CasuHAL AtelierAPI

Eléments de langage

• C’est un accès aux données.
• C’est une source de donnée qui est exposée de manière à être re-exploitée par des tiers.
• C’est prendre la main sur les données afin de les organiser et les agencer autrement que sur l’interface standard.
• C’est enrichir son site avec des données
• API ou Webservices qui permettent d'extraire ou d'afficher une information du catalogue à partir d'une URL contenant des critères de recherche. (exemple Le Sudoc met diverses API à la disposition des systèmes locaux pour intégrer à la volée aux fonctions locales des données du système central.)
• Les portails HAL sont une façon d'accéder au réservoir de données qu’est HAL
• l'API donne accès à la base de données : c'est donc logiquement l'accès le plus complet possible (contrairement au site web qui ne permet à l'usager de ne faire que ce qui a été prévu)
• Pour utiliser une API il faut connaître la structure des données, c’est pour ça qu’elles sont toujours accompagnées d’une documentation
• Les formats de données = Json (Utile d'installer Json view dans son navigateur)
• Sparql Endpoint : https://api.archives-ouvertes.fr/sparql
• Des API partout : Isidore, Istex, Sudoc Abes.

Sword

• L'API de dépôt SWORD permet l'import automatique de documents dans l'archive ouverte HAL.
• Comprendre qu'il s'agit d'une sorte de module permettant d'entrer des données dans HAL (comme on entre une donnée par le biais du formulaire de dépôt *manuel sur le site web HAL)
• Pour entrer des données il faut respecter d'emblée un ensemble de contraintes. Type format TEI des notices (https://hal.archives-ouvertes.fr/documents/aofr.xsd). Type archive ZIP
• Formulaire en ligne possible pour envoyer ses données : https://api.archives-ouvertes.fr/sword/upload/

Utiliser l'API ?

• Cadrage : De mon point c'est dans les cas où les autres moyens d'accès aux données de HAL ne "suffisent" pas au besoin exprimé (pour les stats = ne pas oublier le module stats dans l'admin
• Donc : notion de "besoin à exprimer"
• On interroge la base donc interroger l'API ne résout pas les éventuels problèmes de qualités des données.
• Un exemple site web / API :

https://hal.archives-ouvertes.fr/search/index : cocher toutes les options (pour comparer on cherche dans tout, voir que le site web ne cherche pas dans tout par défaut) : entrer les 2 mots api hal = 940 résultats. le site par défaut fait api AND hal

https://api.archives-ouvertes.fr/search/?q=api AND hal = 946 résultats (pourquoi 6 de + ? je ne sais pas : pas exactement la même requête en fait ou bien fraîcheur de la base ?).

Déconstruction de requêtes

URL d'entrée

+

critère : ?q=valeur OU ?q=champ:valeur / Séparateur &

+

filtre : fq=champ:valeur / séparateur &

+

retour : fl=champ / séparateur ,

les filtres sont sur des listes fermées :

Un peu de compulsion de la doc

• Il faut au moins un paramètre dans l'URL pour faire une requête, ce paramètre est q
• Ce paramètre contient la requête à effectuer.
• Le paramètre doit être suivi du nom du champ dans lequel rechercher puis de la valeur à chercher.
• Si le nom du champ dans lequel chercher est omis, par défaut la recherche porte sur l'index text qui contient les valeurs de plusieurs champs.
• Pour chercher dans un champ particulier la syntaxe est champ:terme
• Pour chercher plusieurs champs, utiliser (terme1 terme2). L'opérateur booléen par défaut est AND
• Pour OR : Utiliser (terme1 OR terme2)
• Pour une phrase : Utiliser les guillemets doubles "phrase"
• Troncature ? * ~ proximité

//

• Le format de réponse par défaut est JSON
• Le format de réponse est spécifié par le paramètre wt : wt=json
• liste des formats dans la doc. Ajouter indent=true pour indenter le format de réponse.

//

• Par défaut seuls les champs docid et label_s sont retournés dans une réponse. Cependant tous les champs stockés peuvent être retournés dans le format de réponse
• Le paramètre pour choisir les champs à retourner est fl. Les champs demandés doivent être séparés par le signe ,
• Formats de sortie avec fl = JSON, XML et CSV uniquement
• On peut utiliser le caractère * comme troncature de nom de champ, eg fl=cha*

*fl=* signifie tous les champs possibles //

• Par défaut, les résultats sont triés par pertinence.
• Le tri des résultats peut se faire sur n'importe quel champ en évitant les champs de type text (suffixe "_t") et les champs multi-valués qui donneront des résultats imprévisibles.
• Le paramètre pour choisir les champs à retourner est sort + le sens de tri asc ou desc

//

• Le paramètre pour ajouter des filtres est fq suivi de la requête servant au filtre : fq=submitType_s:file
• Il est possible de faire des requêtes sur des intervalles avec cette syntaxe champ:[valeurDébut TO valeurFin]
• valeur maximale = * + doc pour les spécificités des calculs de dates

//

• Le nombre de réponses à retourner est définit par le paramètre rows .
• Le nombre total de dépôt/notices ne change pas avec ce paramètres, seul le nombre de résultats effectivement retournés varie.
• Par défaut les requêtes ne retournent que les 30 premiers résultats, le maximum autorisé est 10000. Si vous souhaitez plus de résultats vous devez utiliser la pagination.
• Le paramètre &rows=0 peut permettre de ne retourner que le nombre de résultats et d'enlever les documents du corps de la réponse. Vous pouvez par exemple utiliser ce paramètre à des fins de statistiques ou si vous voulez retourner uniquement des facettes.

