Pour extarire les informations des articles d'un blog, nous utilisons Python avec les bibliothèques requests et BeautifulSoup. L'objectif est de scraper la page d'accueil du blog « Tout le monde est Spider-Man » à l'URL https://spidermen.cn/ afin d'obtenir le titre, la date de publication et le lien des quatre premiers articles.

Approche technique

La méthode consiste à envoyer une requête HTTP GET pour récupérer le contenu HTML de la page, puis à analyser ce contenu pour localiser les en-têtes d'articles. Chaque article est identifié par un élément header avec la classe CSS entry-header. Ensuite, nous extrayons les données pertinenets en ciblant les balises HTML appropriées.

Exemple de code en Python

import requests
from bs4 import BeautifulSoup

# Définir l'URL cible
cible_url = 'https://spidermen.cn/'

# Effectuer la requête et obtenir le contenu de la page
requete = requests.get(cible_url)
contenu_html = requete.text

# Analyser le HTML avec BeautifulSoup
page_parsee = BeautifulSoup(contenu_html, 'html.parser')

# Localiser tous les en-têtes d'articles
en_tetes_articles = page_parsee.find_all('header', class_='entry-header')

# Parcourir chaque en-tête pour extraire les informations
for en_tete in en_tetes_articles:
    titre = en_tete.find('h2').get_text()
    date_publication = en_tete.find('time', class_='entry-date published')['datetime']
    lien_article = en_tete.find('a')['href']
    
    # Afficher les données extraites
    print(f'Titre : {titre}')
    print(f'Date : {date_publication}')
    print(f'Lien : {lien_article}')
    print('---')

Sortie attendue

Le script produit les informations pour chaque article sous forme de liste, comme illustré ci-dessous (les données peuvent varier selon le contenu du blog) :

Titre : Futur en marche (IV) — Parcours d'apprentissage Python avancé
Date : 2018-12-18T11:17:37+00:00
Lien : https://wordpress-edu-3autumn.localprod.forc.work/all-about-the-future_04/
---
Titre : Futur en marche (III) — Égalité des chances
Date : 2018-12-18T11:12:02+00:00
Lien : https://wordpress-edu-3autumn.localprod.forc.work/all-about-the-future_03/
---
Titre : Futur en marche (II) — Embrasser l'IA
Date : 2018-12-18T10:50:33+00:00
Lien : https://wordpress-edu-3autumn.localprod.forc.work/all-about-the-future_02/
---
Titre : Futur en marche (I) — Révolution technologique
Date : 2018-12-18T10:23:16+00:00
Lien : https://wordpress-edu-3autumn.localprod.forc.work/all-about-the-future_01/
---

Le code peut être adopté en modifiant les sélecteurs CSS ou la logique d'extraction pour d'autres structures de pages web.