Récupérer du texte sur un site WEB Fermé

Question

Bonjour,

Voici mon projet :
- développer un outil permettant de rédiger les contrats de façon automatique.

Pour cela, j'ai besoin de me connecter au site societe.com puis de récupérer certaines informations, à savoir :
- la forme juridique
- le nom commercial de l'entreprise
- l'adresse postale
- le numéro de SIRET
- le numéro de TVA intracommunautaire
- le numéro RCS
- le capital social


Dans mon outil Excel je possède déjà le numéro de SIRET par un autre biais. Je me connecte alors sur la page societec.com correspondant au SIRET recherché mais ensuite j'aurais besoin de récupérer les autres informations listées ci dessus.

Voici mon code pour récupérer par exemple la forme juridique :

Sub IETest5()

Dim ie As New InternetExplorer

ie.Visible = True
ie.navigate "https://www.societe.com/societe/" & Range("E20").Value & "-" & Range("AK2").Value & ".html"
Do While ie.Busy
Application.Wait DateAdd("s", 1, Now)
Loop

Dim HTMLDoc As HTMLDocument
Set HTMLDoc = ie.document

StatutJuridique = document.getElementById("catjur-histo-description")

MsgBox StatutJuridique

End Sub


POurriez vous m'aider ?

D'avance merci !

yg_be · Answer

bonjour, ton code fonctionne bien?

NonoM45 · Answer

Bonjour PIJULOUJO

Pour votre information, il est indiqué ceci dans les CGU de societe.Com :
Conditions de rediffusion ou d'extraction
Les données contenues sur le site www.societe.com sont protégées par la loi du 1er juillet 1998 sur les bases de données.

En accédant ou en utilisant le site, vous reconnaissez vous conformer aux dispositions de la loi, et notamment en vous interdisant l'extraction, le transfert, le stockage, la reproduction de tout ou partie qualitativement ou quantativement substantielle du contenu des bases de données figurant sur le site.

La reproduction, la rediffusion ou l'extraction automatique par tout moyen d'informations figurant sur societe.com est interdite. L'emploi de robots, programmes permettant l'extraction directe de données est rigoureusement interdit.

SOCIETE SAS se réserve le droit d'entamer toute action visant à faire cesser le préjudice.

SOCIETE SAS propose un service de vente de données en format fichier ou via son API Pro

PIJULOUJO · Answer

Bonjour,

Merci pour vos réponses ! 

En fait, je n'ai pas expliquer jusqu'au bout ce qui ne fonctionne pas avec mon code comme l'indique yg_be... En réalité, je n'arrive pas à remonter les informations avec ce que j'ai écris... mais peut être est ce du au fait que ces données soient protégées comme le précise NonoM45...

Pour être parfaitement clair, hier j'ai de nouveau essayé de retravailler mon code :

Sub VBA_Webscrap()
'to refer to the running copy of Internet Explorer
Dim ie As InternetExplorer
'to refer to the HTML document returned
Dim IEdoc As IHTMLElement
Dim resultat As Range

Set resultat = Worksheets("Menu").Range("AZ1")

'open Internet Explorer in memory, and go to website
Set ie = New InternetExplorer
ie.Visible = True

ie.navigate "https://www.societe.com/societe/" & Range("E20").Value & "-" & Range("AK2").Value & ".html"

WaitIE ie

Set IEdoc = ie.html => ligne à l'origine de l'erreur

'get a reference to the article’s header. The text is stored in the first item within the element.

resultat = IEdoc.getElementsByClassName("catjur-histo-description").innerText


MsgBox resultat
Set resultat = Nothing
Set html = Nothing
End Sub


=> mais j'obtiens le message d'erreur "Erreur 438 - Propriété ou méthode non gérée"

j'ai ensuite essayé le code suivant :

Sub TEST6()
'to refer to the running copy of Internet Explorer
Dim ie As New InternetExplorer
'to refer to the HTML document returned
Dim IEdoc As HTMLDocument
'open Internet Explorer in memory, and go to website

ie.navigate "https://www.societe.com/societe/" & Range("E20").Value & "-" & Range("AK2").Value & ".html"

ie.Visible = True

'use the below set of Do's together to wait for the website to do work
Do Until ie.readyState = READYSTATE_COMPLETE
      DoEvents
   Loop
   
Set IEdoc = ie.document
'get a reference to the article’s header. The text is stored in the first item within the element.
document.getElementsByClassName ("break-word") => ligne à l'origine de l'erreur
ActiveSheet.Range(“AZ1”) = firstHeaderElement.innerHTML
Set html = Nothing
End Sub

=> mais j'obtiens le message d'erreur "Erreur d'exécution 424 - Objet requis"

Y a t il réellement une solution ou est ce impossible de part la protection des données ?

D'avance merci !

Pierrecastor · Answer

Salut,

Pour ce genre de chose, il faut passer par l'API officiel : 

https://www.societe.com/produits/flux-xml.html

Ça sera payant, mais au moins, vous ne contreviendrez pas aux conditions d'utilisation et ne risquerez pas d'attaque en justice.

Récupérer du texte sur un site WEB

4 réponses

Discussions similaires