Découvrez la structure du HTML. Nous commençons par expliquer pourquoi l'extraction de données Web peut être un ajout utile à votre boîte à outils en science des données, puis nous abordons les bases du HTML. Nous terminons le chapitre par une brève introduction à la notation XPath, utilisée pour naviguer parmi les éléments du code HTML.

Aperçu du web scraping

Le web scraping, ce n'est pas n'importe quoi !

Langage de balisage hypertexte

Navigation détaillée dans l'arborescence HTML

De l'arborescence au HTML

Attributs

Restez classe

Repérer l'attribut href

Cours éclair sur XPath

Où suis-je?

Il est temps pour les « p »

Un span bien classé

Introduction au HTML

Exploitez la syntaxe XPath pour explorer les sélecteurs de scrapy. Ces deux notions vous rapprocheront de la capacité d'extraire le contenu d'un document HTML.

XPathologie

Compter les éléments dans la nature

Appendices du corps

Choisissez DataCamp!

Hors des sentiers battus en XPath

Où c'est @

Vérifiez votre classe

Lien hyper(actif)

Liens secrets

Objets sélecteurs

Enchaînement d'XPath

Divisez cet exercice

La source de la source

Classe du cours par inspection

Obtenir un objet Selector

XPaths et sélecteurs

Apprenez la syntaxe des localisateurs CSS et commencez à expérimenter le chaînage de localisateurs CSS avec XPath. Nous présentons aussi les objets Response, qui se comportent comme des Selectors mais offrent des outils supplémentaires pour déployer nos efforts d'extraction sur plusieurs sites Web.

De XPath à CSS

Du (X)Path aux localisateurs CSS

Visez un « a » dans ce cours

Le caractère générique en CSS

Attributs CSS et sélection de texte

On vous a `href`é

Texte de premier niveau

Texte à tous les niveaux

Répondez, s'il vous plaît !

Révéler avec Response

Répondre avec des sélecteurs

Sélectionner à partir d'une sélection

Sondage

Titres

Extraction avec des éléments enfants

Localisateurs CSS, chaînage et réponses

Apprenez à créer des robots d'exploration Web avec scrapy. Ces araignées scrapy parcourront le Web sur plusieurs pages, en suivant des liens pour extraire automatiquement chacune de ces pages selon les méthodes vues dans les chapitres précédents.

Votre premier spider

Hériter de Spider

Lancer les URL

Démarrer les requêtes

L'auto‑référence, c'est classe

Commencer avec Start Requests

Analyser et explorer

Noms de plume

C'est l'heure du robot d'exploration

Projet de synthèse

C'est le moment d'exécuter

Descriptions DataCamp

Robot d'indexation final

Le grand final

Araignées

DataCamp webpage HTML

La capacité de créer des outils qui récupèrent et analysent l'information disponible sur Internet a toujours été, et demeure, précieuse dans de nombreux domaines de la science des données. Dans ce cours, vous apprendrez à parcourir et à analyser du code HTML, et à créer des outils pour explorer des sites Web automatiquement. Même si nos extractions se feront avec la bibliothèque Python polyvalente scrapy, bon nombre des techniques vues ici s'appliquent aussi à d'autres bibliothèques Python populaires, dont BeautifulSoup et Selenium. À la fin du cours, vous aurez un solide modèle mental de la structure HTML, serez en mesure de créer des outils pour analyser du code HTML et accéder à l'information recherchée, et de construire de simples araignées scrapy pour explorer le Web à grande échelle.

Intermediate Python

Apprenez à extraire et analyser des données d'internet avec la bibliothèque Python scrapy.

Extraction de données Web en Python

Apprenez à récupérer et analyser des informations sur Internet avec la bibliothèque Python scrapy.

Développeur Python

Navigation détaillée dans l'arborescence HTML

Extraction de données Web en Python

Exercice interactif pratique