đ·ïž The BEST Web Scraping framework that handles everything from a single request to a full-scale crawl! Don't be shy, join here: https://discord.gg/EMgGbDceNQ and follow here for daily tips and tricks: https://x.com/Scrapling_dev
title: "Tester lâextraction de donnĂ©es dans le shell interactif de Scrapling" description: "RĂ©cupĂ©rez des pages, testez des sĂ©lecteurs et vĂ©rifiez les rĂ©sultats dans un shell IPython. Convertissez des commandes curl, rĂ©utilisez les rĂ©ponses rĂ©centes et testez votre code."
Guide du shell interactif de Scrapling {#scrapling-interactive-shell-guide}
Un environnement REPL dâextraction de donnĂ©es web pour les dĂ©veloppeurs et les spĂ©cialistes des donnĂ©es
Le shell interactif de Scrapling est un environnement basé sur IPython, conçu pour extraire des données web. Il donne accÚs à toutes les fonctions de Scrapling, à des raccourcis pratiques, à la gestion automatique des pages et à des outils comme la conversion de commandes curl.
!!! success "Avant de commencer"
1. Lisez la page sur les [bases des fetchers](../fetching/choosing.md) pour comprendre lâ[objet Response](../fetching/choosing.md#response-object) et choisir un fetcher.
2. Lisez la page sur la [sĂ©lection dâĂ©lĂ©ments](../parsing/selection.md) pour apprendre Ă trouver et extraire des Ă©lĂ©ments dâun objet [Selector](../parsing/main_classes.md#selector)/[Response](../fetching/choosing.md#response-object).
3. Lisez la page des [classes principales](../parsing/main_classes.md) pour connaßtre les propriétés et méthodes héritées par [Response](../fetching/choosing.md#response-object) de [Selector](../parsing/main_classes.md#selector).
4. Lisez au moins une page de la section des fetchers pour les requĂȘtes que vous utiliserez ici : [requĂȘtes HTTP](../fetching/static.md) ou [rĂ©cupĂ©ration avec un navigateur](../fetching/stealthy.md).
Pourquoi utiliser le shell interactif ? {#why-use-the-interactive-shell}
Le shell interactif permet dâexplorer et de tester tout de suite, sans modifier puis exĂ©cuter un script Ă chaque essai. Il est utile pour :
- CrĂ©er rapidement des prototypes : Testez vos mĂ©thodes dâextraction sur le moment.
- Explorer les données : Parcourez des sites et extrayez leurs données de façon interactive.
- Apprendre Scrapling : Essayez ses fonctions en temps réel.
- DĂ©boguer des scrapers : Suivez les requĂȘtes et vĂ©rifiez leurs rĂ©sultats Ă©tape par Ă©tape.
- Convertir des commandes : Transformez une commande curl des DevTools du navigateur en requĂȘte Fetcher avec une ligne.
Premiers pas {#getting-started}
Lancer le shell {#launch-the-shell}
# Start the interactive shell
scrapling shell
# Execute code and exit (useful for scripting)
scrapling shell -c "get('https://quotes.toscrape.com'); print(len(page.css('.quote')))"
# Set logging level
scrapling shell --loglevel info
Au lancement, vous verrez la banniÚre de Scrapling et pourrez commencer à extraire des données, comme dans la vidéo ci-dessus :
# No imports needed - everything is ready!
get('https://news.ycombinator.com')
# Explore the page structure
page.css('a')[:5] # Look at first 5 links
# Refine your selectors
stories = page.css('.titleline>a')
len(stories) # 30
# Extract specific data
for story in stories[:3]:
title = story.text
url = story['href']
print(f"{title}: {url}")
# Try different approaches
titles = page.css('.titleline>a::text') # Direct text extraction
urls = page.css('.titleline>a::attr(href)') # Direct attribute extraction
Raccourcis intégrés {#built-in-shortcuts}
Le shell propose des raccourcis pour éviter le code répétitif :
get(url, **kwargs)- RequĂȘte HTTP GET (au lieu deFetcher.get).post(url, **kwargs)- RequĂȘte HTTP POST (au lieu deFetcher.post).put(url, **kwargs)- RequĂȘte HTTP PUT (au lieu deFetcher.put).delete(url, **kwargs)- RequĂȘte HTTP DELETE (au lieu deFetcher.delete).fetch(url, **kwargs)- RĂ©cupĂ©ration avec le navigateur Stealthy (au lieu deStealthyFetcher.fetch).
