L'objectif de ce projet est de créer un programme permettant à partir d'une liste d'url pointant sur des pages Wikipédia d'extraire le maximum de tableaux contenu dans ces pages et les exporter au format csv dans le dossier output du projet.
GNU V3
Importer le dossier wikimatrix et se rendre dans la classe BenchTest. Il faut ensuite l’exécuter, les résultats se trouveront dans le fichier output.
Pour extraire d'autres urls, il faut modifier le fichier wikiurls.txt en ajoutant les urls à la liste.
Pour stocker dans un autre répertoire changer l'attribut destination
String destination = "output" + File.separator + "html" + File.separator;
Ajouter les dépendances suivantes dans le fichier pom.xml qui gère les dépendances maven.
<dependency>
<groupId>junit</groupId>
<artifactId>junit</artifactId>
<version>4.12</version>
<scope>test</scope>
</dependency>
<dependency>
<!-- jsoup HTML parser library @ https://jsoup.org/ -->
<groupId>org.jsoup</groupId>
<artifactId>jsoup</artifactId>
<version>1.11.3</version>
</dependency>
<dependency>
<groupId>org.apache.commons</groupId>
<artifactId>commons-csv</artifactId>
<version>1.6</version>
</dependency>
