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

90.85%

  • Python

    5894questions

    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。

  • Scrapy

    63questions

    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。

PythonのScrapyで画像URLのみを取得する方法が知りたい

解決済

回答 2

投稿

  • 評価
  • クリップ 0
  • VIEW 54

mbase

score 8

ガリガリ君のHPにある画像のsrc属性(絶対URL)を取得するために、以下のコードを書いています。

import scrapy
from scrapy.spiders import CrawlSpider, Rule
from scrapy.linkextractors import LinkExtractor


# ガリガリ君
class AkagiSpider(CrawlSpider):
    name = 'akagi'
    allowed_domains = ['www.akagi.com']
    start_urls = (
        'https://www.akagi.com/products/garigari/soda_stick.html',
        'https://www.akagi.com/products/gatsun/mikan_stick.html',
        )

    rules = (

        # 辿ってほしいリンクの条件(ルール)を指定する
        Rule(LinkExtractor(allow=r'/garigari/.+$'), callback='parse_ice'),

        Rule(LinkExtractor(allow=r'/gatsun/.+$'), callback='parse_ice'),

        )

    def parse_ice(self, response):

        for image_urls in response.css('article .photo figure img::attr("src")').extract():
            image_url = response.urljoin(image_urls)

        yield{
            # 商品名の要素h1の中には<span>が含まれているため、.xpath('string()')でh1以下のすべてのテキストを取得
            'item_name': response.css('#contents article h1').xpath('string()').extract_first().strip(),
            'image': scrapy.Request(image_url),
            'price': response.css('.list_table tr td').xpath('string()').re(r'.+円'),
            'amount': response.css('.list_table tr td').xpath('string()').re(r'.+ml'),
            'maker': '赤城乳業',
        }

画像の絶対URLは取得できるのですが、取得結果のURLに余計な文字列?が入ってしまいます。以下のとおりです。

{'item_name': '大人なガリガリ君贅沢いちご(棒)', 'image': <GET https://www.akagi.com/content/images/products/200gif/otonagari_strawberry.gif>, 'price': ['100円'], 'amount': ['100ml'], 'maker': '赤城乳業'}
2018-06-03 10:25:29 [scrapy.core.scraper] DEBUG: Scraped from <200 https://www.akagi.com/products/garigari/cola_stick.html>
{'item_name': 'ガリガリ君コーラ(棒)', 'image': <GET https://www.akagi.com/content/images/products/200gif/gari_cola_stick.gif>, 'price': ['70円'], 'amount': ['110ml'], 'maker': '赤城乳業'}

ご覧のとおり、'image' の値の先頭にGETが含まれてしまい、タグ<>も取得してしまいます。

最終的には

https://www.akagi.com/content/images/products/200gif/otonagari_strawberry.gif

のように、画像の絶対URLを取得したいです。

おわかりでしたら、教えてください。よろしくお願い致します。

  • 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 2

checkベストアンサー

+1

 'image': scrapy.Request(image_url),

ここを

 'image': image_url,

に書き換えるだけではだめですか?

あるいは

 'image': scrapy.Request(image_url).url,

でも通ると尾は思いますが。

scrapy.RequestはScrapyに次のアクセスを依頼するものですので、URLを取得するのとは少し違いますね。

投稿

  • 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。

  • 2018/06/03 11:26

    'image': image_url, で取得できました。ありがとうございます!

    キャンセル

0

絶対URLは

'image': response.urljoin(image_url),


が正着だと思います。

https://doc.scrapy.org/en/latest/topics/request-response.html#scrapy.http.Response.urljoin


もうurljoinしてますね。失礼しました。どっちかというとurljoinの意味を知らなかったのが問題でしたか。

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。

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 90.85%
  • 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

    5894questions

    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。

  • Scrapy

    63questions

    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。