Pour qui
Des tableaux qui arrivent entiers
Les convertisseurs HTML vers Markdown génériques cassent justement sur les tableaux qui comptent, ceux dont une cellule contient une liste, un lien ou un extrait de code. L’extension écrit le tableau elle-même et aplatit le contenu de la cellule plutôt que de perdre la ligne. Sur un corpus de quinze tableaux, douze sont passés entiers, contre sept pour chacun des moteurs comparés.
Le tableau perdu en route
La donnée qui vous intéresse sur une page est presque toujours dans un tableau, et c’est précisément ce qui arrive le plus mal. Une cellule contenant une liste à puces, un lien ou un petit bout de code suffit à faire dérailler un convertisseur générique : la ligne se replie, les colonnes glissent d’un cran, et les chiffres se retrouvent en face des mauvais libellés. Le pire est que cela ne se voit pas toujours à la relecture.
À côté de cela, les pages regorgent de tableaux qui n’en sont pas. Des grilles servent uniquement à placer des blocs côte à côte, et un outil qui les reproduit fidèlement remplit votre note de grilles vides. Vous passez alors autant de temps à supprimer de faux tableaux qu’à réparer les vrais.
Et il y a ce qu’on oublie de garder : tout ce qui entoure le tableau. Sur une série statistique, l’unité, le champ géographique, la date de dernière observation et la note de lecture vivent au-dessus et au-dessous de la grille, jamais dedans. Copiée seule, la grille devient une suite de nombres dont personne ne peut dire s’ils sont en milliers ou en millions, ni si la rupture de série de 1999 a été retraitée. La capture prend la page dans l’ordre du document, donc ces mentions arrivent avec le tableau.
Ce que devient un tableau
- Sérialiseur de tableaux GFM propre à l’extension, et non un greffon générique
- Douze tableaux sur quinze conservés sur le corpus technique, contre sept pour chacun des moteurs comparés
- Une cellule contenant une liste, un lien ou du code est aplatie proprement au lieu de casser la ligne
- Les lignes plus courtes que les autres sont complétées par des cellules vides : les colonnes ne glissent pas d’un cran
- Une barre verticale à l’intérieur d’une cellule est échappée et ne coupe pas la ligne en deux
- Les tableaux à deux colonnes irréguliers deviennent des lignes
Clé : valeurplutôt qu’une grille cassée - Les tableaux de mise en page – les grilles qui ne servent qu’à positionner – sont dépliés, pas reproduits
- Sélectionnez le tableau seul et c’est lui seul qui est capturé, avec son frontmatter
--- title: "Population au 1er janvier" source: "https://www.insee.fr/fr/statistiques/serie/000436387" extraction: "dom" --- | Année | Population (millions) | Part des 65 ans ou plus | | --- | --- | --- | | 2022 | 67,8 | 21,3 % | | 2023 | 68,0 | 21,5 % | | 2024 | 68,4 | 21,8 % |
Capturer une série de données
Un tableau se vérifie avant d’être enregistré, jamais après : une colonne décalée ne se voit plus une fois la page fermée. Ces six étapes mettent le contrôle sur le chemin.
- Dans les paramètres, réglez « Clic sur l’icône » sur « Ouvrir la fenêtre ». Sur des données, l’aperçu n’est pas un luxe : c’est le seul moment où comparer les colonnes de la page et celles du Markdown ne coûte rien.
- Dans la fenêtre, basculez « Affichage » sur « Lecture ». Le tableau y est rendu comme une grille, en-tête compris, ce qui rend un décalage de colonne visible immédiatement ; ce choix est mémorisé pour les captures suivantes.
- Sur la page de données, faites défiler le tableau jusqu’à la dernière ligne et, s’il est paginé, affichez toutes les lignes avant de capturer. Ce qui n’est pas dans la page au moment du clic n’est pas dans la capture : il n’y a ni chargement supplémentaire, ni requête réseau.
- Sélectionnez le tableau avec ses mentions d’unité et sa note de lecture, puis capturez la sélection. Prendre la grille seule vous prive du champ, de l’unité et de la date de dernière observation, qui sont ce qui rend les nombres interprétables.
- Passez « Images » sur « ignorer ». Un graphique est une image ou un dessin en canvas : il ne deviendra pas des données, et son lien ne fera qu’encombrer la note.
