OutWit Hub est une nouvelle “moissonneuse” Web intégrée dans une extension Firefox. Voici des vidéos qui vous présentent les différentes applications que vous pouvez faire avec ce logiciel.

[There is a video that cannot be displayed in this feed. Visit the blog entry to see the video.]

[There is a video that cannot be displayed in this feed. Visit the blog entry to see the video.]

[There is a video that cannot be displayed in this feed. Visit the blog entry to see the video.]

[There is a video that cannot be displayed in this feed. Visit the blog entry to see the video.]

[There is a video that cannot be displayed in this feed. Visit the blog entry to see the video.]

Ce tutoriel vous montre comment extraire un tableau de données à partir d’un site célèbre: www.forbes.com et l’exporter vers une feuille d’Excel.

Pour mettre en pratique ce tutoriel, vous avez besoin de Firefox 2 ou 3 et d’OutWit Hub.

Si vous n’avez pas Firefox 3,cliquez ici.

Pour télécharger OutWit Hub, allez sur

• www.outwit.com
• www.mozilla.org pour la version sur Firefox 3
• www.download.com pour la version sur Firefox 2

1. Trouver le tableau de données que vous voulez extraire

Ce tableau montre les personnes les plus riches du monde en 2008. C’est un très long tableau qui s’étend sur plusieurs pages. Ce qui est incroyable avec OutWit Hub c’est qu’il essaye de comprendre la structure de cette page. Il reconnaît le lien suivant et la série de pages.

Notre objectif est donc d’extraire tout le tableau avec OutWit Hub. Si vous voulez essayer ce tutoriel avec le tableau de données de Forbes, ouvrez Firefox 2.0 et cliquez ici.

2. Lancez OutWit Hub à partir de Firefox.

Cliquez sur le bouton d’OutWit dans la barre de navigation de Firefox.

Si vous ne voyez pas le bouton dans la barre d’outils, cliquez sur Outils -> OutWit -> OutWit Hub.

3. Extraire un tableau de données - Etape 1

- Cliquez sur l’onglet page. Vous voyez la page actuelle comme avec le navigateur ordinaire.

- Dans la barre d’adresse, vous pouvez soit taper l’URL du site Web désiré soit l’adresse du moteur de recherche que vous utilisez ordinairement sur Firefox.

4. Extraire un tableau de données - Etape 2

- Sélectionnez l’onglet data pour voir les tableaux de données et les listes de données reconnues et structurées par OutWit Hub.

- Cliquez sur l’onglet table. Vous voyez le tableau de Forbes avec ces titres de colonnes: rangs, noms, citoyenneté, âge …

N.B: Le tableau est associé au tableau affiché sur cette page Web. Cependant, il n’est pas associé avec toutes les pages Web. Donc n’hésitez pas à cliquer sur l’onglet Guess. OutWit Hub essayera de reconnaître les tableaux que vous souhaitez. Vous pouvez aussi créer un grattoir. Un tutoriel à propos du grattoir sera bientôt en ligne

5. Extraire un tableau de données - Etape 3

- Cochez Catch selection. Il mettra tous les tableaux des pages dans the catch quand on cliquera sur browse.

- Sélectionnez les lignes du tableau. Si vous les souhaitez toutes, cliquez sur une ligne puis appuyez sur Ctrl + A (cmd + A pour les Macs).

Autrement, commencez par le bas du tableau, sélectionnez la dernière ligne souhaitée et remontez en maintenant les boutons Shift et Ctrl appuyés et cliquez sur la flèche haut jusqu’à ce que la première ligne du tableau soit sélectionnée.

- Cliquez sur catch pour placer les lignes sélectionnées dans le panier appelé the Catch (dans le rectangle vert).

Vous voyez qu’il contient 27 objets.

6. Extraire un tableau de données - Etape 4

Maintenant vous avez deux méthodes pour capturer un tableau entier: soit vous utilisez l’icône next pour aller à la page suivante et capturer les lignes désirées pour chaque page, soit vous cliquez sur le bouton browse pour capturer toutes les lignes du tableau en une fois.

Ici, je vous ai montré le bouton browse mais vous pouvez aussi tester le bouton next comme vous le souhaitez.

Vous avez pu remarquer que chaque capture contient 27 objets.

Cliquez sur le bouton browse: OutWit Hub va capturer toutes les lignes qu’il va rencontrer sur les autres pages automatiquement jusqu’à la dernière des séries.

Donc vous voyez que le nombre d’objets capturés augmente à chaque fois qu’OutWitHub sélectionne de nouvelles lignes du tableau.

