CasuHAL AtelierAPI

Sommaire

1 Notes libres pour l'atelier API des journées CasuHAL 2018
2 13h30/13h45 : Introduction
3 13h45 / 14h : Utiliser l'API d'archives-ouvertes ? démonstrations
4 14h / 14h15 : Réaliser des requêtes d'interrogation de l'API
5 14h15 / 14h30 : Echange avec la salle ou démonstrations/analyses de requêtes

Notes libres pour l'atelier API des journées CasuHAL 2018

13h30/13h45 : Introduction

-> Explication de ce qu'est une API

-> Ce que ça permet

-> Comment ça le permet

-> Présentation des API Recherche et Référentiels de HAL

-> Précisions sur l'API d'import Sword et l'entrepôt OAI

13h45 / 14h : Utiliser l'API d'archives-ouvertes ? démonstrations

-> Requête -> Que faire du fichier retourné ?

-> Affichage "simple" dans un tableur : démonstration d'un export csv et affichage simple dans libreoffice

-> Utilisation de logiciels de traitement de données (pour enrichissement et/ou traitement et/ou nettoyage) : Démonstration avec OpenRefine d'un import de données récupérées, découpage du contenu d'une colonne etc.

-> Affichage dans un site web : démonstration d'un affichage site web avec une requête dans l'API

-> Autre ? (question à la salle ?)

14h / 14h15 : Réaliser des requêtes d'interrogation de l'API

-> Les principes de construction d'une requêtes

-> Quelles informations on trouve dans la documentation

-> L'utilisation des facettes

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.

14h15 / 14h30 : Echange avec la salle ou démonstrations/analyses de requêtes

Développer un réseau d’entraide autour des API de HAL : on objectif pour CasuHal ?

Pistes / propositions :

Utiliser la liste hal.tech pour les questions concernant l’interrogation de l’API
Reporter sur le wiki les « réponses »
Faire un travail de documentation des requêtes déjà présentes sur le wiki
Constituer un inventaire des requêtes fréquemment demandées
Autre ?

Je n'ai pas d'idées : quelles requêtes peuvent être intéressantes pour moi ?

1 / La question d'une liste d'auteur affiliés à un établissement (CF question précise posée sur la liste dans le cadre de la prépa de l'atelier)

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

Noter : Ces exports réalisés d'une machine pour une machine nécessitent un post-traitement pour les reprendre "humainement" Démo OpenRefine?