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

90.32%

  • Python 3.x

    7416questions

    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

    383questions

    スクレイピングとは、公開されているWebサイトからページ内の情報を抽出する技術です。

pythonにおけるスクレイピングで複数ページを取得

受付中

回答 2

投稿

  • 評価
  • クリップ 1
  • VIEW 224

Sunkaze

score 2

 前提・実現したいこと

pythonのbeautifulsoup のスクレイピング機能を使って、複数ページあるサイトのテキスト情報を取得し、csvファイルに書き込みたいと考えています。

 発生している問題・エラーメッセージ

発生している問題として、各ページの最後のテキストの対応して書き出してしまっており、一覧の取得ができていません。
簡略化してサイト構造を示すと、以下のようになります。

    <div class="media_heading">取得したいテキスト1-1</div>
    <div class="media_body"><p>取得したいテキスト1-2</p></div>

    <div class="media_heading">取得したいテキスト2-1</div>
    <div class="media_body"><p>取得したいテキスト2-2</p></div>
~~~~~~~~~~これが続いています~~~~~~~~~~
    <div class="media_heading">取得したいテキスト20-1</div>
    <div class="media_body"><p>取得したいテキスト20-2</p></div>


hogehoge.com/p=1 をforで回して p=8まで取得した場合、csvファイルは

20-1,20-2(p=120-1,20-2)
20-1,20-2(p=220-1,20-2

という感じで8行分出力されてしまいます。
いろいろなサイトを参考にしながら作っているので、キメラ的になり、ほかにもおかしいところや迷惑をかけてしまうところがございましたらお教えください。

 該当のソースコード

import requests
import bs4
import csv
import time

html = "hogehoge.com/p="
with open('output.csv', 'a') as fw:
    writer = csv.writer(fw, lineterminator='\n')

    for i in range(1,9):
        res = requests.get(html + str(i), timeout = 30)

        res.raise_for_status()
        soup = bs4.BeautifulSoup(res.text,"html.parser")
        elems = soup.select('.media_heading')

        for elem in elems:
            name = elem.getText()
            time.sleep =(1)

        body_elems = soup.select('.media_body')
        for body_elem in body_elems:    
            body = body_elem.getText()
            time.sleep =(1)
        writer.writerow([name, body])

    else:
        print("finish")
  • 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

0

nameとbodyの結果がforの間上書きされて最後の一つしか残っていません。
内包表記になりますがそれぞれリストで結果を受け取り最後にnameとbodyを結合するといいと思います。

name = [elem.getText(strip=True) for elem in soup.select('.media_heading')]
body = [body_elem.getText(strip=True) for body_elem in soup.select('.media_body')]

result = [[name_, body_[] for name_, body_ in zip(name, body)]

writer.writerows(result)

time.sleep(1)

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。

  • 2018/07/04 10:25

    回答ありがとうございます。
    こちらで動作させてみたところ、あるページでは機能しました。誠にありがとうございます。
    早速、別のページに適用させようとしたところ、以下のようなエラーが発生しました。
    ---> 15 writer.writerows(result)

    UnicodeEncodeError: 'cp932' codec can't encode character '\xa0' in position 88: illegal multibyte sequence

    unicodeencodeerrorエラーということで、with open の部分でencoding="utf-8"を指定したら解決するか、と思ったのですが、文字化けを起こしてしまいます。
    こちらの対応ももしおわかりでしたら、お教え願えれば幸いです。

    キャンセル

0

pythonはWindowsでしょうか

RequestsとBeautiful Soupでのスクレイピング時に文字化けを減らす。
https://orangain.hatenablog.com/entry/encoding-in-requests-and-beautiful-soup

soup = bs4.BeautifulSoup(res.content,"html.parser")

UnicodeEncodeError: 'cp932' codec can't encode characterが発生したら(Python)
http://techtechfactory.hatenablog.com/entry/2018/02/16/200300

WindowsでCP932(Shift-JIS)エンコード以外のファイルを開くのに苦労した話
https://qiita.com/butada/items/33db39ced989c2ebf644

csvをexcelで開くのでしたらencoding="utf-8_sig"にするといいようです。

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。

同じタグがついた質問を見る

  • Python 3.x

    7416questions

    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

    383questions

    スクレイピングとは、公開されているWebサイトからページ内の情報を抽出する技術です。