1. Apprendre
    2. /
  2. Cours
    3. /
  3. Web Scraping en Python
  • 1

    Débuter en HTML

    Gratuit

    Apprenez la structure de HTML. Nous commencerons par expliquer pourquoi le web scraping peut être un complément précieux à votre boîte à outils de science des données, puis nous nous pencherons sur les bases de HTML. Nous terminons ce chapitre par une brève introduction à la notation XPath, qui est utilisée pour naviguer dans les éléments du code HTML.

  • 2

    XPaths et sélecteurs

    Exploitez la syntaxe de XPath pour explorer les sélecteurs de scrapy. Ces deux concepts vous permettront d'être en mesure de récupérer un document HTML.

  • 3

    CSS Localisateurs, chaînage et réponses

    Apprenez la syntaxe du localisateur CSS et commencez à jouer avec l'idée d'enchaîner des localisateurs CSS avec XPath. Nous présentons également les objets Response, qui se comportent comme des sélecteurs mais nous donnent des outils supplémentaires pour mobiliser nos efforts de scraping sur plusieurs sites web.

  • 4

    Araignées

    Apprenez à créer des robots d'indexation avec scrapy. Ces spiders scrapy parcourront le web à travers de multiples pages, en suivant les liens pour scraper chacune de ces pages automatiquement selon les procédures que nous avons apprises dans les chapitres précédents.

Initializing

Exercice

Texte de tous les niveaux

Cet exercice est similaire au précédent, mais diffère en ce sens que vous allez sélectionner du texte à partir de plusieurs générations d'un élément donné.

Vous écrirez un XPath et CSS Locator strings pour diriger vers le texte d'un paragraphe spécifique p element. L'élément p du site HTML est défini de manière unique par son attribut id, qui est "p3". Avec ces quelques informations, vous devriez être en mesure de créer les chaînes souhaitées ; cependant, nous avons préchargé la variable html avec une chaîne contenant le site HTML auquel appartient ce lien, si vous souhaitez le consulter.

Dans cet exercice, vous ne sélectionnerez que le texte à l'intérieur de l'élément, ce qui inclut tout le texte à l'intérieur des générations futures. Nous avons créé une fonction print_results pour vous permettre de comparer les éléments auxquels vos chaînes de caractères se rapportent.

Instructions

100 XP
  • Attribuez à la variable xpath une chaîne de caractères XPdirigée vers le texte de l'élément du paragraphe p avec id égal à p3, qui comprend le texte des générations futures de cet élément p.
  • Affectez à la variable css_locator une chaîne CSS Locator renvoyant à ce même texte.