Différences

Ci-dessous, les différences entre deux révisions de la page.

--- python:python_www [2019/11/14 17:25] – [Récupérer des pages HTML et les transformer en XML] fberetta
+++ python:python_www [2021/02/01 01:12] (Version actuelle) – [Récupérer des pages HTML et les transformer en XML] fberetta
@@ Ligne 12: / Ligne 12: @@
-  * [[http://adrien.barbaresi.eu/blog/parsing-converting-lxml-html-tei.html|Parsing and converting HTML documents to XML/TEI format using Python’s 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]]
+    * [[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|}}