![](\"https:\/\/oaidalleapiprodscus.blob.core.windows.net\/private\/org-PXteLUy4B6mslwRon6h7ri9z\/user-0jfma6aPNvZyLXZUbw4CmvZG\/img-zLbW1w8gdivXAbFhvwo2Ew1i.png?st=2024-08-17T10%3A10%3A38Z&se=2024-08-17T12%3A10%3A38Z&sp=r&sv=2024-08-04&sr=b&rscd=inline&rsct=image\/png&skoid=d505667d-d6c1-4a0a-bac7-5c84a87759f8&sktid=a48cca56-e6da-484e-a814-9c849652bcb3&skt=2024-08-17T09%3A32%3A49Z&ske=2024-08-18T09%3A32%3A49Z&sks=b&skv=2024-08-04&sig=\/j7Kf3QFnAmrtSoNtdp3fBnfiP07K%2B1pgk9B9vcO0us%3D\")
<\/p>\n<\/p>\n
Le scraping web est une proc\u00e9dure d’extraction de contenu et de donn\u00e9es de sites web via des bots. Contrairement au screen scraping qui capture uniquement les pixels, le scraping web saisit le code HTML sous-jacent ainsi que les donn\u00e9es des bases de donn\u00e9es associ\u00e9es, s’av\u00e9rant ainsi plus efficient pour la collecte d’informations en ligne. Cette m\u00e9thode implique la cr\u00e9ation de scripts personnalis\u00e9s interagissant directement avec la structure DOM des pages web, n\u00e9cessitant une solide compr\u00e9hension de HTML, CSS et JavaScript. Cependant, de l\u00e9g\u00e8res modifications dans la structure d’un site peuvent perturber ces scrapers, entra\u00eenant une maintenance fastidieuse et fr\u00e9quente.<\/p>\n
Divers outils comme BeautifulSoup, Scrapy, et Selenium sont couramment utilis\u00e9s pour le scraping web. Ces outils proposent des fonctionnalit\u00e9s puissantes pour naviguer et extraire des donn\u00e9es mais exigent une compr\u00e9hension d\u00e9taill\u00e9e des structures des pages, \u00e9tant ainsi gourmands en ressources.<\/p>\n
Pour surmonter ces limitations, un nouvel outil appel\u00e9 Parsera a \u00e9t\u00e9 d\u00e9velopp\u00e9. Cette biblioth\u00e8que Python l\u00e9g\u00e8re utilise les LLMs (Mod\u00e8les de Langage Massifs) afin de simplifier le scraping web. Sans besoin d’interaction manuelle avec le DOM, les utilisateurs peuvent sp\u00e9cifier les donn\u00e9es \u00e0 extraire via des descriptions en langage naturel. Le LLM interpr\u00e8te ensuite la page web et extrait les informations requises. Parsera se distingue par son efficacit\u00e9 d’utilisation des tokens, r\u00e9duisant ainsi les co\u00fbts et augmentant la rapidit\u00e9 des op\u00e9rations de scraping.<\/p>\n
L’avantage principal de Parsera r\u00e9side dans sa capacit\u00e9 \u00e0 s’adapter aux diff\u00e9rentes dispositions des pages web sans n\u00e9cessiter de mises \u00e0 jour manuelles fr\u00e9quentes du script de scraping, ce qui r\u00e9duit les efforts de maintenance. De plus, la biblioth\u00e8que prend en charge des m\u00e9thodes asynchrones, la rendant id\u00e9ale pour l’extraction de donn\u00e9es en temps r\u00e9el dans divers sc\u00e9narios.<\/p>\n
En somme, Parsera est une approche innovante du scraping web utilisant les LLMs pour simplifier le processus et am\u00e9liorer les performances. Avec l’augmentation de la demande pour des outils de scraping web efficaces, des solutions comme Parsera s’av\u00e9reront essentielles pour les d\u00e9veloppeurs et les entreprises.<\/p>\n","protected":false},"excerpt":{"rendered":"
Le scraping web est une proc\u00e9dure d’extraction de contenu et de donn\u00e9es de sites web via des bots. Contrairement au screen scraping qui capture uniquement les pixels, le scraping web saisit le code HTML sous-jacent ainsi que les donn\u00e9es des bases de donn\u00e9es associ\u00e9es, s’av\u00e9rant ainsi plus efficient pour la collecte d’informations en ligne. Cette […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-222","post","type-post","status-publish","format-standard","hentry","category-uncategorized"],"yoast_head":"\n