Sur cette capture d’écran il y a 827 objets!

J’ai arrêté le browse en cliquant de nouveau dessus mais vous pouvez aussi le laissez travailler jusqu’à la dernière page pour avoir tout le tableau.

7. Exporter le tableau de données dans une feuille de calcul d’Excel - Etape 1

- Sélectionnez toutes les lignes du panneau Catch.

- Cliquez sur file -> Export Selection as. Une fenêtre s’ouvre.

Conseils: Utilisez le raccourci Ctrl + E au lieu d’aller au menu.

8. Exporter le tableau de données dans une feuille de calcul d’Excel - Etape 2

- Choisissez le dossier où vous voulez enregistrer vos tableaux et trouver un nom à votre feuille de calcul d’Excel.

- Cliquez sur save.

9. Ouvrez le tableau de données

Vous voici! Ouvrez la feuille de calcul d’Excel: vous voyez un tableau avec des titres comme P, Collection T, Source Url.

De plus, il y a des lignes qui n’appartiennent pas au tableau de données de la liste des milliardaires du monde.

Modifiez un peu la feuille de calcul pour avoir le tableau souhaité.

Conclusion

Je vous ai montré comment extraire et exporter un très long tableau de données qui s’étend sur beaucoup de pages Web avec OutWitHub.

Ce tableau de Forbes est associé à l’onglet table mais vous rencontrerez d’autres tableaux qui ne le sont pas.

Donc n’oubliez pas d’utiliser les onglets lists et guess. Vous les utiliserez très facilement comme vous savez déjà le faire avec l’onglet table.

]]> http://outwitter.fr/http:/outwitter.fr/how-to-use-outwit-hub/comment-extraire-un-classement-des-hommes-les-plus-riches-du-monde-107/feed http://outwitter.fr/http:/outwitter.fr/how-to-use-outwit-hub/trouvez-et-telechargez-des-documents-116 http://outwitter.fr/http:/outwitter.fr/how-to-use-outwit-hub/trouvez-et-telechargez-des-documents-116#comments Fri, 12 Sep 2008 23:40:46 +0000 admin http://outwitter.fr/?p=116 Imaginons que vous êtes passionnés par les Jeux Olympiques et que vous vous lancez dans une recherche approfondie pour élargir vos connaissances sur ce thème. Comme vous ne voulez pas perdre votre temps, je vous propose de découvrir la recherche de documents par OutWit Hub.

Il peut s’agit d’un modèle de rapport de stage, d’un document en rapport avec votre secteur d’activité, un mémoire, un article, etc.

Pré-requis :

La version d’OutWit Hub présentée dans ce tutoriel fonctionne sur Firefox 2 ou 3. Si vous n’avez pas encore Firefox 2, cliquez sur Firefox Setup 2.0.0.15.exe.

Si vous n’avez pas Firefox 3,cliquez ici.

Pour télécharger OutWit Hub, allez sur

• www.outwit.com
• www.mozilla.org pour la version sur Firefox 3
• www.download.com pour la version sur Firefox 2

Vous pouvez apprendre la méthode avec le tutoriel rapide ou avec le tutoriel détaillé.

1. Lancez OutWit Hub

Cliquez su l’icône d’OutWit ou allez dans Outils / Tools > OutWit > OutWit Hub

2. Trouvez vos documents

Tapez le sujet ou les mots-clés de votre recherche dans la barre d’adresse d’OutWit Hub. Appuyez sur la touche entrer.

Vous pouvez voir la page de Google dans l’onglet page.Cette page est la première d’une longue série trouvée par Google.

Ce qui est vraiment intéressant avec OutWit Hub est qu’il possède une fonction spéciale - le browse - qui permet de parcourir toutes les pages de la série en un clic. Il cherche à comprendre la structure de chaque page Web et dans cet exemple, il reconnaît la série de pages Web et le lien suivant présente sur chaque page de recherche de Google.

Cliquez sur l’onglet links pour voir les liens de la page réorganisés dans un tableau avec leurs caractéristiques.

Cochez documents (1) pour n’afficher que les documents puis catch selection (2) et cliquez sur catch (3) afin qu’OutWit Hub place automatiquement tous les documents qu’il trouve dans le catch, sorte de panier à provisions.

Ensuite, pour récupérer tous les documents de la série de pages proposées par Google, cliquez sur browse (4). OutWit Hub va alors parcourir toutes les pages, une à une, détecter les documents qu’il trouve et les mettre dans le catch.

