Les sites français, jusqu’à la dernière page.

Les grands sites marquent le plus souvent leur pagination d’une façon qui ne dépend pas de la langue : rel="next", une flèche, un aria-label, des pages numérotées. Magic Scraper lit tout cela ; c’est pourquoi il parcourt LDLC, Marmiton ou Allociné comme une boutique anglaise. Quand le bouton n’a que du texte, il lit le mot :

† Avec la prochaine mise à jour, 2.0.2 prochaine mise à jour. Le reste est déjà dans la version que distribuent les boutiques d’extensions. Au total, il reconnaît la pagination dans plus de 80 langues†.

Excel devine l’encodage d’un fichier CSV, et sans indice il se trompe : « Café » devient « Café ». Le CSV de Magic Scraper commence par la marque d’ordre des octets (BOM) qui indique à Excel qu’il s’agit d’UTF-8 : les accents arrivent tels qu’ils sont sur la page. L’export Excel (.xlsx) n’a pas ce problème, et Google Sheets lit les deux.

Un CSV déjà abîmé par un autre outil se récupère dans Excel avec Données → À partir d’un fichier texte/CSV, en choisissant l’origine 65001 : Unicode (UTF-8).

En France on écrit 1 234,56, en Belgique et en Allemagne souvent 1.234,56, et en anglais 1,234.56. Un tableur qui prend le point pour la virgule décimale transforme 1.234 (mille deux cent trente-quatre) en un virgule deux trois quatre, sans prévenir.

À partir de la prochaine mise à jour prochaine mise à jour, l’export Excel regarde la colonne entière. Les milliers séparés par une espace, à la française, sont lus partout ; une colonne écrite 1.234,56 ou 12,50 est lue à l’européenne, et elle s’additionne. Une colonne faite uniquement de valeurs comme 1.234 pourrait être l’un ou l’autre : elle reste du texte, jamais fausse, seulement pas additionnable. Le CSV garde chaque valeur exactement comme la page l’écrit.

Si le tableau a des en-têtes, ils sont repris tels quels : Prix, Ville, Téléphone. Sans en-têtes, Magic Scraper nomme les colonnes d’après la structure de la page, et ces noms sont en anglais (Price, Link, Image). Double-cliquez sur l’en-tête dans la fenêtre de l’extension, ou appuyez sur F2, pour le renommer ; le nom est retenu pour ce site.

Les boutons de l’extension sont en anglais. Les données restent en français.

Avant d’écrire cette page, nous l’avons fait tourner sur Allociné, Marmiton, LDLC et Wikipédia en français. Certains sites affichent une vérification « êtes-vous humain ? » : l’extension s’arrête alors et vous rend l’onglet, sans jamais chercher à la contourner. Les conditions d’utilisation du site disent si la collecte est permise, et le RGPD s’applique aux données personnelles.

Autres langues : 日本語 · Deutsch · Español · Français · English