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!

新規登録して質問してみよう
ただいま回答率
85.50%
Python 3.x

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。

Scrapy

Scrapyは、Pythonで開発されたオープンソースソフトウェアです。スクレイピングという、Webサービスから必要な情報を取り出したり自動操作をしたりする技術を使うものです。

Q&A

1回答

2342閲覧

scrapyによる要素の取得方法 Yahooニュース記事タイトル

chapin

総合スコア80

Python 3.x

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。

Scrapy

Scrapyは、Pythonで開発されたオープンソースソフトウェアです。スクレイピングという、Webサービスから必要な情報を取り出したり自動操作をしたりする技術を使うものです。

0グッド

1クリップ

投稿2018/04/08 16:46

編集2022/01/12 10:55

前提・実現したいこと

scrapyの練習としてhttps://www.yahoo.co.jp/からYahooニュース記事タイトルをスクレイピングしようとしています。
方法はscrapyのsehllからコマンドを入力し、逐一結果を確認しています。
コマンド入力としては
scrapy shell https://www.yahoo.co.jp/
を入力後、
response.xpath('//*[@id="topicsfb"]/div[1]/ul[1]/li[1]/a/text()').extract()
を入力しています。
その結果が[]のみとなります。

私の考えでは、現在ですとニュースタブのニュース一番上の”5遺体発見「なぜ」住民に衝撃”が返ってくると想定しています。
しかしながら[]が返ってくる理由が分かりません。[]は一体何を表しているのでしょうか?

また、どのようにすればニュース一番上の文字のみをxpathを使って抽出することができるのでしょうか?

発生している問題・エラーメッセージ

>>> response.xpath('//*[@id="topicsfb"]/div[1]/ul[1]/li[1]/a/text()').extract()
[]

試したこと

ヤフーニュースのスクレイピングの前に練習としてscrapy公式ドキュメントで以下の要素取得には成功しています。
https://doc.scrapy.org/en/latest/topics/selectors.html
スクレイピング対象URL:https://doc.scrapy.org/en/latest/_static/selectors-sample1.html

(コマンド入力内容とその結果)
(myenv) C:\Users\user>scrapy shell https://doc.scrapy.org/en/latest/_static/sele
ctors-sample1.html
...
...
...
>>> response.xpath('//*[@id="images"]/a[2]')
[<Selector xpath='//*[@id="images"]/a[2]' data='<a href="image2.html">Name: My i mage 2 <'>]

こちらのように欲しい要素を取得することはできています。またやり方としてグーグルクロームを使ってxpathでコピーしています。
xpathに問題が有ることも考えられません。

[]の結果になることを公式ドキュメント内でもその他の情報源からも探してみましたが、手がかりになるものを見つけることができませんでした。

4/11追記
ヤフーニュース(co.jp)のスクレイピングができませんと記しましたが、その後原因を調べるためにいろいろ試しました。その途中経過を記します。
teratailでメルカリのscrapyができないのでその結果を確認しました。結果は[]のみ(ヤフーニュースと同じ結果。)
ヤフーファイナンスで自動取得が禁止されているとのことでしたので確認しました。結果は指定した要素を取得できました。
私の考えでは、スクレイピングが禁止されている対象では、何らかの方法でscrapyが上手く起動せず[]のみ結果が吐き出されるのではないかと思っていましたが、それはないみたいです。
yahoo.comのニュースもスクレイピングしてみましたが[]のみの結果が吐き出されました。英文から原因を調べてみようと思います。

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MY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。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

guest

回答1

0

はじめまして

Xpathははじめての者です。
さっきチュートリアルを参考に実行した内容ですが
こんな感じになりました。
たぶんですが、もう少しHPの構造を解析すれば
もっとスマートに記事の見出しが抽出可能だと思います。


E:\source\react\react-simple-boilerplate>scrapy shell https://www.yahoo.co.jp/

In [1]: response.selector.xpath('//a//text()').extract() Out[1]: ['ヘルプ', 'Internet Explorerの互換表示について', 'みんなの好きな温泉地や温泉宿をランキングで紹介', '笑笑や白木屋の飲み放題プランがネット予約でお得', '加計 元秘書官を首相「信頼」', '財務次官にセクハラ発言報道', '新生児取り違え 被害者が告白', '大阪城の堀で男性死亡 転落か', '「梅ケ枝餅」無断使用 逮捕へ', '38ノースの米韓研究所 閉鎖へ', '夏の甲子園 外野は大人500円', '二宮&伊藤綾子アナがデート', 'もっと見る', '記事一覧', '捜索続く', 'ショッピング', 'ヤフオク!', 'LOHACO', '旅行、ホテル予約', '一休.com', 'ニュース', '天気', 'スポーツナビ', 'ファイナンス', 'テレビ', 'GYAO!', 'ゲーム', 'Yahoo!モバゲー', '地図', '路線', '食べログ', '求人、アルバイト', '不動産', '自動車', '掲示板', 'ブログ', '美容、ダイエット', '恋愛、婚活', '>>サービス一覧', 'ログイン', '新規取得', 'メール', 'メールアドレスを取得', 'カレンダー', 'カレンダーを活用', 'ポイントを確認', 'ログイン履歴を確認', '会社概要', '投資家情報', '社会的責任', '企業行動憲章', '広告掲載について', '採用情報', '利用規約', '免責事項', 'メディアステートメント', 'プライバシーポリシー'] In [2]:

投稿2018/04/11 11:30

kawakawa2018

総合スコア1195

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

chapin

2018/04/12 11:36

ありがとうございます!ヤフーのページからスクレイピングできることが分かりましたので、あとは適切なXpathを入力できるかということですね。試行錯誤してみます。ありがとうございます。
guest

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

まだベストアンサーが選ばれていません

会員登録して回答してみよう

アカウントをお持ちの方は

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
85.50%

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る

質問する

関連した質問