLOv8 après génération
ultralytics, opencv-python : pour lentraînement et le test YOLOv8
📁 2) Organisation du dataset
Place toutes tes images non annotées dans un dossier unique, par exemple :
dataset/
raw_images/
photo1.jpg
photo2.jpg
...
🧠 3) Script Python dauto-annotation + préparation YOLO
Crée un fichier auto_annotate_and_export.py :
from autodistill_grounded_sam import GroundedSAM
from autodistill.detection import CaptionOntology
import os
import json
# =========================
# 1) Définir l'ontologie
# =========================
# Chaque clé est une **description textuelle** que le modèle tentera
# de repérer dans l'image. La valeur est l'étiquette qui sera utilisée.
# Tu peux ajouter autant de classes que nécessaire :
ontology_map = {
"leaf of a plant": "leaf",
"flower of a plant": "flower",
"fruit of a plant": "fruit"
}
base_model = GroundedSAM(ontology=CaptionOntology(ontology_map))
# =========================
# 2) Folder paths
# =========================
INPUT_FOLDER = "./dataset/raw_images"
OUTPUT_FOLDER = "./dataset/auto_labeled"
os.makedirs(OUTPUT_FOLDER, exist_ok=True)
# =========================
# 3) Auto-label all images
# =========================
print("⏳ Auto-labeling images with GroundedSAM (Grounding DINO + SAM)...")
base_model.label_folder(
input_folder=INPUT_FOLDER,
output_folder=OUTPUT_FOLDER
)
print("🟢 Auto-labeling terminé !")
print(f"Annotations générées dans : {OUTPUT_FOLDER}")
📌 Ce que fait le script
Il lance GroundedSAM (basé sur Grounding DINO + SAM) pour analyser chaque image.
Il utilise les prompts textuels que tu définis dans la variable ontology_map pour associer chaque objet détecté à une classe.
Il écrit automatiquement les fichiers dannotation au format YOLO dans le dossier auto_labeled.
Le résultat est un dataset prêt à lentraînement YOLOv8.
📝 4) Vérifier les résultats
Après ce script, ton dossier dataset/auto_labeled doit contenir :
dataset/auto_labeled/
images/
photo1.jpg
photo2.jpg
...
labels/
photo1.txt
photo2.txt
...
Chaque .txt contient des lignes du type :
0 0.4532 0.3124 0.1824 0.2763
(correspondant à <class_id> <x_center> <y_center> <w> <h> au format YOLO)
🚀 5) Entraînement YOLOv8 sur les données générées
Ensuite, tu peux entraîner YOLOv8 avec ces annotations :
✍ Crée un fichier data.yaml :
path: dataset/auto_labeled
train: images
val: images
names:
0: leaf
1: flower
2: fruit
Assure-toi que lordre des noms correspond à lordre utilisé dans ontology_map.
🎓 Lance lentraînement
Dans ton terminal :
yolo task=detect mode=train model=yolov8n.pt data=data.yaml epochs=50 imgsz=640
model=yolov8n.pt : YOLOv8-nano (léger, rapide)
epochs=50 : nombre ditérations dentraînement
imgsz=640 : taille des images
📌 6) Tester ton modèle
Après entraînement, test :
yolo task=detect mode=predict model=runs/detect/train/weights/best.pt source="test_images/"
Les images annotées seront enregistrées sous runs/detect/predict.
🧾 Résumé des étapes
Étape Description
1 Installer Autodistill & plugins
2 Mettre toutes les images brutes dans un dossier
3 Lancer le script dauto-annotation
4 Vérifier images + .txt générés
5 Entraîner YOLOv8 avec ces données
6 Tester le modèle entraîné
⚠️ Conseils & limitations
Lauto-annotation nest pas parfaite : certains objets peuvent être mal classés ou mal localisés — revise au besoin.
Les prompts textuels (ontology_map) doivent être précis et adaptés à ce que tu veux détecter (feuilles, fleurs, etc.).
Un GPU rend lentraînement YOLOv8 bien plus rapide.
Si tu veux, je peux générer une version complète du data.yaml prête à lemploi ou adapter ce pipeline à des situations spécifiques (ex : dataset grand public, interface graphique simple, intégration mobile). Dis-moi juste le cas dusage que tu vises.
Regular → Executable
View File
+127
View File
@@ -0,0 +1,127 @@
# Jardin App — Améliorations récentes
> Date : **2026-03-22**
---
## 1. Conversion HEIC → PNG automatique à l'upload
**Problème :** Les photos prises avec un iPhone sont au format HEIC, non reconnu par les navigateurs web.
**Solution :** Lors de tout upload de média (route `POST /api/media/upload`), le backend détecte automatiquement le format HEIC/HEIF et le convertit en WEBP avant stockage.
**Fichiers modifiés :**
- `backend/app/routers/media.py` — détection par magic bytes + conversion via `pillow-heif`