Les classes les plus courantes sont disponibles sans importation, notamment Fetcher, AsyncFetcher, StealthyFetcher et Selector.
Gestion automatique des pages {#smart-page-management}
Le shell suit vos requĂȘtes et vos pages :
AccĂšs Ă la page actuelle
pageetresponsesont mis à jour automatiquement avec la derniÚre page récupérée :get('https://quotes.toscrape.com') # 'page' and 'response' both refer to the last fetched page page.url # 'https://quotes.toscrape.com' response.status # Prints 200; Same as page.statusHistorique des pages
pagesconserve les cinq derniĂšres pages dans un objetSelectors:get('https://site1.com') get('https://site2.com') get('https://site3.com') # Access last 5 pages len(pages) # `Selectors` object with `page` history -> 3 pages[0].url # First page in history -> 'https://site1.com' pages[-1].url # Most recent page -> 'https://site3.com' # Work with historical pages for i, old_page in enumerate(pages): print(f"Page {i}: {old_page.url} - {old_page.status}")
Autres commandes utiles {#additional-helpful-commands}
Afficher la page {#page-visualization}
Ouvrez les pages récupérées dans votre navigateur :
get('https://quotes.toscrape.com')
view(page) # Opens the page HTML in your default browser
Intégration des commandes curl {#curl-command-integration}
Le shell fournit les fonctions uncurl et curl2fetcher pour convertir les commandes curl des DevTools du navigateur en requĂȘtes Fetcher.
Commencez par copier une requĂȘte sous forme de commande curl :
Convertir une commande curl en objet de requĂȘte
curl_cmd = '''curl 'https://scrapling.requestcatcher.com/post' \ -X POST \ -H 'Content-Type: application/json' \ -d '{"name": "test", "value": 123}' ''' request = uncurl(curl_cmd) request.method # -> 'post' request.url # -> 'https://scrapling.requestcatcher.com/post' request.headers # -> {'Content-Type': 'application/json'}Exécuter directement une commande curl
# Convert and execute in one step curl2fetcher(curl_cmd) page.status # -> 200
Fonctions dâIPython {#ipython-features}
Le shell hĂ©rite de toutes les fonctions dâIPython :
# Magic commands
%time page = get('https://example.com') # Time execution
%history # Show command history
%save filename.py 1-10 # Save commands 1-10 to file
# Tab completion works everywhere
page.c<TAB> # Shows: css, cookies, headers, etc.
Fetcher.<TAB> # Shows all Fetcher methods
# Object inspection
get? # Show get documentation
Exemples {#examples}
Voici quelques exemples gĂ©nĂ©rĂ©s avec lâIA :
Collecter des données de boutiques en ligne {#e-commerce-data-collection}
# Start with product listing page
catalog = get('https://shop.example.com/products')
# Find product links
product_links = catalog.css('.product-link::attr(href)').getall()
print(f"Found {len(product_links)} products")
# Sample a few products first
for link in product_links[:3]:
product = get(catalog.urljoin(link))
name = product.css('.product-name::text').get('')
price = product.css('.price::text').get('')
print(f"{name}: {price}")
# Scale up with sessions for efficiency
from scrapling.fetchers import FetcherSession
with FetcherSession() as session:
products = []
for link in product_links:
product = session.get(catalog.urljoin(link))
products.append({
'name': product.css('.product-name::text').get(''),
'price': product.css('.price::text').get(''),
'url': link
})
Intégrer et tester des API {#api-integration-and-testing}
>>> # Test API endpoints interactively
>>> response = get('https://jsonplaceholder.typicode.com/posts/1')
>>> response.json()
{'userId': 1, 'id': 1, 'title': 'sunt aut...', 'body': 'quia et...'}
>>> # Test POST requests
>>> new_post = post('https://jsonplaceholder.typicode.com/posts',
... json={'title': 'Test Post', 'body': 'Test content', 'userId': 1})
>>> new_post.json()['id']
101
>>> # Test with different data
>>> updated = put('https://jsonplaceholder.typicode.com/posts/1',
... json={'title': 'Updated Title'})
Obtenir de lâaide {#getting-help}
Si vous avez besoin dâaide au-delĂ de celle proposĂ©e dans le terminal, consultez :
VoilĂ ! Bonne extraction. Avec le shell, extraire des donnĂ©es web devient aussi simple quâune conversation.