Cours d'automatisation Python

Leçon 1 • Utilisation des structures de données intégrées

Manipulez les listes, les tuples, les dictionnaires et les ensembles pour stocker et traiter des données d'automatisation. Le choix de la structure appropriée a un impact direct sur l'efficacité du script.

Leçon 2 • Gestion des erreurs et débogage de base

Utilisez les blocs try/except et les outils de débogage pour écrire des scripts résilients. Les scripts d'automatisation doivent gérer les états inattendus sans planter.

Leçon 3 • Fonctions et réutilisabilité du code

Définissez, appelez et organisez des fonctions pour éliminer les répétitions dans le code d'automatisation. Ce module présente la portée et les valeurs de retour, essentielles pour une conception modulaire des scripts.

Leçon 4 • Éléments essentiels de la syntaxe Python

Ce module couvre les variables, les types de données, les opérateurs et les structures de contrôle. Ces primitives constituent la base de tous les scripts d'automatisation écrits plus tard dans le cours.

Leçon 1 • Automatisation de tâches au niveau du système d'exploitation

Exécutez des commandes shell, gérez les processus et interagissez avec les variables d'environnement depuis Python. Ce module fait le pont entre les scripts Python et le système d'exploitation sous-jacent.

Leçon 2 • Gestion des chemins et des répertoires

Naviguez et manipulez le système de fichiers à l'aide des modules pathlib et os. Une gestion fiable des chemins évite les scripts défaillants sur différents systèmes d'exploitation.

Leçon 3 • Lecture et écriture de fichiers

Ouvrez, lisez, écrivez et fermez des fichiers texte et binaires à l'aide de l'API de fichier intégrée de Python. Les entrées-sorties de fichiers sont le point d'entrée de la plupart des tâches d'automatisation du monde réel.

Leçon 4 • Utilisation des fichiers CSV et JSON

Analysez et générez des données CSV et JSON, les deux formats les plus courants dans les pipelines d'automatisation. Ce module relie les compétences en entrées-sorties de fichiers au traitement de données structurées.

Leçon 1 • Envoi de requêtes HTTP avec Requests

Utilisez la bibliothèque requests pour envoyer des appels HTTP, gérer les réponses et gérer les sessions. Ce module fournit la boîte à outils de base pour l'automatisation des API et du web.

Leçon 2 • Analyse du HTML avec BeautifulSoup

Extrayez des données structurées de HTML brut à l'aide des sélecteurs et méthodes de parcours de BeautifulSoup. Permet l'extraction de données de sites web qui n'exposent pas d'API publique.

Leçon 3 • Principes fondamentaux de HTTP pour l'automatisation

Comprenez les méthodes HTTP, les codes de statut, les en-têtes et les cycles de requête/réponse. Ces connaissances sont nécessaires avant d'envoyer une requête web automatisée.

Leçon 4 • Utilisation et automatisation des API REST

Authentifiez-vous, gérez la pagination et automatisez les workflows avec les API REST. Ce module relie les compétences HTTP à des scénarios d'intégration réels utilisés en environnement professionnel.

Leçon 1 • Configuration de Selenium et contrôle du navigateur

Installez Selenium, configurez WebDriver, ouvrez, naviguez et fermez des navigateurs depuis Python. Cette partie établit les fondations de toutes les tâches d'automatisation de navigateur.

Leçon 2 • Localisation et interaction avec les éléments

Trouvez des éléments de page à l'aide d'ID, CSS, XPath et d'autres localisateurs, puis cliquez, saisissez du texte et sélectionnez. L'interaction avec les éléments est l'action centrale de tout script d'automatisation de navigateur.

Leçon 3 • Automatisation des formulaires et des flux de connexion

Créez des scripts qui se connectent, remplissent des formulaires en plusieurs étapes et gèrent les défis d'authentification. Ce module couvre le cas d'utilisation le plus courant de l'automatisation de navigateur dans le monde réel.

Leçon 4 • Techniques Selenium avancées

Exécutez du JavaScript, gérez les alertes, changez de cadre et extrayez des données de pages complexes. Ces techniques étendent les compétences de base de Selenium pour gérer les cas particuliers dans les scripts de production.

