Discussion :

[julietteR]

Bonjour à tous,

Je suis toute nouvelle sur ce forum et je viens de débuter avec python, donc je m'excuse si le sujet n'est pas au bon endroit et/ou mal formulé.

Pour mon travail, je cherche à récupérer les informations d'identité de plusieurs firmes présentes sur le site société.com, dont j'ai les urls. Je crée donc une liste avec les urls correspondant aux firmes dont j'ai besoin, et je demande à python d'appliquer le code pour récupérer les données que je veux pour chaque firme. Le problème, c'est qu'en utilisant une liste , python ne récupère que les données pour le dernier lien internet.
Mon code est le suivant:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
from bs4 import BeautifulSoup
import urllib
liste = ['http://www.societe.com/societe/air-liquide-france-industrie-314119504.html', 'http://www.societe.com/societe/imprimerie-nationale-352973622.html', 'http://www.societe.com/societe/sarl-ambulances-d-evian-338819428.html']
for i in liste:
     print (i)
     html_file = urllib.request.urlopen(i)
     soup = BeautifulSoup(html_file)
     tables = soup.findAll('table')
for money in tables[0].findAll('tr'):
   tds=money.findAll('td')
   print (tds[0].string, '=>', tds[1].string)

[

et python me donne le résultat qui suit (correspondant à SARL dambulance d'evian, soit le dernier lien):

http://www.societe.com/societe/air-l...314119504.html
http://www.societe.com/societe/impri...352973622.html
http://www.societe.com/societe/sarl-...338819428.html
Dénomination => AMBULANCES D'EVIAN
Adresse => None
Téléphone => None
SIREN => 338819428
SIRET (siege) => 33881942800016
N° de TVA Intracommunautaire => None
Activité (Code NAF ou APE) => Ambulances (8690A)
Forme juridique => Société à responsabilité limitée
Date immatriculation RCS => None
Date de dernière mise à jour => None
Tranche d'effectif => 6 à 9 salariés
Capital social => 8384,70 EURO
Chiffre d'affaires 2014 => 570800,00 EU


Connaitriez-vous un moyen pour que python applique le code du programme pour l'ensemble des liens de la liste? Cela devrait par exemple donner quelque chose comme


http://www.societe.com/societe/air-l...314119504.html
http://www.societe.com/societe/impri...352973622.html
http://www.societe.com/societe/sarl-...338819428.html
Dénomination => AIR LIQUIDE FRANCE INDUSTRIE
Adresse => None
Téléphone => None
SIREN => 314119504
SIRET (siege) => 31411950400012
N° de TVA Intracommunautaire => None
Activité (Code NAF ou APE) => Fabrication de gaz industriels (2011Z)
Forme juridique => SA à conseil d'administration
Date immatriculation RCS => None
Date de dernière mise à jour => None
Effectif moyen => 2453
Capital social => 72267600,00 EURO
Chiffre d'affaires 2014 => 1056377000,00 EU

Dénomination => IMPRIMERIE NATIONALE
Adresse => None
Téléphone => None
SIREN => 352973622
SIRET (siege) => 35297362200181
N° de TVA Intracommunautaire => None
Activité (Code NAF ou APE) => Autre imprimerie (labeur) (1812Z)
Forme juridique => SA à conseil d'administration
Date immatriculation RCS => None
Date de dernière mise à jour => None
Tranche d'effectif => 250 à 499 salariés
Capital social => 34500000,00 EURO
Chiffre d'affaires 2014 => 136507800,00 EU


Dénomination => AMBULANCES D'EVIAN
Adresse => None
Téléphone => None
SIREN => 338819428
SIRET (siege) => 33881942800016
N° de TVA Intracommunautaire => None
Activité (Code NAF ou APE) => Ambulances (8690A)
Forme juridique => Société à responsabilité limitée
Date immatriculation RCS => None
Date de dernière mise à jour => None
Tranche d'effectif => 6 à 9 salariés
Capital social => 8384,70 EURO
Chiffre d'affaires 2014 => 570800,00 EU


Merci d'avance et bonne journée à tous,

Juliette

[wiztricks]

Salut,

Il suffit de pousser le bloc "for money in..." _dans_ celui qui fait les itérations sur les URL:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
from bs4 import BeautifulSoup
import urllib
liste = ['http://www.societe.com/societe/air-liquide-france-industrie-314119504.html', 'http://www.societe.com/societe/imprimerie-nationale-352973622.html', 'http://www.societe.com/societe/sarl-ambulances-d-evian-338819428.html']
for i in liste:
     print (i)
     html_file = urllib.request.urlopen(i)
     soup = BeautifulSoup(html_file)
     tables = soup.findAll('table')
     for money in tables[0].findAll('tr'):
          tds=money.findAll('td')
          print (tds[0].string, '=>', tds[1].string)

Il y a bien sûr d'autres méthodes...

- W

[julietteR]

Merci beauoup wiztricks ça marche nickel!