Ce document s'intéresse à la partie textuelle d'une d'une page Web, c'est à dire extraire le texte pour le convertir en un document primaire textuel.

Si vous vous souhaiter traiter des éléments multimédia, il faudra adopter une autre démarche:

• Pour traiter des éléments textuels et graphiques (photos, dessins etc) en même temps, vous pouvez envisager de convertir la page Web en PDF. , sinon il faudrait télécharger les graphiques à part pour créer des .
• Si c'est des éléments audio ou vidéo qui vous intéressent il faudra les télécharger pour créer des documents primaires ou .

Le format HTML n'est pas directement accessible, et Atlas converti le texte de la page Web en RTF. Les résultats de cette conversion sont assez bons, quand il s'agit de pages simples contenant principalement du texte, plutôt médiocre voir inutilisable dans le cas de documents plus complexes où le filtre n'élimine pas tout ce qui n'est pas texte à analyser.

Comme la plupart des pages web contiennent également des éléments de navigation - regardez cette page - le document primaire résultant va contenir des textes ou autres éléments (liens) qui ne font pas partie du texte à analyser, il faut donc en général les nettoyer avant l'analyse.