Leçon 1 • Introduction à pandas pour l'automatisation

Chargez, inspectez et filtrez des données tabulaires à l'aide de DataFrames. pandas est l'outil principal pour les tâches d'automatisation pilotées par les données dans ce cours.

Leçon 2 • Transformation et agrégation des données

Appliquez des fonctions, regroupez les données et calculez des résumés pour transformer les données brutes en informations exploitables. La transformation est l'étape centrale de tout pipeline d'automatisation de données.

Leçon 3 • Validation des données et contrôles de qualité

Écrivez des contrôles automatisés qui détectent les doublons, les valeurs aberrantes et les violations de schéma dans les jeux de données. Les contrôles de qualité des données empêchent la propagation d'erreurs dans les pipelines d'automatisation.

Leçon 4 • Automatisation d'Excel avec openpyxl

Lisez, écrivez et formatez des classeurs Excel par programmation à l'aide d'openpyxl. Permet le remplacement complet des rapports Excel manuels par des scripts Python automatisés.

Leçon 1 • Surveillance et alertes pour les tâches d'automatisation

Implémentez des contrôles de santé, des alertes de défaillance et des métriques d'exécution pour rendre les systèmes d'automatisation observables. La surveillance transforme un script en un service d'automatisation de qualité production.

Leçon 2 • Introduction aux outils d'orchestration de workflows

Présentation des plateformes d'orchestration telles qu'Apache Airflow et Prefect pour la gestion de workflows complexes basés sur des DAG. Prépare les étudiants aux environnements d'automatisation à l'échelle de l'entreprise.

Leçon 3 • Construction de pipelines d'automatisation multi-étapes

Enchaînez des tâches d'automatisation discrètes en pipelines séquentiels et conditionnels. La conception de pipelines sépare les préoccupations et rend les workflows complexes maintenables.

Leçon 4 • Planification de scripts au niveau du système d'exploitation

Configurez des tâches cron sur Linux/macOS et le Planificateur de tâches sur Windows pour déclencher des scripts Python. La planification au niveau du système d'exploitation est le chemin le plus simple vers une automatisation sans surveillance.

Leçon 1 • Concurrence avec le threading et Asyncio

Accélérez les tâches d'automatisation liées aux entrées-sorties à l'aide de threads et de motifs async/await. La concurrence est essentielle lorsque les scripts doivent traiter des centaines d'appels API de manière efficace.

Leçon 2 • Motifs d'authentification API avancés

Implémentez les flux OAuth2, la gestion des JWT et la rotation des clés API dans les scripts d'automatisation. Une authentification sécurisée est obligatoire pour les intégrations API de production.

Leçon 3 • Gestion résiliente des erreurs à grande échelle

Appliquez le backoff exponentiel, les coupe-circuits et les files d'attente de lettres mortes pour une automatisation à grande échelle. Les motifs de résilience empêchent les défaillances en cascade dans les systèmes de production.

Leçon 4 • Récepteurs de webhooks et automatisation événementielle

Créez des points de terminaison Flask légers qui reçoivent des charges utiles de webhook et déclenchent la logique d'automatisation. La conception événementielle élimine le sondage et réduit la latence.

Leçon 1 • Contrôle de version avec Git pour l'automatisation

Appliquez des workflows Git pour suivre les modifications, collaborer et revenir en arrière sur les scripts d'automatisation en toute sécurité. Le contrôle de version est une pratique non négociable pour l'automatisation de production.

Leçon 2 • Pipelines CI/CD pour les projets d'automatisation

Automatisez les tests, le linting et le déploiement à l'aide de pipelines CI/CD déclenchés par des événements Git. Le CI/CD garantit que chaque modification de code est validée avant d'atteindre la production.

Leçon 3 • Déploiement sur le cloud et les plateformes serverless

Déployez des scripts d'automatisation sur des VM cloud, des conteneurs gérés et des fonctions serverless. Le déploiement sur le cloud permet une exécution 24h/24 et 7j/7 sans surveillance à un coût minimal.

Leçon 4 • Structuration professionnelle des projets d'automatisation

Organisez le code en modules, paquets et fichiers de configuration suivant les meilleures pratiques Python. Une bonne structure rend les projets d'automatisation maintenables et adaptés au travail en équipe.