Version imprimable
Bonjour,
J'aimerais quelques conseil sur le chemin a prendre :
Dans le cadre de mon programme, j'ai nécessiter d’accéder a une URL et de récupérer plusieurs informations dessus, type INT,
ces informations sont toujours précédé de la même chose (expression régulière pour les retrouver)
Si j'ai bien saisit Urlib va récupérer le code source de la page, et la parcourir telle un objet fichier ?
Dans ce cas, quelle méthode serait la plus judicieuse ? Merci,
Salut,
À quel niveau de ton travail se situe ta question ?
urllib2 te retourne effectivement un texte
Tu pourras donc y faire des recherches avec des regex mais tu devras aussi t'assurer de l'encodage de cette page.Code:
2
Il existe aussi BeautifulSoup [1] qui, lui, se charge de vérifier l'encodage original de la page et te retourne de l'UTF-8.
[1] http://www.crummy.com/software/BeautifulSoup/bs4/doc/
donc avec cette methode :
"content" a l’intégralité de la page. mais il la reçoit sous quelle forme ?Citation:
content = urllib2.urlopen(url).read()
C'est du HTML classique( lurl que je vais ouvrire ) , quand je l'ouvre avec Notepad++ ( le code source de la page ) c'est tout joulie,
il y a les saut a la ligne tout est bien formaté.
A contrario, sur bloc note tout est cote a cote, pas de saut de ligne.
Donc la lecture du fichier via la fonction read se fera avec le fichier formaté comment ? en mode bloc note ?