（nokogiriでスクレイピング）xpathが正しいのに、取得できない

Question

nokogiriというスクレイピングライブラリを使ってスクレイピングしたいのですが、
例えば、このサイトの「店長からひと言」のhtmlを取得したい時、
xpathを抜き出してくれるchromeのアドオンでは、xpathは以下のようになっており、

consoleからxpathを確認しても、取得できているはずです。

しかし、以下のコードを実行しても無反応です。何も帰ってきません。

# ==================
# gemの読み込み
# ==================
require 'nokogiri'
require 'open-uri'

# ==================
# 定数宣言
# ==================
URL = "http://www.mpo.ne.jp/osaka/tenpo/esaka_shop/esaka.htm"

# ==================
# スクレイピング処理
# ==================

# 変数宣言
charset = nil
# webページにアクセスし、HTMLを取得
html = open(URL) do |f|
  charset = f.charset # 文字種別を取得
  f.read              # htmlを読み込んで変数htmlに渡す
end


# nokogiriで扱えるように取得したHTMLを変換
doc = Nokogiri::HTML.parse(html, nil, charset)

puts doc.xpath("/html/body[@class='vsc-initialized']/div[@id='top']/div[@id='contents']/div[@id='main']/table[1]/tbody/tr[1]/td[1]")

これはどういうことなのでしょうか？

Answer 1

スクレイピングツールOctoparseを使ってみてください。
コードを書くことなく、手軽にデータを取得できます。
xpathに関する知識があれば、このツールがうまく使えます。

Answer 2

ChromeでVideo Speed Controllerという拡張を用いているのなら
外すなり停止するなりプライベートウィンドウを用いるなりしてください

Comments

[renren643]

できました。外してから確認するとxpathが変わっていました。
ありがとうございます。

でもなぜこれが原因ということがすぐわかったのでしょうか？
自分はまさかアドオンが原因だとは思いもしませんでした。

[asm]

「ページのソースを表示」で表示されるHTMLと提示されたxpathを見比べると
/body[@class='vsc-initialized']
が合致しない事がわかります。

あとは'vsc-initialized'をググったところ当該拡張が浮かび上がった感じです

[otn]

XPathを教えてくれるツールを使うのは良いのですが、HTMLソース表示での確認が必要です。
アドインによる影響はレアだと思いますが、JavaScriptで動的に追加しているタグだったりすることは多いです。その場合はopen-uriでは対応できません。

[asm]

さらに加えるのならば、極稀にUserAgentで返すHTMLを変えるサイトもありますね

[renren643]

なるほど、「ページのソースを表示」で確認しなければいけないのですね。ありがとうございました。

[renren643]

再度質問失礼します。
ということは、この例において「puts doc」した時に表示されているhtmlの中にあるものは全て取得可能ということでしょうか？

[asm]

puts doc.to_html
で表示されるhtmlの任意のノードを取得する事ができます