Analyse de code HTML avec Beautiful Soup

Magazine
Marque
GNU/Linux Magazine
Numéro
134
Mois de parution
janvier 2011


Résumé
Beautiful Soup est un module Python qui permet d'analyser simplement du code HTML, même si ce dernier ne suit pas les normes. Il s'agit d'un outil qui pourra vous éviter une crise de nerfs lorsque vous tenterez de récupérer une information sur un site dont le HTML est le meilleur exemple de ce qu'il ne faut pas faire.

1. Le HTML, une langue vivante

Le HTML est un outil qui a permis à de nombreuses personnes de réaliser rapidement leur premier site web. Malheureusement, son côté permissif est un point noir pour les développeurs qui souhaitent extraire de l'information à partir d'un site web. Le XHTML aurait dû être une solution à cela, mais comme son ancêtre, un site dont le balisage ne suit pas la norme sera tout de même affiché par le navigateur.

1.1 Pourquoi l'utilisation des expressions rationnelles est une mauvaise idée ?

Lorsque l'on doit extraire de l'information d'un fichier HTML, le premier réflexe est souvent de passer par des expressions rationnelles (appelées...

Cet article est réservé aux abonnés. Il vous reste 90% à découvrir.
à partir de 21,65€ HT/mois/lecteur pour un accès 5 lecteurs à toute la plateforme
J'en profite