Extraction du texte brut d'un site internet

Nous recherchons un freelance a priori spécialisé en développement Python/Ruby/PHP afin de construire une application permettant d'extraire la totalité du texte brut d'un site internet à partir d'un nom de domaine et ceci de manière automatisée à partir d'une liste de noms de domaine prédéfinis (sous format csc ou excel) et stocker cette information dans un nouveau fichier sous format csv/excel.

Voici le cahier des charges un peu plus détaillé pour ceux qui souhaitent affiner leur devis :
- Fichier source :
Format Excel ou csv constitué de données en format colonne definies comme suit :
Num : numéro d’identification
NomDom : nom de domaine sous format » nomdomaine.ext ». Ce sont essentiellement des noms de domaine de sociétés BtoB

- Construction de la donnée Textbrut :
Etape 1 : pour un nom de domaine NomDom, trouver le site internet associé en testant les différentes extensions .com/.fr/
Etape 2 : Extraire la totalité du texte brut du site internet (pages activité, contact, …)
Etape 3 : stocker le texte extrait dans la variable Textbrut associé au numéro Num

- Construction de la donnée TexteAct :
Etape 1 : pour un nom de domaine NomDom, trouver le site internet associé en testant les différentes extensions .com/.fr/
Etape 2 : Rechercher et identifier la page correspondant à la description de l’activité de la société correspondant au nom de domaine
Etape 3 : Extraire le texte brut associé à la page trouvée
Etape 4 : stocker le texte extrait dans la variable TextAct associé au numéro Num

- Fichier de restitution :
Format Excel ou csv constitué de données en format colonne définies comme suit :
Num : numéro d’identification
Textbrut : Totalité du texte du site internet
Texte Act : Extraction de texte correspondant à la rubrique « Activité » ou « qui sommes-nous » ou tout autre rubrique de site internet ayant pour vocation à présenter le site.