- `backend/requirements.txt` — ajout de `pillow-heif`
- `frontend/src/views/*` — inputs file acceptent désormais `.heic,.HEIC`
**Comportement :**
- Fichier `.heic` reçu → converti en WEBP (même qualité que les autres imports)
- Miniature 300 px générée normalement
- Nom de fichier stocké en `.webp` dans la base de données
---
## 2. Redimensionnement des images de la bibliothèque
**Contexte :** Le paramètre "Largeur max des photos" dans Réglages s'appliquait uniquement aux nouvelles photos. Les photos déjà importées restaient à leur taille d'origine.
**Ajout :** Un bouton **"Appliquer à la bibliothèque"** dans la section Images des Réglages permet de redimensionner rétroactivement toutes les photos existantes.
**Règle appliquée :** Si la largeur d'une photo est **inférieure ou égale** au paramètre configuré, elle n'est **pas modifiée** (pas d'agrandissement).
**Fichiers modifiés :**
- `backend/app/routers/settings.py` — endpoint `POST /api/settings/images/resize-all`
- `frontend/src/api/settings.ts` — méthode `resizeAllImages()`
- `frontend/src/views/ReglagesView.vue` — bouton + feedback avec stats (redimensionnées / ignorées / erreurs)
**Endpoint retourne :**
```json
{ "ok": true, "redimensionnees": 42, "ignorees": 128, "erreurs": 0 }
```
---
## 3. Sauvegarde Samba (backup réseau)
**Contexte :** La sauvegarde ZIP existante ne proposait qu'un téléchargement local.
**Ajout :** Section **"Sauvegarde Samba"** dans les Réglages permettant d'envoyer automatiquement la sauvegarde vers un partage réseau Windows/NAS.
**Paramètres configurables :**
| Champ | Exemple |
|-------|---------|
| Adresse IP / nom du serveur | `192.168.1.10` ou `nas.local` |
| Partage | `Sauvegardes` |
| Sous-dossier | `jardin/backups` |
| Utilisateur | `gilles` |
| Mot de passe | *(masqué)* |
**Fichiers modifiés :**
- `backend/app/routers/settings.py` — endpoint `POST /api/settings/backup/samba` (génère le ZIP, copie via `smbclient` ou `pysmb`)
- `backend/app/models/user_settings.py` — clés `samba_*` persistées en base
- `frontend/src/api/settings.ts` — méthodes `getSambaSettings()`, `saveSambaSettings()`, `backupToSamba()`
- `frontend/src/views/ReglagesView.vue` — formulaire Samba + bouton "Envoyer la sauvegarde" + feedback
---
## 4. Restauration de sauvegarde
**Contexte :** Il était possible de créer un backup ZIP mais pas de le restaurer depuis l'interface.
**Ajout :** Bouton **"Restaurer une sauvegarde"** dans la section Sauvegarde des Réglages.
**Deux modes de restauration :**
| Mode | Comportement |
|------|-------------|
| **Écraser tout** (toggle activé, rouge) | Remplace la BDD entière + écrase tous les fichiers uploads |
| **Ajouter uniquement** (toggle désactivé, jaune) | Insère les lignes absentes (`INSERT OR IGNORE`) + copie uniquement les fichiers manquants |
**Sécurité :**
- Confirmation obligatoire avec `window.confirm()` décrivant le mode sélectionné
- Message d'avertissement "irréversible" affiché avant action
**Technique (mode écraser) :**
1. `engine.dispose()` — libère les connexions SQLAlchemy
2. `PRAGMA wal_checkpoint(TRUNCATE)` — vide le WAL SQLite
3. Copie directe du fichier `.db` depuis le ZIP
**Technique (mode ajouter) :**
- `sqlite3` natif — `INSERT OR IGNORE` table par table depuis la BDD du ZIP
- `foreign_keys=OFF` pendant la fusion pour éviter les conflits de contraintes
**Fichiers modifiés :**
- `backend/app/routers/settings.py` — helper `_merge_db_add_only()` + endpoint `POST /api/settings/backup/restore`
- `frontend/src/api/settings.ts` — méthode `restoreBackup(file, overwrite)`
- `frontend/src/views/ReglagesView.vue` — sélecteur ZIP + toggle mode + bouton ♻️ + feedback coloré
**Endpoint retourne :**
```json
{
"ok": true,
"uploads_copies": 27,
"uploads_ignores": 0,
"db_restauree": true,
"db_lignes_ajoutees": 0,
"erreurs": 0
}
```
---
## Résumé des endpoints ajoutés
| Méthode | Route | Description |
|---------|-------|-------------|
| `POST` | `/api/settings/images/resize-all` | Redimensionne toutes les images de la bibliothèque |