- Renseignez « Sous-dossier des téléchargements » avec le nom de la série suivie et activez le bouton « Dossier » dans « Boutons de la fenêtre ». Les captures successives d’une même série se retrouvent alors côte à côte, prêtes à être comparées.
Réglages conseillés pour les données
Ces valeurs servent un objectif unique : qu’aucune colonne ne se décale sans qu’on le voie. Trois d’entre elles diffèrent des réglages d’origine.
| Réglage | Valeur | Pourquoi celle-là ici |
|---|---|---|
| Clic sur l’icône | Ouvrir la fenêtre | un tableau se contrôle avant l’enregistrement ; après, la page est fermée et le décalage est invisible |
| Affichage | Lecture | la vue Lecture rend la grille telle qu’elle sera, ce que la vue Markdown ne montre pas d’un coup d’œil |
| Sélection | activé | permet de prendre le tableau avec son unité et sa note de lecture, sans le reste de la page |
| Images | ignorer | un graphique est une image ou un canvas : il ne deviendra jamais des données, et son lien encombre la note |
| Nom du fichier | `{date} - {domain} - {title}` | une série se relit par date de publication, et le domaine distingue deux producteurs qui publient le même indicateur |
| Sous-dossier | le nom de la série suivie | les captures successives d’un même indicateur doivent se retrouver côte à côte pour être comparables |
| Boutons de la fenêtre | Copier + Dossier | la copie va dans la note d’analyse, le dossier garde la trace datée de la source |
--- title: "Taux directeurs – série mensuelle" source: "https://www.banque-france.fr/statistiques/taux-directeurs" extraction: "dom" --- **Fréquence**: mensuelle **Dernière observation**: mars 2025 **Unité**: pourcentage annuel **Champ**: zone euro ## Note de lecture Les valeurs antérieures à 1999 sont reconstituées à partir des séries nationales.
Trois usages réels
Reprendre une série publique dans une note
Vous préparez une note et il vous faut trois lignes d’une série publiée par un institut statistique. Vous sélectionnez le tableau avec son titre et sa note de lecture, vous capturez la sélection, et le Markdown part dans le presse-papiers. Collé dans votre note, le tableau garde ses colonnes, ses unités et la mention du champ couvert.
Ce que la capture ne fait pas : elle ne produit ni CSV, ni classeur, ni JSON. La sortie est un tableau Markdown, que votre outil convertira si nécessaire. Les nombres arrivent tels que la page les écrit – virgule décimale et séparateurs de milliers compris – donc un import dans un tableur demande de vérifier le format avant calcul.
Garder la fiche de métadonnées d’un jeu de données
Les pages de description d’un jeu de données sont souvent des listes clé-valeur en deux colonnes, irrégulières et mal balisées. Quand une telle grille compte au plus deux colonnes et huit lignes, elle est dépliée en lignes Clé : valeur plutôt que forcée dans une grille Markdown qui casserait – c’est plus lisible et cela se recherche mieux.
Au-delà de cette taille, une grille irrégulière reste une grille : les lignes trop courtes sont complétées par des cellules vides, ce qui garde l’alignement des colonnes. Le principe est le même dans les deux cas : plutôt une forme lisible et honnête qu’une reproduction fidèle et cassée.
Un tableau produit par un formulaire de requête
Beaucoup de portails ne montrent un tableau qu’après un filtrage : vous choisissez la période, le territoire, la variable, et le tableau apparaît. Aucun outil qui va chercher l’adresse depuis un serveur ne verra ce résultat, parce qu’il n’existe que dans votre session. L’extension, elle, lit la page que votre navigateur affiche, filtre appliqué.
Deux précautions : afficher toutes les lignes avant de capturer, et vérifier que le tableau n’est pas dessiné par un composant en canvas. Un tableau dessiné plutôt qu’écrit n’est pas du texte, et rien de ce qui n’est pas du texte ne peut être capturé comme tel.
