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!

新規登録して質問してみよう
ただいま回答率
85.48%
スクレイピング

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。

Ruby

Rubyはプログラミング言語のひとつで、オープンソース、オブジェクト指向のプログラミング開発に対応しています。

Q&A

1回答

2284閲覧

ajaxを用いたサイトでのクローラーの作り方

renren643

総合スコア279

スクレイピング

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。

Ruby

Rubyはプログラミング言語のひとつで、オープンソース、オブジェクト指向のプログラミング開発に対応しています。

0グッド

0クリップ

投稿2018/07/19 16:10

capybaraとnokogiriを使ってクローラーを作る練習をしているのですが、
capybaraでvisitした該当ページのhtmlを取得したいのですが、ajaxが使われているようで、各画像が読み込まれるごとに、すでに読み込まれている画像がhtmlから消えてしまう挙動になっているようです。
<div class="Nnq7C weEfm">...</div>に画像が入ってるのですが、新しい<div class="Nnq7C weEfm">...</div>を読み込むと、先頭の<div class="Nnq7C weEfm">...</div>がhtmlから消えてしまいます)

イメージ説明

以下のコードのようにやると、消えていない部分のhtmlはnokogiriでparseできたのですがajaxの部分がうまく行きません。
どのようにしたらいいのでしょうか?

require 'nokogiri' require 'open-uri' require 'capybara' require 'capybara/dsl' require 'selenium-webdriver' class Insta include Capybara::DSL def login Capybara.current_driver = :selenium # Capybara.app_host = "https://paiza.jp/" Capybara.default_max_wait_time = 100 visit('https://www.instagram.com/renamatui27/?hl=ja') doc = Nokogiri::HTML.parse(page.html) doc.xpath('//*[@id="react-root"]/section/main/div/div[2]/article/div[1]/div/div').each do |node| node.xpath('div').each do |n| url = n.xpath('a/div/div[1]/img').attribute('src') visit("#{url}") sleep(2) end end end end crawler = Insta.new crawler.login

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MY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。

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。

guest

回答1

0

Octoparseというクローラーを薦めします。
コードを書くことなく、手軽にデータを取得できます。
ajaxを用いたサイトにも対応できます。

投稿2018/07/24 09:27

編集2019/03/12 02:02
Yuki-Sakuraba

総合スコア163

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。

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

まだベストアンサーが選ばれていません

会員登録して回答してみよう

アカウントをお持ちの方は

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
85.48%

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る

質問する

関連した質問