| `POST` | `/api/settings/backup/samba` | Envoie la sauvegarde ZIP vers un partage Samba |
| `POST` | `/api/settings/backup/restore` | Restaure un backup ZIP (écraser ou ajouter) |
---
## Dette technique restante
- Le redimensionnement "bibliothèque" tourne de façon synchrone — pour de très grandes bibliothèques (> 500 photos), envisager une tâche en arrière-plan avec progression SSE.
- La connexion Samba utilise `subprocess` + `smbclient` ou `pysmb` : tester la compatibilité avec les NAS Synology / QNAP.
- Après une restauration "écraser", les sessions utilisateurs actives travaillent toujours sur l'ancienne BDD jusqu'au prochain cycle de connexion SQLAlchemy. Un rechargement de page suffit.
@@ -0,0 +1,159 @@
# Utilisation API en Réseau Local (VM / OpenClaw)
Ce guide explique comment exposer et consommer l'API backend Jardin depuis des machines VM de votre réseau local, y compris un poste équipé d'OpenClaw.
## 1. Vérifier l'accessibilité API sur le LAN
Le backend écoute sur le port `8060` via Docker Compose.
Depuis la machine hôte:
```bash
curl http://127.0.0.1:8060/api/health
```
Depuis une VM du réseau local (remplacez `192.168.1.50`):
```bash
curl http://192.168.1.50:8060/api/health
```
Réponse attendue:
```json
{"status":"ok"}
```
Si ça ne répond pas:
- vérifier que Docker est démarré
- vérifier que le pare-feu autorise `8060/tcp`
- vérifier l'IP LAN de l'hôte
## 2. CORS pour clients web distants (OpenClaw UI navigateur)
Si l'appel API est fait côté navigateur depuis une autre origine (ex: UI OpenClaw sur une VM), il faut autoriser cette origine dans `CORS_ORIGINS`.
Exemple `.env`:
```env
CORS_ORIGINS=http://localhost:5173,http://localhost:8061,http://192.168.1.80:3000
```
Puis redémarrer:
```bash
docker compose up -d --build backend
```
Note:
- appel serveur-à-serveur: CORS non requis
- appel navigateur: CORS requis
## 3. Endpoints utiles pour automatisation VM/OpenClaw
Santé:
```bash
curl http://192.168.1.50:8060/api/health
```
Météo tableau:
```bash
curl "http://192.168.1.50:8060/api/meteo/tableau?center_date=2026-02-22&span=15"
```
Rafraîchir jobs météo:
```bash
curl -X POST http://192.168.1.50:8060/api/meteo/refresh
```
Lire réglages:
```bash
curl http://192.168.1.50:8060/api/settings
```
Activer debug UI:
```bash
curl -X PUT http://192.168.1.50:8060/api/settings \
-H "Content-Type: application/json" \
-d '{"debug_mode":"1"}'
```
Stats debug backend (CPU/RAM/disque conteneur):
```bash
curl http://192.168.1.50:8060/api/settings/debug/system
```
Upload fichier:
```bash
curl -X POST http://192.168.1.50:8060/api/upload \
-F "file=@/chemin/fichier.mp4"
```
Télécharger une sauvegarde ZIP (BDD + uploads + fichiers texte):
```bash
curl -L "http://192.168.1.50:8060/api/settings/backup/download" \
-o "jardin_backup.zip"
```
## 4. Scripts de mise à jour BDD (hors webapp)
Station locale -> DB:
```bash
python3 station_meteo/update_station_db.py
```
Historique Open-Meteo -> DB:
```bash
python3 station_meteo/update_openmeteo_history_db.py --start-date 2026-01-01 --end-date 2026-02-22
```
## 5. Paramètres recommandés pour OpenClaw
- Base URL API: `http://192.168.1.50:8060`
- Endpoint test: `/api/health`
- Timeout conseillé: `15-30s`
- Corps JSON: UTF-8
- Pour upload: `multipart/form-data`
## 6. Skill OpenClaw recommandé
Le skill à utiliser s'appelle désormais: `jardin-api-backend`.
Emplacement dans le repo:
- `skills/jardin-api-backend/SKILL.md`
- `skills/jardin-api-backend/references/backend-api-recipes.md`
- `skills/jardin-api-backend/consigne.md`
Installation rapide (exemple):
```bash
mkdir -p ~/.codex/skills
cp -R skills/jardin-api-backend ~/.codex/skills/
```
Ensuite, relancer OpenClaw et vérifier que le skill **Jardin API Backend** apparaît.
## 7. Sécurité (important)
L'API actuelle est sans authentification. Sur réseau local, minimum recommandé:
- segmenter le réseau (VLAN/VM dédiées)
- filtrer par IP source (pare-feu hôte)
- ne pas exposer directement sur Internet
- idéalement: reverse proxy + authentification (Basic/Auth token) ou VPN
## 8. Swagger
Documentation interactive:
- `http://<IP_HOTE>:8060/docs`
Binary file not shown.

