« Moissonnage du Web » : différence entre les versions

Version du 16 février 2023 à 14:54

Définition

Procédé manuel ou automatisé qui consiste à recueillir et à recopier des informations disponibles sur la Toile, pour ensuite les analyser ou les utiliser dans un autre contexte.

Compléments

L'information sur la Toile est mise en forme et annotée selon le langage de balisage hypertexte HTML (en anglais, HyperText Markup Language). Pour extraire les images et certains éléments textuels des pages web, vous utiliserez des bibliothèques d'outils Python comme Selenium, pour simuler les interactions que fait un humain avec un site web, Beautiful Soup ainsi que les expressions régulières, pour extraire des informations des pages web. Pour élargir vos recherches à plusieurs sites en suivant les hyperliens entre les sites, vous pouvez ajouter un moteur d'indexation comme " Scrapy.

Français

moissonnage du Web

moissonnage de données

moissonnage de contenu

Anglais

Web scraping

data scraping

content scraping

content-scraping

Source : Statistique Canada

Source : Le grand dictionnaire terminologique

Source: Cours VIARENA EDUlib

@@ Ligne 4 : / Ligne 4 : @@
 == Compléments ==
-L'information sur la Toile est mise en forme et annotée selon le langage de balisage hypertexte HTML (en anglais, HyperText Markup Language). Pour extraire les images et certains éléments textuels des pages web, vous utiliserez des bibliothèques d'outils Python comme [https://selenium-python.readthedocs.io/ Selenium], pour simuler les interactions que fait un humain avec un site web, [https://www.crummy.com/software/BeautifulSoup/bs4/doc/ Beautiful Soup] ainsi que les [expression rationnelle|expressions régulières], pour extraire des informations des pages web. Pour élargir vos recherches à plusieurs sites en suivant les hyperliens entre les sites, vous pouvez ajouter un moteur d'indexation comme [https://scrapy.org/" Scrapy].
+L'information sur la Toile est mise en forme et annotée selon le langage de balisage hypertexte HTML (en anglais, HyperText Markup Language). Pour extraire les images et certains éléments textuels des pages web, vous utiliserez des bibliothèques d'outils Python comme [https://selenium-python.readthedocs.io/ Selenium], pour simuler les interactions que fait un humain avec un site web, [https://www.crummy.com/software/BeautifulSoup/bs4/doc/ Beautiful Soup] ainsi que les [[expression rationnelle|expressions régulières]], pour extraire des informations des pages web. Pour élargir vos recherches à plusieurs sites en suivant les hyperliens entre les sites, vous pouvez ajouter un moteur d'indexation comme [https://scrapy.org/" Scrapy].
 == Français ==