Balises et attributs HTML

Extraction de données Web en Python

Thomas Laetsch

Data Scientist, NYU

Est-ce nécessaire ?

• L'information dans les balises HTML peut être utile
• Extraire les URL de liens
• Méthode plus simple pour sélectionner des éléments

Balise, à vous !

• Nous avons vu des noms de balises comme html, div et p.
• Le nom d'attribut est suivi de = puis de l'information assignée à cet attribut, habituellement du texte entre guillemets.

Découpons la balise « div »

• L'attribut id doit être unique
• L'attribut class n'a pas besoin d'être unique

« a » pour les liens

• Les balises a servent aux hyperliens
• L'attribut href indique la destination du lien

Traction des balises

Et vous, les attributs ?

Extraction de données Web en Python