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

91.35%

  • Python 3.x

    2414questions

    Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

URLのリストからページデータそのものをダウンロードし、csvシートを作成したい

解決済

回答 2

投稿 2017/11/21 17:43

  • 評価
  • クリップ 0
  • VIEW 54

youkiti

score 3

Python 3.4です。

手元にURLリストを持っており、それを元にしてリンク先のページのhtmlデータを一括してデータシートにしたいと考えています。
データを手に入れるところまでは上手く行っていそうなのですが、書き込むところが上手く行きません。
お助けいただければ幸いです。

import pandas as pd
#urlリストを定義
data = pd.read_table("data.csv", encoding="utf-8")
urls = data["url"]

import bs4
import urllib.request
import csv

#データ抽出
for url in urls:
    html = urllib.request.urlopen(url)
    soup = bs4.BeautifulSoup(html, 'html.parser')

    page=soup.find_all("div")

#csvに出力 #一つのマスに1ページのデータを入れたい
#ここが上手く動かない
    f = open('output.csv', 'w' , encoding='UTF-8')
    writer = csv.writer(f, lineterminator='\n')
    csvlist = []
    csvlist.append(page)    

# 出力 
    writer.writerow(csvlist)

# ファイルクローズ
    f.close()
  • 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。

質問への追記・修正、ベストアンサー選択の依頼

  • can110

    2017/11/21 17:55

    うまく行かないの詳細と、得たいCSVファイルの具体的なデータ例(内容)を追記ください。

    キャンセル

  • youkiti

    2017/11/22 06:50

    不十分な質問で申し訳ありません。最終的には、"URL", "page"と2列になったデータシートを作成し、別のソフトで解析を考えています。現状としては、pageで、<div>XXX</div><div>YYY</div><div>ZZZ</div>みたいなページのデータの取得までは上手く行くのですが、csvに書き込もうとすると、あいだの,を認識してしまうためか、一つのページが一つのセルではなく複数行にまたがってしまいます。

    キャンセル

  • can110

    2017/11/22 09:23

    複数行にまたがってしまうのは書込時ではなくCSVを開いた結果表示上ではないでしょうか?とりあえずその前提で回答しました。

    キャンセル

回答 2

checkベストアンサー

0

quotecharで項目を"などで囲むことができます。
これによりExcelなど普通のソフトであれば、カンマや改行を含んでいても1セルとして読み込めます。
またquoting=csv.QUOTE_MINIMALを指定することで、カンマや改行を含まない項目には囲み文字をつけないようにもできます。
参考:14.1. csv — CSV ファイルの読み書き

コード例

import csv
rows = [['url1','aaa'],['url2','bbb,ccc\nddd']]
with open('output.csv', 'w', newline='') as f:
    writer = csv.writer( f, quotechar='"', quoting=csv.QUOTE_MINIMAL)
    for row in rows:
        writer.writerow(row)

Excelで開いた結果
イメージ説明

投稿 2017/11/22 09:19

  • 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。

  • 2017/11/23 15:27

    ありがとうございました。助かりました。

    キャンセル

0

シリアライズ等処理等が必要なのではないかと思います。

投稿 2017/11/21 17:55

  • 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。

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

91.35%

関連した質問

同じタグがついた質問を見る

  • Python 3.x

    2414questions

    Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。