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
python
1from robobrowser import RoboBrowser 2 3browser =RoboBrowser(parser='html.parser') 4# htmlパーサーを選択 5 6browser.open('https://www.google.co.jp/') 7# グーグルのトップページを開く 8 9form = browser.get_form(action='/search') 10# グーグルからフォームを取得 11 12form["q"] = 'python' 13# フォームのqという名前のフィールドに検索語を入力 14# inputタグがname="q"となっている 15 16browser.submit_form(form,list(form.submit_fields.values())[0]) 17# 一つ目のボタンを押す 18 19for a in browser.select('h3 > a'): 20 print(a.text) 21 print(a.get('href')) 22
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
回答1件
あなたの回答
tips
プレビュー
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。
2018/06/07 09:28