Produire un corpus web format XML en 15 lignes de code - Archive ouverte HAL Accéder directement au contenu
Article De Blog Scientifique Tekipaki Année : 2021

Produire un corpus web format XML en 15 lignes de code

Résumé

Pour effectuer certaines tâches, disposer d’un corpus textuel est très utile, voire indispensable : faire des essais pour un projet dont le corpus de travail est en cours de constitution, tester des scripts et traitements, prendre en main un nouvel outil et/ou le comparer à d’autres outils similaires… Ce sont des usages qui relèvent principalement des phases préparatoires d’un projet, et pour lesquels il est surtout important de pouvoir construire un corpus rapidement et sans trop d’effort. Ce n’est pas grave si sa constitution n’est pas particulièrement précise puisqu’elle ne nécessite qu’un investissement limité et que les résultats obtenus n’ont pas vocation à être exploités en conditions réelles. Je vous présente ici un script Python de web scraping très simple, qui vous permettra d’obtenir un corpus textuel au format XML tout à fait adapté à ce type d’utilisation.

Mots clés

Fichier non déposé

Dates et versions

hal-03521338 , version 1 (11-01-2022)

Identifiants

  • HAL Id : hal-03521338 , version 1

Citer

Alexander Delaporte. Produire un corpus web format XML en 15 lignes de code. 2021, https://tekipaki.hypotheses.org/1758. ⟨hal-03521338⟩
45 Consultations
0 Téléchargements

Partager

Gmail Facebook X LinkedIn More