質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

91.02%

  • Python

    5537questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

Anacondaで画像収集

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 350

sharomu

score 11

http://www.htmllifehack.xyz/entry/2017/09/04/224736
こちらのサイトを見て同じコードを書いたのですが

import requests
from bs4 import BeautifulSoup

URL = 'http://www.gochiusa.com/ova/'
images = []

soup = BeautifulSoup(requests.get(URL).content,'lxml')

for link in soup.find_all("img"):
    if link.get("src").endswith(".jpg"):
        images.append(link.get("src"))

for target in images:
    resp = requests.get(target)
    with open('img/' + target.split('/')[-1], 'wb') as f:
        f.write(resp.content)
Traceback (most recent call last):
  File "crawler_2.py", line 14, in <module>
    resp = requests.get(target)
  File "C:\Users\Anaconda3\lib\site-packages\requests\api.py", line 72, in get
    return request('get', url, params=params, **kwargs)
  File "C:\Users\Anaconda3\lib\site-packages\requests\api.py", line 58, in request
    return session.request(method=method, url=url, **kwargs)
  File "C:\Users\Anaconda3\lib\site-packages\requests\sessions.py", line 494, in request
    prep = self.prepare_request(req)
  File "C:\Users\sharo\Anaconda3\lib\site-packages\requests\sessions.py", line 437, in prepare_request
    hooks=merge_hooks(request.hooks, self.hooks),
  File "C:\Users\Anaconda3\lib\site-packages\requests\models.py", line 305, in prepare
    self.prepare_url(url, params)
  File "C:\Users\Anaconda3\lib\site-packages\requests\models.py", line 379, in prepare_url
    raise MissingSchema(error)
requests.exceptions.MissingSchema: Invalid URL '../core_sys/images/main/ova/ticket_l.jpg': No schema supplied. Perhaps you meant http://../core_sys/images/main/ova/ticket_l.jpg?


という感じでエラーが出てしまいます

でてどうしたらいいかわかりません

未来系としてはpythonで画像をキーワードやサイトから画像を集めたいです

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

checkベストアンサー

+3

画像保存フォルダとして、imgフォルダが必要です。

# -*- coding: utf-8 -*-
import requests
from requests.compat import urljoin
from bs4 import BeautifulSoup

URL = 'http://www.gochiusa.com/ova/'
images = []

soup = BeautifulSoup(requests.get(URL).content,'lxml')

for link in soup.find_all("img"):
    if link.get("src").endswith(".jpg"):
        print(link.get("src"))
        # 相対URLから絶対URLに変換
        images.append(urljoin(URL, link.get("src")))

for target in images:
    resp = requests.get(target)
    with open('img/' + target.split('/')[-1], 'wb') as f:
        f.write(resp.content)

1,Pythonの例外メッセージの観方

Traceback (most recent call last):
File "crawler_2.py", line 14, in <module>
  resp = requests.get(target)

中略

requests.exceptions.MissingSchema: Invalid URL '../core_sys/images/main/ova/ticket_l.jpg': No schema supplied. Perhaps you meant http://../core_sys/images/main/ova/ticket_l.jpg?

重要なのは最初の3行と最後の1行です。
最初の3行は例外が発生した場所を表し最後の1行は例外の内容を表します。
最後の1行をグーグル翻訳で翻訳すると以下の文になります。

無効なURL '../core_sys/images/main/ova/ticket_l.jpg':スキーマは提供されていません。多分あなたはhttp://../core_sys/images/main/ova/ticket_l.jpgを意味しましたか?

無効なURLのため、有効なURLに変換する必要があります。
相対URLから絶対URLへの変換はrequests.compat.urljoin が使用できます。

2,関数化について
不具合が発生した時に長いスクリプトだとデバックしずらいので、適度に関数化/クラス化をすることをおすすめします。

# -*- coding: utf-8 -*-
import requests
from requests.compat import urljoin
from bs4 import BeautifulSoup

URL = 'http://www.gochiusa.com/ova/'


def download_images(url):
    """
    スクレイピング対象URLから、jpgファイル一覧URLを取得
    :param url: スクレイピング対象URL
    :return: yield
    """
    soup = BeautifulSoup(requests.get(url).content, 'lxml')
    for link in soup.find_all("img"):
        src_attr = link.get("src")
        if src_attr.endswith(".jpg"):
            print(src_attr)
            # 相対URLから絶対URLに変換
            yield urljoin(URL, src_attr)


def main():
    for target in download_images(URL):
        resp = requests.get(target)
        with open('img/' + target.split('/')[-1], 'wb') as f:
            f.write(resp.content)


if __name__ == '__main__':
    main()

一番重要な点を忘れてました。
スクレイピングは相手のサイトに負荷がかからないように、requests.get(target)するときは適宜 time.sleepをいれてくださいな。

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2017/11/12 10:34

    丁寧な解説ありがとうございます!
    無事に解決しまた

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 91.02%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る

  • Python

    5537questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。