📲 Exporter ses dépenses caloriques et son poids depuis iOS pour Excel

Exporter ses données Santé d’iOS est une galère, ce qui n’est pas surprenant venant d’Apple. Pour utiliser le modèle CICO avec mes données sur Excel, il m’a fallu procéder sur plusieurs étapes. La méthode proposée ici permet d’extraire les données journalières suivantes : Poids, IMC, Énergie au repos, Énergie active et Énergie totale (étant la somme des deux précédents).

• Sur l’application Santé, il faut se rendre dans son profil (en cliquant sur sa photo de profil), scroller tout en bas puis cliquer sur “Exporter toutes mes données”. La pop-up de partage s’ouvre et il est alors facile de partager le fichier obtenu par Airdrop sur son ordinateur.
• Sur son ordinateur, il faut décompresser le fichier (macOS le fait automatiquement en l’ouvrant) et placer le fichier export.xml à côté du script python “health_to_excel.py” donné en annexe.
• Une fois le script lancé depuis le terminal, votre fichier Excel “sante_globale_continu.csv” est créer et manipulable !

health_to_excel.py

• Copiez-collez le script dans un fichier texte nommé “health_to_excel.py” (avec l’extension .py).
• Le script utilise la dernière version de Python 3 à installer sur le site officiel du logiciel.
• Le script se lance depuis un terminal avec la commande “python3 health_to_excel.py”. Ne pas oublier de modifier la variable TAILLE_M au début du script !
• Le script calcule en plus l’IMC pour chaque jour avec la formule de la puissance à 2,5 comme décrite sur Wikipédia.
• Oui, le script est totalement vibe-codé, est totalement non maintainable, mais est parfaitement fonctionnel pour sa fonction.

import xml.etree.ElementTree as ET
 
import csv
 
from datetime import datetime, timedelta
 
from collections import defaultdict
 
  
 
# --- PARAMÈTRES UTILISATEUR ---
 
TAILLE_M = 0 # Ta taille en mètres
 
# ------------------------------
 
  
 
# 1. Chargement du fichier XML
 
print("Lecture du fichier XML... (Patientez)")
 
xml_path = "export.xml"
 
tree = ET.parse(xml_path)
 
root = tree.getroot()
 
  
 
print("Extraction, calcul de l'IMC et comblement des trous...")
 
  
 
# Structures pour stocker nos deux types de données
 
weights_by_date = defaultdict(list)
 
energy_by_date = defaultdict(lambda: {'active': 0.0, 'resting': 0.0})
 
all_dates_objects = []
 
  
 
types_energie = {
 
'HKQuantityTypeIdentifierActiveEnergyBurned': 'active',
 
'HKQuantityTypeIdentifierBasalEnergyBurned': 'resting'
 
}
 
  
 
# 2. Extraction unique
 
for record in root.findall(".//Record"):
 
record_type = record.get('type')
 
if record_type == 'HKQuantityTypeIdentifierBodyMass' or record_type in types_energie:
 
raw_date = record.get('startDate')
 
try:
 
dt_object = datetime.strptime(raw_date, '%Y-%m-%d %H:%M:%S %z')
 
date_formatted = dt_object.strftime('%m/%d/%Y')
 
all_dates_objects.append(dt_object.date())
 
# Si c'est un POIDS
 
if record_type == 'HKQuantityTypeIdentifierBodyMass':
 
time_formatted = dt_object.strftime('%I:%M:%S %p')
 
weights_by_date[date_formatted].append({
 
'Heure': time_formatted,
 
'Poids': record.get('value')
 
})
 
# Si c'est de l'ÉNERGIE
 
elif record_type in types_energie:
 
try:
 
value = float(record.get('value', 0))
 
except ValueError:
 
value = 0.0
 
categorie = types_energie[record_type]
 
energy_by_date[date_formatted][categorie] += value
 
  
 
except ValueError:
 
pass
 
  
 
# 3. Génération du calendrier continu combiné et calculs
 
final_records = []
 
  
 
if all_dates_objects:
 
start_date = min(all_dates_objects)
 
end_date = max(all_dates_objects)
 
current_date = start_date
 
while current_date <= end_date:
 
date_str = current_date.strftime('%m/%d/%Y')
 
# Préparation des données d'énergie
 
has_energy = date_str in energy_by_date
 
if has_energy:
 
active = round(energy_by_date[date_str]['active'], 2)
 
resting = round(energy_by_date[date_str]['resting'], 2)
 
total = round(active + resting, 2)
 
else:
 
active = resting = total = ""
 
  
 
# S'il y a des pesées ce jour-là
 
if date_str in weights_by_date:
 
for w in weights_by_date[date_str]:
 
# On récupère le poids en tant que nombre
 
try:
 
poids_val = float(w['Poids'])
 
# CALCUL DE L'IMC : 1.3 * (poids / taille^2.5)
 
imc_val = 1.3 * (poids_val / (TAILLE_M ** 2.5))
 
imc_str = round(imc_val, 2)
 
except (ValueError, TypeError):
 
imc_str = ""
 
final_records.append({
 
'Date': date_str,
 
'Heure': w['Heure'],
 
'Poids': w['Poids'],
 
'IMC': imc_str,
 
'Energie_Active': active,
 
'Energie_Repos': resting,
 
'Energie_Totale': total
 
})
 
# S'il n'y a PAS de pesée ce jour-là
 
else:
 
final_records.append({
 
'Date': date_str,
 
'Heure': '',
 
'Poids': '',
 
'IMC': '',
 
'Energie_Active': active,
 
'Energie_Repos': resting,
 
'Energie_Totale': total
 
})
 
current_date += timedelta(days=1)
 
  
 
print(f"{len(final_records)} lignes prêtes pour le fichier final.")
 
  
 
# 4. Écriture du CSV
 
output_file = 'sante_globale_continu.csv'
 
  
 
try:
 
with open(output_file, mode='w', newline='', encoding='utf-8') as csvfile:
 
# On a ajouté la colonne 'IMC' juste après le Poids
 
fieldnames = ['Date', 'Heure', 'Poids', 'IMC', 'Energie_Active', 'Energie_Repos', 'Energie_Totale']
 
writer = csv.DictWriter(csvfile, fieldnames=fieldnames)
 
  
 
writer.writeheader()
 
writer.writerows(final_records)
 
  
 
print(f"Terminé !")
 
  
 
except IOError:
 
print("Erreur d'écriture. Vérifiez que le fichier n'est pas ouvert ailleurs.")