//

• pagination : afficher 50 après les 50 1ers : start=50&rows=50
• Curseurs : si vous devez parcourir plusieurs milliers de résultats, pour des raisons de performance il est fortement recommandé d'utiliser les curseurs

//

• Les facettes sont des listes de termes extraits en fonction d'une requête.
• On peut les utiliser pour avoir une liste de valeurs distinctes sur un champ donné.
• Pour générer des facettes, il faut ajouter le paramètre facet=true à une requête.
• Il faut ensuite ajouter les champs avec lesquel construire les facettes avec le paramètre facet.field=NomDuChamp à une requête.
• facet.sort=index, count, prefix, contains (facet.contains.ignoreCase=true)
• Pivots
• plage de résultats

//

• Vous pouvez obtenir vos résultats de requêtes groupés selon un critère de votre choix, à condition que le critère soit représenté par un champ non multivalué et de type string.

Les types de champs

https://api.archives-ouvertes.fr/docs/search/schema/field-types/#field-types

Comprendre les données interrogées

Exemple d'une notice auteur riche => https://api.archives-ouvertes.fr/ref/author/?q=docid:58415&wt=xml&fl=* / champs du référentiel authors => https://api.archives-ouvertes.fr/docs/ref/resource/author/schema/fields/#fields

Exemple notice structure => https://api.archives-ouvertes.fr/ref/structure/?q=docid:300297&wt=xml&fl=* / champs du référentiel structure => https://api.archives-ouvertes.fr/docs/ref/resource/structure/schema/fields/#fields

Analyses de questions précises, échanges autour des requêtes

Question : pourquoi l'export CSV n'est pas disponible en requête facet ?

1 / ?

https://api.archives-ouvertes.fr/search/?fq=labStructId_i:186732&fq=submittedDate_tdate:[* TO NOW]&fq=docType_s:ART&fl=halId_s&fl=docid&fl=contributorFullName_s&fl=title_s&fl=language_s&fl=docType_s&fl=submittedDate_s&fl=producedDateY_i&fl=journalTitle_s&fl=issue_s&fl=volume_s&fl=page_s&fl=doiId_s&fl=audience_s&fl=comment_s&fl=authLastNameFirstName_s&fl=rteamStructAcronym_s&fl=authId_i&fl=abstract_s&rows=200&wt=xml

requête de recherche : ?fq puis &fl puis rows et enfin wt

labstructid = polen (univ orleans)

date : * to now

NumFound = <result name="response" numFound="146" start="0">

2 / Liste des structures rattachées à une structure de + haut niveau.

https://api.archives-ouvertes.fr/ref/structure/?wt=xml&q=parentDocid_i:300297&fl=*

On a 165 résultats

on veut exporter en csv = https://api.archives-ouvertes.fr/ref/structure/?wt=csv&q=parentDocid_i:300297&fl=*

Attention la conf par défaut limite à 30 = il faut ajouter rows.

3 / La question d'une liste d'auteur affiliés à un établissement (CF UVSQ)

Ils ont réalisé 2 essais. Explication ? = les auteurs ne sont pas affiliés (dans auréhal) comme on pourrait le penser = Donc on cherche en fait dans l'api de recherche de documents et on extrait les affiliations par ce biais là. Ils souhaitent avoir les identifiants (orcid, idref and cie) = impossible en réalité puisque ça c'est stocké dans auréhal author donc il faudrait re requêter 1 à 1...

Essai 1 -> https://api.archives-ouvertes.fr/ref/author/?q=structureId_i:81173&fl=docid,label_s,idHal_i,idHal_s,*_id&rows=10000&wt=xml Référentiel auteur

Essai 2 -> https://api.archives-ouvertes.fr/search/uvsq/?q=*:*&facet=true&facet.field=structHasAuthIdHal_fs&facet.mincount=0&facet.prefix=81173_&rows=0&wt=xml&facet.limit=10000

4 / les affiliations : afficher ttes les structures affiliées à un auteur (https://api.archives-ouvertes.fr/docs/ref/resource/authorstructure)

https://api.archives-ouvertes.fr/search/authorstructure/?firstName_t=prenom&lastName_t=nom&i&wt=xml

5 / Je n'ai pas d'idées : quelles requêtes font les usagers ?? requête API pour retrouver des doublons potentiels de publication pour une collection donnée pour une année de production donnée http://api.archives-ouvertes.fr/search/?q=collCode_s:%22INRIA%22%20AND%20producedDateY_i:2015&rows=0&wt=xml&indent=true&facet=true&facet.pivot=title_s,docType_s,halId_s&facet.limit=10&facet.mincount=2