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 | Révision précédente | ||
|
python:python_www [2017/11/20 18:07] Francesco Beretta [Technologies HTML et complémentaires] |
python:python_www [2021/02/01 01:12] (Version actuelle) Francesco Beretta [Récupérer des pages HTML et les transformer en XML] |
||
|---|---|---|---|
| Ligne 4: | Ligne 4: | ||
| ==== Technologies HTML et complémentaires ==== | ==== Technologies HTML et complémentaires ==== | ||
| - | * [[https://www.w3schools.com/html/default.asp|Cours de HTML en anlais]] | + | * [[https://www.w3schools.com/html/default.asp|Cours de HTML en anglais]] |
| * [[http://www.startyourdev.com/html/tag-html-index|Référence pour le HTML, CSS, XSL, etc.]] en français | * [[http://www.startyourdev.com/html/tag-html-index|Référence pour le HTML, CSS, XSL, etc.]] en français | ||
| + | ==== Récupérer des pages HTML et les transformer en XML ==== | ||
| + | |||
| + | * 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]] | ||
| + | * [[https://www.youtube.com/watch?v=5N066ISH8og|Vidéo du même tutoriel]] | ||
| + | * BeautifulSoup | ||
| + | * [[https://programminghistorian.org/en/lessons/intro-to-beautiful-soup|Programming historian: Intro to Beautiful Soup]] | ||
| + | * [[https://digitallatin.org/blog/using-beautifulsoup-add-works-dlls-database|Using BeautifulSoup to add works to the DLL's database]] | ||
| + | * 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]] | ||
| + | * [[http://adrien.barbaresi.eu/blog/trafilatura-main-text-content-python.html|Extracting the main text content from web pages using Python]] | ||
| + | * [[https://scrapy.org/|Scrapy]] | ||
| + | * YouTube: [[https://www.youtube.com/watch?v=ve_0h4Y8nuI&list=PLhTjy8cBISEqkN-5Ku_kXG4QW33sxQo0t|Tutoriel complet]] | ||
| + | * [[https://fr.wikipedia.org/wiki/Scrapy|Présentation sur Wikipaedia]] | ||
| + | * [[https://docs.scrapy.org/en/latest/intro/overview.html|Scrapy at a glance]] | ||
| + | * [[https://docs.scrapy.org/en/latest/|Documentation]] | ||
| + | |||
| + | |||
| + | |||
| + | |||
| + | |||
| + | {{:python:war_entities_stag.csv.zip|}} | ||
python/python_www.1511197666.txt.gz · Dernière modification: 2017/11/20 18:07 par Francesco Beretta
