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

90.61%

  • Python

    7497questions

    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。

  • Python 3.x

    5905questions

    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。

スクレイピングで取得した情報だけではなく、URLの一部に用いたパラメータも書き出したい

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 128

etherwind

score 4

 前提・実現したいこと

スクレイピング用のコードを書いています。目当ての情報をウェブから取得して保存するところまでできました。
このコードに、アクセス用のURLを作る上で用いたURLのパラメータも書き出す機能を追加したいと思っています。

 詳細

現状は、下記のように取得した"('h2')"の情報がただ並んでいるだけのデータができます。

('h2')
('h2')
('h2')
.
.
.

これを、

{page_id}
('h2')
{page_id}
('h2')
{page_id}
('h2')


という風にし、どのパラメータの情報なのかわかるようにしたいです。
今のままでは、情報は取得できるけど、どのパラメータの情報なのかわからないので不便なのです。

どなたか正解例がわかる方、宜しくお願いします。

 該当のソースコード

import requests, bs4
import csv
import time

def scrape(url, csv_writer):
    res = requests.get(url)
    res.raise_for_status()
    soup = bs4.BeautifulSoup(res.text, "html.parser")
    elems = soup.select ('h2')
    for elem in elems:
        print(elem)
        csv_writer.writerows(elems)

    time.sleep(1)

def main(f):
     writer = csv.writer(f)
     with open('id_list.txt') as f:
          page_id_list = [int(row) for row in f]
     for page_id in page_id_list:
          print(page_id)
          scrape(f'https://news.yahoo.co.jp/pickup/{page_id}', writer)

if __name__ == '__main__':
    with open('news.csv', 'w', encoding='CP932', errors='ignore') as f:
        main(f)

 試したこと

print(page_id)でパラメータを表示できたので、csv_writer.writerows(page_id)とかf.write(page_id)というコードが有効だと思ったのですが、どこに書き込んでもエラーが出てしまいました。

  • 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

0

scrape関数内ではpage_idは引数でも変数としても定義されていないので使えません。scrape呼び出し元から引数として渡してやればいいでしょう。

def scrape(url, page_id_for_scrape, csv_writer): # 変更
    res = requests.get(url)
    res.raise_for_status()
    soup = bs4.BeautifulSoup(res.text, "html.parser")
    elems = soup.select ('h2')
    for elem in elems:
        print(elem)
        csv_writer.writerows(elems)
    csv_writer.write(page_id_for_scrape)  # 変更

    time.sleep(1)

def main(f):
     writer = csv.writer(f)
     with open('id_list.txt') as f:
          page_id_list = [int(row) for row in f]
     for page_id in page_id_list:
          print(page_id)
          scrape(f'https://news.yahoo.co.jp/pickup/{page_id}', page_id, writer) # 変更

ちなみにcsv_writer.writerows(elems)csv_writer.writerows(elem)のあやまりですかね?

あと、page_idを引数として渡さなくともURLの末尾にあることがかわらないのであれば以下のようにするのもありでしょうか。

import requests, bs4
import csv
import time

def scrape(url, csv_writer):
    res = requests.get(url)
    res.raise_for_status()
    soup = bs4.BeautifulSoup(res.text, "html.parser")
    elems = soup.select ('h2')
    for elem in elems:
        print(elem)
        csv_writer.writerows(elems)
    page_id_for_scrape = url.split('/')[-1]  # /区切りの末尾を取得
    csv_writer.write(page_id_for_scrape)  # 変更

    time.sleep(1)

def main(f):
     writer = csv.writer(f)
     with open('id_list.txt') as f:
          page_id_list = [int(row) for row in f]
     for page_id in page_id_list:
          print(page_id)
          scrape(f'https://news.yahoo.co.jp/pickup/{page_id}', writer)

if __name__ == '__main__':
    with open('news.csv', 'w', encoding='CP932', errors='ignore') as f:
        main(f)

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。

  • 2018/06/18 23:05

    素早いご回答ありがとうございます。
    とりあえず、一つ目のご提案の方をコピペで試してみたのですが、「AttributeError: '_csv.writer' object has no attribute 'write'」エラーが出てしまいました。
    コードは質問用に組んだもので、実際のコード上では「page_id」がURLの中ほどにあるのですm(_ _)m

    キャンセル

  • 2018/06/18 23:07

    id_list.txtの中身です

    6286588
    6286594
    6286582

    キャンセル

  • 2018/06/18 23:15

    申し訳ないです。`csv_writer.write(page_id_for_scrape)`が誤っていました。

    `csv_writer.writerow([page_id_for_scrape])`で差し替えてみてどうなりますか?

    キャンセル

  • 2018/06/18 23:19

    ありがとうございます。修正コードに差し替えたところ、無事実現したいことができましたm(__)m
    (elems)と(elem)の違いについてはわかりませんが、どちらでも動くので、(elem)の方に直したほうがいいのかな、というレベルの知識しかないです。すみません。
    とりあえず解決はしたのでクローズとさせていただきます。denzowさんありがとうございました。

    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 90.61%
  • 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

    7497questions

    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。

  • Python 3.x

    5905questions

    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。