Outils pour utilisateurs
python:python_www
Différences
Ci-dessous, les différences entre deux révisions de la page.
| Les deux révisions précédentes Révision précédente | Prochaine révision Les deux révisions suivantes | ||
|
python:python_www [2019/11/16 12:59] Francesco Beretta [Récupérer des pages HTML et les transformer en XML] |
python:python_www [2019/11/17 12:00] Francesco Beretta [Récupérer des pages HTML et les transformer en XML] |
||
|---|---|---|---|
| Ligne 14: | Ligne 14: | ||
| * LXML | * LXML | ||
| * [[http://adrien.barbaresi.eu/blog/parsing-converting-lxml-html-tei.html|Parsing and converting HTML documents to XML/TEI format using Python’s lxml]] | * [[http://adrien.barbaresi.eu/blog/parsing-converting-lxml-html-tei.html|Parsing and converting HTML documents to XML/TEI format using Python’s lxml]] | ||
| + | * [[https://pythontips.com/2018/06/20/an-intro-to-web-scraping-with-lxml-and-python/|Tutoriel avec exemple]] | ||
| * BeautifulSoup | * BeautifulSoup | ||
| * [[https://programminghistorian.org/en/lessons/intro-to-beautiful-soup|Programming historian: Intro to Beautiful Soup]] | * [[https://programminghistorian.org/en/lessons/intro-to-beautiful-soup|Programming historian: Intro to Beautiful Soup]] | ||
| + | * Trafilatura | ||
| + | * Une nouvelle librairie en cours de développement, utile et clés en main, parfois un peu limitée dans les possitilités de choix (en fonction de la compléxité de la page HTML) | ||
| + | * [[https://github.com/adbar/trafilatura|Trafilatura sur GitHub]] | ||
| + | * | ||
python/python_www.txt · Dernière modification: 2021/02/01 01:12 par Francesco Beretta
