Skip to content
TheChatArchiveThe Chat Archive
gpt-4-0314· OpenAIAi2 WildChat-4.8M (AI2)

j'ai une adresse web avec des slides. Je voudrais recuperer toutes les slides en ligne…

  1. User

    j'ai une adresse web avec des slides. Je voudrais recuperer toutes les slides en ligne de commande sous linux.

  2. Assistant

    Vous pouvez utiliser wget pour télécharger les fichiers liés aux slides. Tout d'abord, installez wget si ce n'est pas déjà fait :

    sudo apt-get install wget
    

    Ensuite, utilisez la commande wget pour télécharger les slides. Pour ce faire, vous devez connaître l'URL de chaque fichier de slide (généralement au format PDF ou PPT). Par exemple :

    wget https://example.com/slides/slide1.pdf
    wget https://example.com/slides/slide2.pdf
    wget https://example.com/slides/slide3.pdf
    

    Si les slides sont numérotés séquentiellement, vous pouvez utiliser une boucle pour les télécharger tous en une seule commande. Par exemple, si vous avez 10 slides :

    for i in {1..10}; do
      wget https://example.com/slides/slide$i.pdf
    done
    

    Si vous ne connaissez pas les URL des slides, mais que vous avez l'URL d'une page web qui contient des liens vers les slides, vous pouvez utiliser des outils comme grep et awk pour extraire les URL des slides. Par exemple :

    wget --quiet -O - https://example.com/page_avec_slides.html | grep -oP '(?<=href=")https://example.com/slides/[^"]*.pdf' | awk '!x[$0]++' | while read url; do wget "$url"; done
    

    Dans cet exemple, remplacez https://example.com/page_avec_slides.html par l'URL de la page contenant les liens vers les slides.

    Notez que cette méthode ne sera pas parfaite, surtout si le site utilise JavaScript ou d'autres technologies pour charger les slides de manière dynamique. Vous devrez peut-être adapter la commande à la structure spécifique du site web pour qu'elle fonctionne correctement.

  3. User
  4. Assistant

    D'après les exemples fournis, il semble que les slides sont présentés en HTML et le contenu est chargé de manière dynamique. Pour cela, vous pouvez utiliser un outil de ligne de commande appelé pup, qui est un parseur HTML.

    Tout d'abord, installez pup si ce n'est pas déjà fait :

    # Pour les utilisateurs de Debian/Ubuntu
    wget https://github.com/ericchiang/pup/releases/download/v0.4.0/pup_v0.4.0_linux_amd64.deb
    sudo dpkg -i pup_v0.4.0_linux_amd64.deb
    
    # Pour les utilisateurs de macOS
    brew install pup
    

    Ensuite, récupérez le contenu de chaque slide en exécutant :

    urls=(
      "https://documents.migale.inrae.fr/posts/training-materials/2023-06-15-module8bis/slides/#/title-slide"
      "https://documents.migale.inrae.fr/posts/training-materials/2023-06-15-module8bis/slides/#/introduction"
      "https://documents.migale.inrae.fr/posts/training-materials/2023-06-15-module8bis/slides/#/practical-informations"
    )
    
    for url in "${urls[@]}"; do
      wget -O - --quiet "$url" | pup 'html' > slide.html
      printf "Slide récupérée : %s\n" "$url"
    done
    

    Cela téléchargera chaque slide en HTML en utilisant wget, puis filtrera le contenu avec pup. Les fichiers résultants seront stockés sous forme de fichiers HTML séparés.

    Pour générer un fichier PDF réunissant toutes les slides, on peut utiliser l'outil pandoc, qui permet de convertir les fichiers HTML en PDF. Vous pouvez suivre les instructions d'installation de Pandoc pour l'installer sur votre système.

    Après avoir installé Pandoc et récupéré les fichiers HTML des slides, vous pouvez créer un seul fichier PDF contenant toutes les slides en utilisant la commande suivante :

    pandoc -s -o slides.pdf slide1.html slide2.html slide3.html
    

    Cela concaténera les fichiers HTML et les convertira en un seul fichier PDF.

    Veuillez noter que la sortie du fichier PDF peut varier en fonction de la mise en page CSS d'origine des fichiers HTML. Vous devrez peut-être ajuster les paramètres de pandoc pour obtenir un formatage cohérent.