After

Width:  |  Height:  |  Size: 1.6 MiB

Binary file not shown.

After

Width:  |  Height:  |  Size: 2.0 MiB

Binary file not shown.

After

Width:  |  Height:  |  Size: 1.8 MiB

Binary file not shown.

After

Width:  |  Height:  |  Size: 1.3 MiB

Binary file not shown.

After

Width:  |  Height:  |  Size: 1.7 MiB

Binary file not shown.

After

Width:  |  Height:  |  Size: 1.3 MiB

Binary file not shown.

After

Width:  |  Height:  |  Size: 1.7 MiB

Binary file not shown.

After

Width:  |  Height:  |  Size: 2.1 MiB

@@ -0,0 +1,219 @@
{
"source_dossier": "docs/arbustre",
"regle_groupement": "2 images consecutives = 1 plante",
"plantes": [
{
"id": 1,
"plante": "Vitis vinifera 'Marechal Foch'",
"nom_latin": "Vitis vinifera",
"images": ["IMG_4808.jpg", "IMG_4809.jpg"],
"texte_extrait": {
"avant": "Vitis vinifera 'Marechal Foch' (code 191599).",
"arriere": "Pictogrammes de culture et informations plant passport/recyclage."
},
"caracteristiques_plantation": {
"type": "Plant en pot (arbuste fruitier)",
"periode_plantation": null,
"periode_recolte": null,
"exposition": "Soleil / mi-ombre (selon pictogrammes)",
"arrosage": "Regulier (pictogramme arrosoir)",
"espacement": null,
"remarques": "Pictogramme maison (culture proche d'un support/mur, interpretation)."
},
"icones_significatives": [
{
"icone": "soleil",
"signification": "Exposition",
"valeur": "Soleil"
},
{
"icone": "demi-soleil",
"signification": "Exposition",
"valeur": "Mi-ombre"
},
{
"icone": "arrosoir",
"signification": "Arrosage",
"valeur": "Regulier"
},
{
"icone": "maison",
"signification": "Emplacement",
"valeur": "Zone abritee/proche habitation (a confirmer)"
},
{
"icone": "couverts barres",
"signification": "Usage alimentaire",
"valeur": "Interpretation incertaine"
}
],
"detail": {
"texte_integral_visible": {
"avant": "Vitis\nvinifera 'Marechal Foch'\n191599",
"arriere": "Pictogrammes visibles: soleil, demi-soleil, maison, arrosoir, couverts barres.\nRaccolta differenziata - Etichetta: Carta - Verifica le disposizioni del tuo Comune.\nPlant Passport (bloc lisible partiellement): A Vitis vinifera; B CZ-...; C 02574/...; D 25.\nGGN: 4063061211323."
}
}
},
{
"id": 2,
"plante": "Ribes nigrum 'Titania'",
"nom_latin": "Ribes nigrum",
"images": ["IMG_4810.jpg", "IMG_4811.jpg"],
"texte_extrait": {
"avant": "Ribes nigrum 'Titania' (code 58329).",
"arriere": "Pictogrammes: soleil, arrosage, 150 cm, recolte VI-VII."
},
"caracteristiques_plantation": {
"type": "Plant en pot (arbuste fruitier)",
"periode_plantation": null,
"periode_recolte": "VI-VII",
"exposition": "Soleil",
"arrosage": "Regulier",
"espacement": "150 cm",
"taille_entretien": "Pictogrammes de taille/suppression du bois (interpretation)"
},
"icones_significatives": [
{
"icone": "soleil",
"signification": "Exposition",
"valeur": "Soleil"
},
{
"icone": "arrosoir",
"signification": "Arrosage",
"valeur": "Regulier"
},
{