Chaque document trouvé par OutWit Hub est automatiquement placé dans le catch.

3. Téléchargez les documents que vous venez de trouver

OutWit Hub a téléchargé tous les documents qu’il a trouvé jusqu’à la 27^e page car j’ai arrêté le browse en cliquant une nouvelle fois dessus.

Vous pouvez laisser OutWit Hub récupérer tous les documents jusqu’à la dernière page de la série.

Sélectionnez toutes les lignes du catch : cliquez sur une ligne quelconque du catch puis faites ctrl+A.
Cliquez sur File > Save selected files in.

Choisissez le nom du dossier où vous voulez sauvegarder les documents. Cliquez sur OK.

La fenêtre de téléchargements apparaît.

Et voilà, vous pouvez lire tous les documents que vous venez de télécharger !

4. Exemples d’application

Vous pouvez utilisez OutWit Hub pour trouver :

• des documents de votre secteur d’activité
• des thèses, des mémoires,
• des modèles de rapport de stage,
• des cours de tous niveaux
• Et pleins d’autres exemples que vous imaginerez…

Si vous avez l’habitude de lire des mangas sur des sites Web, OutWit Hub va vous être utile : il permet de récupérer toutes les numérisations de vos mangas préférés en quelques clics grâce à 2 boutons spéciaux : le next in series et le browse.

Ce tutoriel vous présente une méthode pour récupérer des mangas numérisés que vous pouvez trouver sur des sites internet avec OutWit Hub.

Pré-requis :

La version d’OutWit Hub présentée dans ce tutoriel fonctionne sur Firefox 2ou 3. Si vous n’avez pas encore Firefox 2, cliquez sur Firefox Setup 2.0.0.15.exe.

Si vous n’avez pas Firefox 3,cliquez ici.

Pour télécharger OutWit Hub, allez sur

• www.outwit.com
• www.mozilla.org pour la version sur Firefox 3
• www.download.com pour la version sur Firefox 2

1.Chargez la page Web qui présente la première image de votre manga

Voici une page Web qui présente la première page du manga Majin Tantei Nougami Neuro sur www.onemanga.com. Pour lire le manga, on clique sur les boutons back et next encadrés en rouge. Ce qui est vraiment intéressant est qu’OutWit Hub les reconnaît et vous permet de récupérer toutes ces pages en très peu de clics !

2. Lancez OutWit Hub sous Firefox

Dans la barre d’outils de Firefox 2, cliquez sur l’icône d’OutWit.

Si vous ne la voyez pas, sélectionnez Outils > OutWit > OutWit Hub.

1.Vous voyez apparaître la page actuelle dans l’onglet page.

2.Dans la barre d’adresse, vous pouvez taper l’adresse du site web qui vous intéresse ou les mots clés pour effectuer une recherche dans Google. N’oubliez pas de cliquer sur la touche entrer.

3. Sélectionnez et téléchargez les images

1.Cliquez sur l’onglet image : vous voyez apparaître toutes les images présentées sur la page courante.

2.Cochez Save incoming files afin de sauvegarder directement les photos que vous allez mettre dans le catch.

3.Cochez catch selection. Cela permettra à OutWit de mettre les images de toutes les pages dans le catch.

4.Cliquez sur la page numérisée du manga.

5.Sélectionnez catch. Vous pouvez voir que le catch ne contient qu’un élément pour l’instant et qu’il se nomme 01.jpg.

Astuce : vous pouvez aussi faire un glisser-déposer de la page numérisée vers le catch.

Cette boîte de dialogue apparaît.

1.Choisissez le nom du dossier où vous voulez sauvegarder la page numérisée.

2.Cliquez sur OK.

La première page du manga est téléchargée. Passons maintenant au téléchargement automatique de toutes les autres pages.

4. Récupérez toutes les pages

Cliquez sur le browse, les 2 flèches bleues afin de parcourir toutes les pages de la série.

Vous pouvez voir que le nombre d’éléments dans le catch augmente pour passer à 7 sur cette impression d’écran.

J’ai volontairement arrêté le browse en cliquant dessus une nouvelle fois mais vous pouvez le laisser scanner toutes les pages de la série.

OutWit Hub cherche à comprendre la structure de chaque page web. L’exemple que l’on a choisi dans ce tutoriel présente une série de pages web reliées les unes aux autres par des liens next et back.OutWit Hub reconnaît le lien next et cette série de pages et nous permet donc de récupérer automatiquement toutes les images avec la fonction browse.

