Le scraping d'écran est une méthode d'extraction de données à partir de la sortie affichée sur un écran lorsque l'accès direct via des API ou des bases de données n'est pas disponible. Il est couramment utilisé pour rassembler des informations à partir de sites web, d'applications de bureau ou de systèmes hérités. Python offre des outils puissants pour le scraping d'écran, tels que pandas.read_html() pour récupérer des tableaux HTML et BeautifulSoup pour analyser le contenu HTML. Pour des tâches plus complexes comme le scraping des scores sportifs au fil du temps, des fonctions peuvent être créées pour automatiser la génération d'URL, la collecte de données et la détermination des résultats. De plus, des données peuvent être extraites d'API JSON comme celles de la NBA ou de la LNH pour récupérer les cotes de jeux en direct ou les horaires, qui sont ensuite normalisées et stockées dans des DataFrames structurés. Les données JSON sont aplaties pour extraire des champs pertinents tels que les noms d'équipe, les cotes et les métadonnées des événements. Des bibliothèques comme requests et json facilitent la récupération et la manipulation de ces données à la demande. Les données extraites sont souvent exportées vers des fichiers CSV pour une visualisation plus facile dans des outils comme Excel. Une autre application montrée inclut le scraping des calendriers de jours fériés du marché boursier en utilisant des techniques d'analyse HTML. Bien que le scraping d'écran soit utile, il est moins fiable au fil du temps en raison des changements dans la structure des sites web et peut soulever des problèmes éthiques ou juridiques. Néanmoins, il reste une approche précieuse lorsque les méthodes d'accès aux données traditionnelles ne sont pas disponibles.