"icone": "fleche verticale 150 cm",
"signification": "Espacement/distance",
"valeur": "150 cm"
},
{
"icone": "main + VI-VII",
"signification": "Periode de recolte",
"valeur": "Juin-Juillet"
},
{
"icone": "branche/fruits + fleches",
"signification": "Taille/renouvellement",
"valeur": "Interpretation"
},
{
"icone": "flocon barre + fleches",
"signification": "Gestion hivernale",
"valeur": "Interpretation"
}
],
"detail": {
"texte_integral_visible": {
"avant": "Ribes nigrum\n'Titania'\n58329",
"arriere": "Ribes nigrum\nPictogrammes: soleil; arrosoir; 150 cm; main + VI-VII; deux pictogrammes de taille/entretien.\nPlant Passport: A Ribes nigrum; B NL-...; C 4421PP; D NL.\nCode-barres: 4014157115032."
}
}
},
{
"id": 3,
"plante": "Rubus idaeus 'Schoenemann'",
"nom_latin": "Rubus idaeus",
"images": ["IMG_4813.jpg", "IMG_4814.jpg"],
"texte_extrait": {
"avant": "Rubus idaeus 'Schoenemann' (code 58329).",
"arriere": "Pictogrammes: soleil, arrosage, 150 cm, recolte VII-XI."
},
"caracteristiques_plantation": {
"type": "Plant en pot (arbuste fruitier)",
"periode_plantation": null,
"periode_recolte": "VII-XI",
"exposition": "Soleil",
"arrosage": "Regulier",
"espacement": "150 cm",
"taille_entretien": "Pictogrammes de taille/suppression du bois (interpretation)"
},
"icones_significatives": [
{
"icone": "soleil",
"signification": "Exposition",
"valeur": "Soleil"
},
{
"icone": "arrosoir",
"signification": "Arrosage",
"valeur": "Regulier"
},
{
"icone": "fleche verticale 150 cm",
"signification": "Espacement/distance",
"valeur": "150 cm"
},
{
"icone": "main + VII-XI",
"signification": "Periode de recolte",
"valeur": "Juillet-Novembre"
},
{
"icone": "branche/fruits + fleches",
"signification": "Taille/renouvellement",
"valeur": "Interpretation"
},
{
"icone": "flocon barre + fleches",
"signification": "Gestion hivernale",
"valeur": "Interpretation"
}
],
"detail": {
"texte_integral_visible": {
"avant": "Rubus idaeus\n'Schoenemann'\n58329",
"arriere": "Rubus idaeus\nPictogrammes: soleil; arrosoir; 150 cm; main + VII-XI; deux pictogrammes de taille/entretien.\nPlant Passport: A Rubus idaeus; B NL-...; C 4421PP; D NL.\nCode-barres: 4014157115087."
}
}
},
{
"id": 4,
"plante": "Framboisier remontant 'Paris'",
"nom_latin": "Rubus idaeus",
"images": ["IMG_4815.jpg", "IMG_4816.jpg"],
"texte_extrait": {
"avant": "F.A.N Fruits Au Naturel - Framboisier remontant 'Paris'. Recolte: juin-juillet puis septembre-octobre.",
"arriere": "Conseils complets de plantation/entretien + recette 'Palets a la confiture de framboises'."
},
"caracteristiques_plantation": {
"type": "Plant en pot 1,6 litre",
"periode_plantation": "Fevrier a juin et aout a novembre",
"periode_recolte": "Juin-juillet puis septembre-octobre",
"exposition": "Soleil a mi-ombre",
"arrosage": "Arroser a la plantation puis regulier",
"espacement": "0,50 m a 0,70 m entre chaque plant",
"sol": "Tout type de sol sauf humide",
