clear code

README.md

@@ -240,35 +240,39 @@ Pour cette partie là, on exploitera comment intéragir avec Elasticsearch sur P
 >pip3 install elasticsearch
 
 Dans votre script python :
->import elasticsearch   
+``` bash
+import elasticsearch   
 from elasticsearch import Elasticsearch
 
-Voir la version elasticsearch :
->print (elasticsearch.VERSION)
+#Voir la version elasticsearch :
+print (elasticsearch.VERSION)
+```
 
 D'ici, j'utilise la version 8.6.0
 #### Q2. Connecter avec le server Elasticsearch
->ELASTIC_PASSWORD = {Votre password}  
+``` bash
+ELASTIC_PASSWORD = {Votre password}  
 client = Elasticsearch(  
-"https://localhost:9200",  
-ca_certs="path/vers/http_ca.cert",  
-basic_auth=("elastic", ELASTIC_PASSWORD)  
-)
-
-Il faut checker si tout va bien en lancant :
-
-> client.info()
+        "https://localhost:9200",  
+        ca_certs="path/vers/http_ca.cert",  
+        basic_auth=("elastic", ELASTIC_PASSWORD))
 
+#Il faut checker si tout va bien en lancant :
+client.info()
+```
 La réponse doit rassemble à cela :
 
 ![attendu2](/images/connectapipython.PNG)
 
 Vous pouvez également prendre les données qu'on a créé dans la 1ère partie :
-> client.search(index='customer',body={"query": {"match_all": {}}})
+
+``` bash
+client.search(index='customer',body={"query": {"match_all": {}}})
+```
 #### Q3. Traitement les données
 Pour la suite de TP, nous vous donnons un dataset qui est les tweets qui ont hashtag #Farmersprotest. Dans cette question, nous avons besoin de nettoyer les données avant injecter dans Elasticsearch
 #### 3.1. Lire les données au format JSON
-Hint: Utiliser pandas.read_json('/path/des/données',lines=True)
+Hint: Utiliser pandas.read_json('/path/vers/des/données',lines=True)
 #### 3.2. Filtrer
 Nous n'utilisons que les tweets en Anglais et nous ne voulons pas de doublons. En plus, il n'y a que les colonnes : id, date, user, renderedContent qui nous servirons pour la suite. Renommer le champ id -> tweetID pour distinguer. La table résultant appelé raw_tweets