Manipuler une URL

L'anatomie d'une URL

Prenons une vraie adresse : celle qui demande des données d'exoplanètes au catalogue de la NASA. Au premier coup d'oeil elle fait peur, mais elle est faite de morceaux bien rangés.

• Le protocole https:// - la langue qu'on parle pour communiquer (le web sécurisé).
• Le domaine exoplanetarchive.ipac.caltech.edu - le serveur à qui on s'adresse (l'ordinateur de la NASA).
• Le chemin /TAP/sync - la porte précise où frapper sur ce serveur.
• Les clés query, format - le nom de chaque réglage qu'on envoie.
• Les valeurs - ce qu'on met dans chaque réglage (ici, une requête et le mot csv).

Tout commence au ?

La règle est toujours la même, sur tous les sites du monde :

• Le ? marque la fin de l'adresse de base et le début des paramètres.
• Chaque paramètre est une paire clé=valeur (un nom, le signe égal, une valeur).
• Le & sert de « et » : il colle les paramètres les uns aux autres.
• Dans une valeur, un espace se cache souvent sous la forme d'un + (ou %20). C'est pour ça que la requête est pleine de + au lieu d'espaces.

Donc cette URL dit, en clair : « Serveur de la NASA, par la porte /TAP/sync, voici ma query (une requête), et je veux le format csv. »

Ajouter un champ à la requête

Tu veux aussi savoir quel télescope a découvert chaque planète ? Le catalogue a une colonne pour ça : disc_telescope. Il suffit de l'ajouter à la liste après le select, séparée par une virgule.

Avant - on demande 3 colonnes :

select+top+200+pl_name,pl_rade,pl_bmasse+from+pscomppars+...

Après - on en demande une 4^e :

select+top+200+pl_name,pl_rade,pl_bmasse,disc_telescope+from+pscomppars+...

Même logique pour d'autres réglages : remplace format=csv par format=json pour changer le format, ou monte top+200 à top+1000 pour recevoir plus de lignes. Un paramètre changé = des données différentes.

Quelques colonnes utiles du catalogue : disc_year (année de découverte), discoverymethod (méthode), pl_orbper (période orbitale, en jours), sy_dist (distance du système, en parsecs).

À toi : construis ta requête

Coche les colonnes qui t'intéressent, choisis combien de planètes, et regarde l'URL se fabriquer toute seule - avec la ligne !wget prête à coller dans Colab. Tout se passe dans ta page.

L'URL complète

À coller dans une cellule Colab

Le préfixe magique de Google Drive

Le même réflexe marche pour ton propre fichier déposé dans Google Drive. Drive cache l'identifiant de ton fichier dans son lien de partage ; il suffit de le coller derrière un préfixe de téléchargement fixe :

# Le préfixe de téléchargement de Drive, à apprendre par coeur :
https://drive.google.com/uc?export=download&id=IDENTIFIANT_DU_FICHIER

Tu reconnais la structure ? Un chemin /uc, puis deux paramètres après le ? : export=download (« donne-moi le fichier brut, pas la jolie page ») et id=... (lequel).

D'où vient cet identifiant ? De ton lien de partage. Tu ouvres ton fichier sur Drive, tu fais Partager → Tout le monde avec le lien, et Drive te donne une URL comme celle-ci. L'identifiant, c'est le morceau (en orange) entre /d/ et /view :

https://drive.google.com/file/d/1AbCdEfGhIjKlMnOp/view?usp=sharing

Il ne reste qu'à recoller les deux morceaux : le préfixe fixe, puis ton identifiant à la place de id=. Ça donne l'URL de téléchargement direct, prête pour !wget :

https://drive.google.com/uc?export=download&id=1AbCdEfGhIjKlMnOp

Le pont commun : !wget

Catalogue de la NASA ou ton fichier Drive : dès que tu tiens une URL directe, la même commande la télécharge dans Colab et lui donne le nom de fichier que tu veux, grâce à l'option -O (la lettre « O », pour output).

# Les exoplanètes de la NASA -> exoplanetes.csv
!wget -O exoplanetes.csv "https://exoplanetarchive.ipac.caltech.edu/TAP/sync?query=select+top+200+pl_name,pl_rade,pl_bmasse+from+pscomppars&format=csv"

# Ton fichier Drive -> mesures.csv
!wget -O mesures.csv "https://drive.google.com/uc?export=download&id=1AbCdEfGhIjKlMnOp"

Ensuite, le fichier exoplanetes.csv est posé à côté de ton calepin, prêt à être lu par son nom - exactement comme n'importe quel fichier local, sans se soucier d'où il vient. Pour l'ouvrir et le parcourir en Python, vois le truc Manipuler des fichiers.