Et voilà, vous pouvez enfin lire votre manga sur votre ordinateur avec les pages numérisées que l’on vient de télécharger.

5. Quelques conseils

La méthode présentée dans ce tutoriel est la plus simple pour récupérer un manga numérisé ou n’importe quelles images ou photos à partir d’une série de pages Web.

Parfois, vous verrez plusieurs images affichées sur une page Web avec la page numérisée qui vous intéresse. Je vous conseille de sélectionner toutes les images puis de les réorganiser en fonction de leur taille dans le catch. Pour cela, cliquez sur la rubrique “size” du catch.

Lorsque vous voulez récupérer toutes les pages numérisées, ne sélectionnez dans le catch que les images dont la taille est identique. Dans ce tutoriel, la page a une taille de 750*1193.

6. Exemples d’application

J’ai testé la récupération de scantrads (mangas numérisés) d’OutWit Hub sur les sites suivant :

• http://www.onemanga.com
• http://biketscan.free.fr/gallery/index.php
• www.mangavision.net

Si vous trouvez d’autres sites qui marchent, n’hésitez pas à me le dire. Et si vous tombez sur des sites qui ne marchent pas, je serais également ravie de les connaître pour vous aider dans la mesure du possible.

Il peut s’agir d’une association, d’une entreprise, d’un établissement publique, etc. Ici, on s’intéresse à une association fictive.

Vous pouvez apprendre cette méthode avec les slides qui en donnent un résumé ou avec le tutoriel détaillé pour aller en profondeur.

Pré-requis :

La version d’OutWit Hub présentée dans ce tutoriel fonctionne sur Firefox 2. Si vous n’avez pas encore Firefox 2, cliquez sur Firefox Setup 2.0.0.15.exe.

Si vous n’avez pas Firefox 3,cliquez ici.

Pour télécharger OutWit Hub, allez sur

• www.outwit.com
• www.mozilla.org pour la version sur Firefox 3
• www.download.com pour la version sur Firefox 2

Nous allons extraire les coordonnées des membres de cette association fictive :

1. Lancement d’OutWit Hub sous Firefox 3

Cliquez sur l’icône d’OutWit Hub ou allez dans Outils/Tools > OutWit > OutWit Hub.

Vous voyez apparaître la page actuelle dans l’onglet page (1) et son adresse dans la barre d’adresse d’OutWit Hub (2).

2. Sélection des coordonnées des membres

Cliquez sur data (1) puis sur guess (2) : OutWit Hub a extrait les coordonnées sous la forme d’un tableau.

Sélectionnez toutes les lignes du tableau. Pour cela, cliquez sur une ligne du tableau quelconque puis faites ctrl+A. Ensuite, faites crtl+E ou cliquez sur File > Export Selection as.

3. Exportation des coordonnées vers un fichier Excel

Choisissez le nom de la feuille Excel où vous voulez exporter le tableau et le dossier où vous voulez le sauvegarder (1). Cliquez sur Enregistrer (2).

Ouvrez votre fichier Excel. Cette fenêtre apparaît. Cliquez sur Oui.

Nommez les colonnes qui restent si vous voulez. Supprimez la colonne id et les mots « Lorem Ipsum » en trop et c’est fini!

4. Conseils

La fonction guess fonctionne lorsqu’OutWit détecte un motif qui se répète plusieurs fois sur une même page Web. Dans cet exemple, le motif était Nom, Adresse, N° de téléphone 1, N° de téléphone 2, N° Fax, Email.

Cependant, si vous tombez sur des données qui ne peuvent être extraites avec guess, suivez la même méthode mais avec la fonction table.

Les plus courageux pourront également créer un scraper.

5. Applications possibles

Il existe de nombreuses listes de données que vous pouvez consulter et extraire. Certains sites Web vous proposent même de les acheter à des prix assez élevés. Par exemple, CNN vous propose d’acheter la liste des entreprises où les conditions de travail sont les meilleures pour la modique somme de 250$.

Voici les sites que j’ai testés avec la fonction guess :

• http://www.kelkoo.fr : guess constitue une aide précieuse pour mieux acheter car il facilite la comparaison des caractéristiques de plusieurs produits.
• http://www.google.com : guess est utile pour classer et récupérer tous les sites qui sont trouvés par Google lors d’une recherche. Lorsque guess est complété avec la fonction browse, vous pouvez récupérer tous les sites de la série de pages générées par Google.
• http://www.monster.fr : guess vous permet de mieux comparer les offres d’emplois, de stages, etc.