"fertilisation": "Engrais organique a l'automne"
},
"icones_significatives": [
{
"icone": "suite etapes 1-5",
"signification": "Methode de plantation",
"valeur": "Ameublir, trou, retirer le pot, planter/tasser, arroser"
},
{
"icone": "recolte en 2 periodes",
"signification": "Calendrier de production",
"valeur": "Juin-juillet puis septembre-octobre"
},
{
"icone": "mes reperes usage/gout",
"signification": "Usages culinaires et profil gustatif",
"valeur": "Patisserie, confiture, fruits frais, smoothies"
}
],
"detail": {
"texte_integral_visible": {
"avant": "F.A.N Fruits Au Naturel\nFramboisier remontant\n'Paris'\nRecolte: juin-juillet puis septembre-octobre\nmes reperes: glaces/sorbets, patisserie/confiture, fruits frais/smoothies\nproduction locale\nPot 1,6 litre",
"arriere": "1 Travaillez le sol pour l'ameublir.\n2 Faites un trou a la taille de la motte.\n3 Retirez le pot.\n4 Plantez et tassez la terre autour de la motte.\n5 Arrosez.\ninfos et conseils: www.vivaplante.fr\n\nFRAMBOISIER REMONTANT 'Paris' (Rubus idaeus)\n\nFramboisier remontant 'Paris'\nSol: tout type de sol sauf humide.\nPlantation: planter toute la motte sous terre. Arroser.\nFertilisation: apporter un engrais organique a l'automne.\nTaille:\n- non remontant (de saison): chaque hiver, enlever les tiges dessechees. Palisser les cannes conservees pour l'annee suivante.\n- remontant: l'hiver, enlever les tiges dessechees et celles trop freles. Ne laisser que 4 ou 5 belles cannes qui produiront en juin. La deuxieme production des septembre aura lieu sur les pousses de l'annee.\n\nPalets a la confiture de framboises\n250 g de farine - 125 g de beurre - 150 g de sucre en poudre - confiture de framboise - 1 oeuf - vanille en poudre\nBattez ensemble le beurre, l'oeuf et 125 g de sucre.\nAjoutez la farine lorsque la preparation mousse, une cuiller a cafe de vanille et une pincee de sel.\nPetrissez la pate et placez-la au refrigerateur pendant 20 minutes.\nFaites des noix de pate que vous roulez dans le reste de sucre. Aplatissez un peu ces noix avant de les poser sur la plaque du four a 210 C pendant 5 minutes.\nFormez un creux au centre de chaque palet a l'aide d'une cuiller a cafe.\nVersez-y la confiture de framboise et placez-les de nouveau au four ou laissez-les dorer.\n\nPlantation: fevrier a juin et aout a nov.\nRecolte: juin-juillet puis septembre-octobre.\nExposition: soleil-mi-ombre.\nEspacement des plants: 0,50 m a 0,70 m entre chaque plant.\n\nPasseport Phytosanitaire / Plant Passport: A Rubus idaeus; B FR-RH00491; C 765883; D FR."
}
}
}
],
"notes": [
"Extraction manuelle depuis photos.",
"Certaines lignes de passeport ou pictogrammes sont partiellement lisibles et marquees comme interpretation quand necessaire."
]
}
File diff suppressed because it is too large Load Diff

Some files were not shown because too many files have changed in this diff Show More