Pourquoi extraire des images du HTML ? (Avantages et cas d’utilisation)

Les fichiers HTML contiennent souvent plusieurs types d’images, tels que : les images de balise <img> standard, les images en ligne Base64 (data:image/...), les images définies dans le CSS (par ex., background-image), les icônes et graphiques SVG, les images liées externement ou les ressources d’images intégrées. L’extraction d’images à partir de documents HTML est utile pour :

  • Migration de contenu.
  • Extraction des médias à partir des e‑mails HTML.
  • Scraping Web et analyse.
  • Préparation de jeux de données d’entraînement pour l’apprentissage automatique.
  • Conversion du HTML en PDF/Word tout en préservant les médias.
  • Archivage des pages Web avec leurs actifs d’origine.

API de traitement HTML

GroupDocs.Parser Cloud SDK for .NET est une API REST robuste capable de traiter tous les formats de fichiers populaires, y compris les fichiers HTML. Elle vous permet de manipuler les fichiers HTML et vous pouvez l’utiliser pour :

  • Analyser les documents HTML.
  • Extraire les images incorporées et en ligne.
  • Extraire les images encodées en Base64.
  • Détecter les références d’images externes.
  • Récupérer les métadonnées (taille, type, chemin).
  • Télécharger les images extraites localement.
  • Automatiser les flux de travail d’analyse HTML.

Formats d’image pris en charge

Prérequis

  • Un compte GroupDocs Cloud (Client ID et Client Secret).
  • .NET 6.0+ installé.
  • Visual Studio ou IDE compatible.
  • Package NuGet : GroupDocs.Parser-Cloud

Installer via NuGet

dotnet add package GroupDocs.Parser-Cloud --version 25.7.0

Extraire des images depuis HTML avec C#

Vous trouverez ci-dessous l’exemple complet en C# démontrant l’extraction d’images HTML en utilisant le Cloud API.

Étape 1 — Initialiser l’API:

var config = new Configuration("YOUR_CLIENT_ID", "YOUR_CLIENT_SECRET");
var parserApi = new ParserApi(config);
var fileApi = new FileApi(config);

Étape 2 — Fournir les informations du fichier HTML pour l’analyse :

var fileInfo = new FileInfo { FilePath = "input.html" };
var options = new ImagesOptions { FileInfo = fileInfo };
var request = new ImagesRequest(options);

Étape 3 — Extraire les images du HTML (intégrées, en ligne et Base64) :

var response = parserApi.Images(request);

foreach (var image in response.Images)
{
    Console.WriteLine($"Source: {image.Path}, Type: {image.MediaType}, Size: {image.Size}");
}

Étape 4 — Télécharger les images extraites (compatible macOS et Windows) :

var outputDirectory = "/Users/nayyer/Downloads/html-images";
Directory.CreateDirectory(outputDirectory);

foreach (var img in response.Images)
{
    var cloudImagePath = img.Path.Replace("\\", "/");

var downloadRequest = new DownloadFileRequest(path: cloudImagePath);
    using (var stream = fileApi.DownloadFile(downloadRequest))
    {
        var localPath = Path.Combine(outputDirectory, Path.GetFileName(cloudImagePath));

using (var fileStream = File.Create(localPath))
        {
            stream.CopyTo(fileStream);
        }

Console.WriteLine($"Downloaded: {localPath}");
    }
}

Télécharger des images HTML avec cURL

En plus de l’extrait de code C#, nous pouvons également utiliser des commandes cURL pour télécharger des images à partir de fichiers HTML.

Étape 1 — Générer le jeton d’accès : La première étape de cette approche consiste à générer un jeton d’accès JWT basé sur les informations d’identification du client.

curl -v -X POST "https://api.groupdocs.cloud/connect/token" \
-d "grant_type=client_credentials&client_id=YOUR_CLIENT_ID&client_secret=YOUR_CLIENT_SECRET" \
-H "Content-Type: application/x-www-form-urlencoded"

*Étape 2 — Extraire les images:

curl -v -X POST "https://api.groupdocs.cloud/v1.0/parser/images" \
-H  "accept: application/json" \
-H  "authorization: Bearer {ACCESS_TOKEN}" \
-H  "Content-Type: application/json" \
-d "{ "FileInfo": { "FilePath": "inbox/input.html", "StorageName": "internal" }, "OutputPath": "extracted-images"}"

Essayez l’extracteur d’images HTML en ligne gratuit

Nous offrons un Extracteur d’images HTML en ligne gratuit développé sur la base de GroupDocs.Parser Cloud API. Aucune installation de logiciel ou téléchargement requis et évaluez les capacités de l’API REST dans le navigateur web.

extraire les images html

Conclusion

Dans cet article, nous avons appris la méthode la plus précise pour extraire des images à partir de HTML en utilisant l’API REST .NET. Grâce à cette API, vous pouvez :

  • Extraire les images intégrées et en ligne
  • Analyser les images encodées en Base64
  • Extraire les images d’arrière-plan CSS
  • Récupérer les métadonnées des images liées
  • Télécharger toutes les images de manière programmatique

Par conséquent, c’est la meilleure solution pour automatiser l’extraction de médias HTML dans les applications C#.

Articles associés

Nous vous recommandons vivement de consulter les articles suivants pour en savoir plus sur :

Foire aux questions (FAQ)

1. Puis-je extraire des images intégrées en Base64 depuis le HTML ?
Oui, l’API extrait automatiquement les images HTML encodées en Base64 et en ligne.

2. L’API extrait-elle les images liées externement ?
L’API extrait les métadonnées des images liées ; leur téléchargement est facultatif.

3. Puis-je extraire les images référencées dans le CSS ?
Oui, les images référencées via le CSS en ligne ou intégré sont prises en charge.

4. Quels formats d’image sont pris en charge ?
JPG, PNG, BMP, GIF, TIFF, et d’autres types d’images courants.

5. Existe-t-il un essai gratuit ?
Oui. Vous pouvez créer un compte gratuit et obtenir 150 appels API gratuits par mois.