Discussion :

[zertupo]

Bonjour,

je débute en python, je suis plus autonome sur VBA et R.

Tous les jours je copie colle des actualités sur un word à la suite avec la date du jour. J'aimerai automatiser car ça n'apporte aucune valeur ajoutée.

Du coup à travers le webscrapping j'aimerai automatiser.

J'ai commencé à écrire un bout de code mais je n'arrive pas à filtrer la liste pour en extraire les élements (date, source, lien article). Selon l'heure et source, j'aimerai copier le contenu de l'article (donc ouvrir le lien s'il faut pour copier le contenu et le coller à la suite des autres dans le fichier word).

Si jamais quelqu'un sait comment faire, je suis preneur, je pense ça pourrai intéresser beaucoup de gens.

je vous remercie

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
 
 
import requests
from bs4 import BeautifulSoup
import pandas as pd
 
 
url = "https://www.boursorama.com/bourse/actualites/marches/"
 
reponse=requests.get(url)
soup=BeautifulSoup(reponse.text,"html.parser")
 
liste=soup.find_all(attrs={"class":"c-list-news u-relative"})
dt=soup.find_all(attrs={"class":"c-list-news__date"})
 
#content=soup.find_all(attrs={"class":"c-list-news__content"})
#source=soup.find_all(attrs={"class":"c-source c-source--inline"})

[papajoker]

bonjour

je préfère lire l'html ligne par ligne, puis dans chaque ligne extraire la colonne

Ce qui donne en gros:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
#soup=BeautifulSoup(reponse.text,"html.parser")
for ligne in soup.select('div.c-block__body li.c-list-news__line'):
    # on recherche des élements dans la balise "LI" trouvée
    date_ = ligne.select_one("span").get_text().strip()   # éventuelement si + complexe, ajouter une classe à la balise span
    link = ligne.select_one("p a")   # éventuelement si + complexe ajouter une classe à la balise "A" : "p a.c-link"
    source = ligne.select_one("strong").contents[2]    # particulier: ici on saute les 2 préfixes
    print(date_, link.get_text(),  link["href"], f"[{source}]")

Et puisque tu utilises les class comme sélecteur, autant utiliser .select() à la place de .find()

je suis plus autonome sur VBA et R.

justement, avec rvest on ne fait pas généralement une recherche globale dans tout le document et rvest utilise les mêmes sélecteurs css que bs. Il n'y a pas de raison de perdre nos bonnes habitudes si on change de langage.