Catégorisation des liens par segmentation d’une page HTML.
Ce programme Python, développé au dessus de Block-o-Matic (BoM), permet de décomposer une page web en segments, visuellement et sémantiquement cohérents, appelés blocs. Les liens sont ensuite extraits pour chaque bloc identifié.
-
Python version 3.7. Les versions plus anciennes de Python ne devraient PAS fonctionner. Les versions plus récentes de Python devraient être OK.
-
Microsoft Playwright for Python. Playwright nécessite Python 3.7 ou plus. Les binaires de navigateur pour Chromium, Firefox et WebKit fonctionnent sur les 3 plateformes (Windows, macOS, Linux). Voir Installation de Playwright for Python.
-
Matplotlib : Visualisation avec Python. Matplotlib est une bibliothèque complète permettant de créer des visualisations statiques, animées et interactives en Python.
-
Librairie JS BoM.
# Windows
py main.py --url "http://example.com/"
# Linux
python3 main.py --url "http://example.com/"- Block-o-Matic : BOM - Segmenteur de page web automatique.
- Andrés Sanoja Vargas. Web page segmentation, evaluation and applications. Web. Université Pierre et Marie Curie - Paris VI, 2015. English. NNT: 2015PA066004. tel-01128002.
Toutes suggestions qui semble être une bonne idée. S'il vous plaît, essayez-le, soumettez des PRs pour étendre ou corriger des choses, et signalez toute bizarrerie ou bogue que vous rencontrez 😄