Comparé aux façons de faire actuelles
Un tableau publié sur une page web finit toujours par être déplacé ailleurs. Voici les chemins habituels et ce qu’ils laissent tomber en route.
| Méthode | Ce que vous obtenez | Ce que ça coûte |
|---|---|---|
| Copier-coller vers un tableur | les cellules directement exploitables | fonctionne quand la grille est régulière ; sur une cellule multiligne ou fusionnée, les colonnes se décalent en silence |
| Le CSV proposé par le site | des données propres, prêtes au calcul | quand il existe : beaucoup de tableaux n’ont pas d’export, et le CSV ne contient ni la note de lecture ni le champ couvert |
| Capture d’écran du tableau | ce qui était affiché, sans conversion | ni calculable, ni cherchable ; il faut ressaisir les valeurs pour s’en servir |
| Imprimer la page en PDF | la mise en page complète, archivable | un tableau extrait d’un PDF se réaligne mal, et les lignes coupées entre deux pages compliquent la reprise |
| Un script d’extraction maison | exactement le format voulu, reproductible | à écrire et à maintenir par site, et inutilisable sur un tableau qui n’existe qu’après un filtrage en session |
| Clean Clipper | un tableau Markdown entier, avec le texte qui l’entoure | ni CSV ni tableur, cellules fusionnées aplaties, et seules les lignes réellement affichées sont capturées |
Quand le tableau n’est pas droit
Pourquoi mon tableau est-il devenu une liste de lignes ?
Parce qu’il ressemblait à une fiche clé-valeur et non à des données. Quand une grille est irrégulière, ne dépasse pas deux colonnes et compte au plus huit lignes, elle est dépliée en lignes Clé : valeur. Forcer ce genre de tableau dans une grille Markdown produit une grille cassée, illisible et impossible à réparer ensuite.
Si vous vouliez la grille, la parade est simple : capturez la page entière plutôt que la sélection, quand le tableau y figure aux côtés d’autres tableaux plus larges. Le contenu est identique dans les deux formes – c’est la présentation qui change.
Pourquoi la première ligne de données sert-elle d’en-tête ?
Parce que la page ne balise aucune ligne d’en-tête. Le format Markdown exige une première ligne d’en-tête suivie d’une ligne de séparation : faute de th dans la page, c’est la première ligne rencontrée qui prend ce rôle. Aucun tableau ne peut être écrit sans en-tête, donc il n’y a pas de troisième possibilité.
Corrigez la ligne dans le fichier, ou choisissez, quand le site le propose, la version « tableau » plutôt que la version « liste » de la même donnée. Une page correctement balisée donne toujours un meilleur résultat, ici comme pour l’accessibilité.
Pourquoi le tableau est-il incomplet ?
Parce que les lignes manquantes n’étaient pas dans la page. Les tableaux paginés, ceux qui chargent au défilement et ceux qui n’affichent que les vingt premières lignes ne livrent au navigateur que ce qui est visible. La capture porte sur le document tel qu’il existe à l’instant du clic ; aucune ligne n’est demandée au serveur.
Affichez toutes les lignes, ou passez par la vue « tout afficher » quand le site en propose une, avant de capturer. En dernier recours, capturez page par page : plusieurs fichiers valent mieux qu’un tableau tronqué dont rien ne signale qu’il l’est.
Pourquoi ce tableau a-t-il complètement disparu ?
Parce qu’il a été reconnu comme une grille de mise en page. Trois signes conduisent à ce verdict : un tableau qui en contient un autre, une grille dont moins d’un tiers des cellules contiennent du texte, et une grille d’une seule colonne. Ces trois formes servent à positionner des blocs, pas à porter des données.
Le contenu n’est pas perdu pour autant : la grille est dépliée et son texte reste dans la note, dans l’ordre du document. C’est ce qui évite de retrouver des dizaines de grilles vides dans une capture, un défaut courant des convertisseurs qui reproduisent tout fidèlement.
Ce qu’il ne fait pas
Il n’exporte pas en CSV, en Excel ni en JSON : la sortie est un tableau Markdown, à convertir ensuite si votre outil l’exige. Les cellules fusionnées sont aplaties, parce que Markdown ne sait pas les exprimer. Il ne lit pas un tableau rendu en image ou dessiné en canvas, et il ne déclenche pas la pagination d’un tableau interactif : ce qui n’est pas affiché n’est pas capturé. Les grilles de mise en page profondément imbriquées restent difficiles pour tous les outils.