Télécharger les sites web qui utilisent Pygments

À propos de Pygments

Pygments ne s’exécute jamais dans le navigateur d’un visiteur. Ce qui arrive jusqu’à la page est le résidu d’un traitement terminé avant même que la page ne soit servie.

Créé en 2006 et diffusé sous licence BSD, Pygments est une bibliothèque Python qui transforme du code source en balisage annoté par classes. La bibliothèque tourne au moment du build ou sur le serveur, à l’intérieur de générateurs de documentation, de moteurs de sites statiques, de wikis, d’outils de revue de code et d’index de paquets. Ce qui part vers le navigateur, c’est du balisage simple et une feuille de style, si bien que nous détectons le vocabulaire des noms de classes émis par la bibliothèque plutôt qu’un script qui s’exécute dans la page.

L’inférence porte sur la chaîne d’outils plutôt que sur la page. Un site qui porte ce balisage a presque certainement été produit par un circuit de documentation de l’écosystème Python, ce qui dit déjà quelque chose de l’organisation qui se trouve derrière. Un site de ce genre publie du matériel technique, a des développeurs pour l’écrire, et est généré depuis des sources plutôt que retouché dans un éditeur visuel. Les fournisseurs d’outils pour développeurs, les recruteurs techniques, les entreprises d’API et tous ceux qui vendent aux équipes d’ingénierie cherchent exactement cette population, et elle est difficile à trouver autrement, parce qu’un portail de documentation s’annonce rarement dans la communication d’une entreprise.

Deux limites méritent d’être dites clairement. Le vocabulaire de classes a été repris par d’autres colorateurs syntaxiques, y compris des implémentations compatibles écrites pour d’autres langages, si bien que certaines correspondances sont des pages mises en forme pour ressembler à la sortie de Pygments sans que la bibliothèque ait jamais été installée. Dans l’autre sens, les projets qui renomment ou préfixent les classes générées, ou qui intègrent un thème sur mesure directement dans la page, sortent purement et simplement de la détection. En octobre 2026 nous enregistrons 3 848 sites, et la description honnête de ce chiffre est qu’il compte des pages porteuses d’une convention de nommage plutôt que des installations confirmées.

Pour une question domaine par domaine, la réserve compte, parce qu’une correspondance isolée peut être un faux positif. Pour une question de population, elle ne pèse presque rien. Une liste de sites qui publient du code source colorisé est une carte des endroits où réside la documentation technique sur le web, et elle tient comme échantillon même quand certaines lignes sont imparfaites. Chaque ligne porte le reste de la stack détectée sur ce site, de sorte que la population documentaire peut être resserrée par hébergement, par framework, par outil d’analytics ou par pays avant que quiconque n’agisse dessus.