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

90.34%

  • Python 3.x

    7367questions

    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。

robobrowserでgoogle検索。取得できたurlと実際に表示されるurlの違いについて

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 294

grilled_python

score 172

スクレイピングの自動化をする際に、robobrowserを使用しようと思い、以下のコードを実行しました。pythonという単語で上位10件のurlを取得することが出来ました。
しかしそのurlからリンク先に飛んでみると、404などが多いことに気が付きました。

実際にブラウザを開き、グーグルから同じpythonという単語を入力するとリンクが切れているページはありません。
これはどういう事なのでしょうか?また、どのようにすれば手作業の閲覧したページのurlを取得することができるでしょうか?よろしくお願いいたします。

グーグルから「python」という単語を検索

from robobrowser import RoboBrowser

browser =RoboBrowser(parser='html.parser')
# htmlパーサーを選択

browser.open('https://www.google.co.jp/')
# グーグルのトップページを開く

form = browser.get_form(action='/search')
# グーグルからフォームを取得

form["q"] = 'python'
# フォームのqという名前のフィールドに検索語を入力
# inputタグがname="q"となっている

browser.submit_form(form,list(form.submit_fields.values())[0])
# 一つ目のボタンを押す

for a in browser.select('h3 > a'):
    print(a.text)
    print(a.get('href'))


実行結果の上位三件だけ書きます。

Welcome to Python.org
/url?q=https://www.python.org/&sa=U&ved=0ahUKEwiFn5akusDbAhWGG5QKHTbRB0MQFggUMAA&usg=AOvVaw06k4cK-kTRbLmERjq5ExMU
専門知識いらず!Pythonとは?言語の特徴から網羅的に徹底解説 | 侍 ...
/url?q=https://www.sejuku.net/blog/7720&sa=U&ved=0ahUKEwiFn5akusDbAhWGG5QKHTbRB0MQFggfMAE&usg=AOvVaw1quffJiatq_wDyYTRtapMW
Python - ウィキペディア
/url?q=https://ja.wikipedia.org/wiki/Python&sa=U&ved=0ahUKEwiFn5akusDbAhWGG5QKHTbRB0MQFggpMAI&usg=AOvVaw1Q3vLCegiqQigy-NIqrrx5


スクリプトが取得してきたurlのリンク先

python公式
侍エンジニア塾
wkipedia

  • 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

+1

通常のブラウザ操作で得られる検索結果ページ(HTML)と提示コードで得られる結果は異なっていると思われます。
提示された文字列/url?q=~から目的の文字列を得るには'\?q\=(.+?)&'のような正規表現で可能だと思われますが、google検索結果のスクレイピングは認められていないようです。
詳細は以下を確認ください。
Rubyで作るクローラーについて2
自動化されたクエリ

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。

  • 2018/06/07 18:28

    googleへのスクレイピン自体が違反なのですね。知りませんでしたありがとうござます。よくリンクを見ると似たような文字列が後ろにくっついてきているだけのようですのでアドバイス通り正規表現で取得してみます。

    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 90.34%
  • 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

同じタグがついた質問を見る

  • Python 3.x

    7367questions

    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。