Comment récolter les données sur le shop Supreme en utilisant Python 3 et Selenium

Arrêtez de copier le net. Scrapez le.

 

Comment récolter les données sur le shop Supreme en utilisant Python 3 et Selenium

Marque de prêt-à-porter avec une offre limitée plébiscitée par les jeunes générations, Supreme propose une offre limitée, haut de gamme, et toujours changente. Dans cet article, nous allons voir comment il est possible de récupérer les infos concernants leurs produits en utilisant Python 3 et le navigateur à distance, Selenium.

Dans cet article, nous allons extraire l’ensemble des données du shop Supreme : http://www.supremenewyork.com/shop

Quelles données allons-nous extraire ?

Vous trouverez ci-dessous la liste des champs que nous allons extraire :

  1. Nom
  2. Description
  3. Image
  4. Prix
  5. Disponibilité

Veuillez trouver ci-dessous un screenshot de la donnée que nous allons extraire.

Trouvez la donnée

Avant de commencer à construire le scraper, nous devons trouver où les données sont présentes dans les balises HTML de la page Web. Il faut connaître le fonctionnement des balises HTML de la page pour pouvoir faire ça.

Nous allons supposer que vous avez déjà des bases en HTML et que vous connaissez le langage Python. Vous n’avez pas besoin de plus de connaissances pour réaliser ce tutoriel.

Si vous ne connaissez ni le HTML, ni le CSS, ni le Python, prenez le temps de lire Premiers pas avec HTML – Mozilla Developer Network, Tutoriel CSS W3 School, et https://www.programiz.com/python-programming

Nous allons inspecter le code HTML de la page Web et localiser les données, en suivant la logique suivante :

  1. Inspecter l’élément
  2. Trouver la balise correspondante

Inspecter l’HTML

Ouvrez votre navigateur Chrome, et rendez-vous sur le site de Supreme : http://www.supremenewyork.com/shop/. Vous pouvez le faire avec d’autres navigateurs, mais ce tutoriel se fait sur Chrome, et facilitera votre apprentissage.

Choisissez un élément du shop au hasard. Ici, nous avons choisi cet item là : http://www.supremenewyork.com/shop/jackets/fa5uzyo2d/n5m2xirug. Attention, il ne sera peut-être plus présent entre temps, tout part très vite !

Faites, un clique droit, puis cliquer sur Inspecter.

Nous allons maintenant chercher le tag CSS de chaque élément, avant de lancer notre scraper. Pour faciliter la recherche, cliquer sur le curseur en bas à gauche. Passez ensuite votre souris sur les éléments que nous avons cités en introduction.

Sur le gif ci-dessus nous inspectons chaque élément, et voilà les classes qui en ressortent :

  • Nom : h1.protect
  • Description : p.description
  • Image : img#img-main
  • Prix : p.price span
  • Disponibilité : input.button

Comment configurer son ordinateur pour le Web Scraping

Nous allons utiliser Python 3 pour ce tutoriel. Pour commencer, vous avez besoin d’un ordinateur avec Python 3 et PIP installé dedans.

La plupart des systèmes d’exploitation UNIX comme Linux et Mac OS sont livrés avec Python déjà installé. Mais, tous les systèmes d’exploitation Linux ne sont pas livrés avec Python 3 par défaut.

Vérifions votre version de python. Ouvrez un terminal (sous Linux et Mac OS) ou Invite de commandes (sous Windows) et tapez

Si vous n’avez pas Python 3, il va falloir l’installer.

Installer Python et Selenium

Pour installer Python et PIP, vous pouvez vous rendre sur le post que nous avons déjà fait à ce sujet : https://lobstr.io/index.php/2018/02/15/installer-librairies-python-mac-os/

Pour installer Selenium, il suffit d’ouvrir votre commande, et de

Pour plus de renseignements sur Selenium et ses fonctionnalités avec Python, leur documentation est fournie et très utile : http://selenium-python.readthedocs.io/index.html

Le code

Pour exécuter le script, ouvrez votre éditeur Sublime Text 3, copier-coller le code ci contre, et enregistrez le sous le nom de supreme_extract.py. Si vous ne savez pas comment l’installer, rendez-vous ici : https://lobstr.io/index.php/2018/02/08/comment-pourquoi-installer-sublim-text/

Dans votre commande, placez ensuite la ligne suivante :

Deux navigateurs vont s’ouvrir simultanément, et vous pourrez observer sur l’un d’entre eux, la collecte de données. En direct.

Vous devriez retrouver dans le même dossier que le dossier où se trouve le script, un fichier .csv, nommé supreme_items.csv. Qui ressemble a ce qui suit :

Vous pouvez également télécharger le code sur notre Github, à l’adresse suivante : https://gist.github.com/Lobstrio/7f68492c218a52231b132216335b83e3. N’hésitez pas à nous indiquer dans les commentaires, ou sur le github, si le script fonctionne bien chez vous aussi.

Limitations connues

Le script permet de collecter les données, et de les enregistrez au format .csv. Toutefois, les informations récoltées seront toujours identiques, et il est possible que le script cesse de fonctionner si le site web change sa structure, ou met en place des mesures de bannissement d’IP.

Si vous avez besoin d’aide pour scraper des milliers de données de façon récurrente et à grande échelle, vous pouvez nous contacter via le formulaire ci-dessous :

Avertissement: Tout code fourni dans nos tutoriels est destiné à des fins d’illustration et d’apprentissage uniquement. Nous ne sommes pas responsables de la façon dont il est utilisé et n’assumons aucune responsabilité pour toute utilisation préjudiciable du code source. La simple présence de ce code sur notre site n’implique pas que nous encourageons le scraping ou l’extraction de données des sites référencés dans le code et le tutoriel qui l’accompagne. Les tutoriels ne font qu’illustrer la technique de programmation des scrapers web pour les sites internet populaires. Nous ne sommes pas obligés de fournir un support pour le code, cependant, si vous ajoutez vos questions dans la section des commentaires, nous pouvons vous y répondre périodiquement.

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *