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

90.34%

  • Python

    9285questions

    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

    7451questions

    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

    384questions

    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。

スクレイピングしたい...

解決済

回答 1

投稿 編集

  • 評価
  • クリップ 1
  • VIEW 438

pythonでスクレイピングについて学習しています。
先日こちらのサイトで大変参考になる解答をしていただいたのですがどうしても自分の抜き出したい情報を抜き出す方法がわからなかったので再び質問させていただきます。
スクレイピングで抜き出すためのURLは以下の通りです。
https://movies.yahoo.co.jp/review/
このサイトはヤフー映画のユーザーを閲覧できるサイトなのですがトップである新着ユーザーレビューのページでは各映画に対するレビューが途中までしか表示されていません。前回解答いただいたコードでトップページに表示されたいるユーザーレビューは抜き出せるのですがレビュー全文を抜き出せません。
レビューの全文を抜き出すにはほかにURLをたどって、たどった先のURLもコードに書き込む必要があるのでしょうか?

import urllib.request
from bs4 import BeautifulSoup

url = 'https://movies.yahoo.co.jp/review/'

ua = 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_3) '\
'AppleWebKit/537.36 (KHTML, like Gecko) '\
'Chrome/55.0.2883.95 Safari/537.36 '

req = urllib.request.Request(url, headers={'User-Agent': ua})
html = urllib.request.urlopen(req)
soup = BeautifulSoup(html, "html.parser")

reviews = soup.find_all("p",text=True, class_="text-xsmall text-overflow clear no-space-bottom" ,)

for review in reviews:
    r = review.string 
    print(r.replace(' ',''))


un_reviews = soup.find_all("p", class_="text-xsmall clear")

for un_review in un_reviews:
    u_r = un_review.string 
    print(u_r.replace(' ',''))
  • 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

+1

新着ユーザーレヴューのページから各レヴューのURLを取得して、各URLに対してリクエストをして、レヴューを取得するようにします。
1つの文字列として取得しています。
改行が必要な場合は<br>タグを変換すれば可能かと思います。

import requests
from bs4 import BeautifulSoup

URL = "https://movies.yahoo.co.jp/review/"
BASE_URL = "https://movies.yahoo.co.jp"

soup = BeautifulSoup(requests.get(url=URL).content, "lxml")

links = soup.find_all("a", class_="listview__element--right-icon")

review_urls = []
for link in links:
    review_urls.append(f"{BASE_URL}{link.get('href')}")

results = []
for review_url in review_urls:
    soup = BeautifulSoup(requests.get(url=review_url).content, "lxml")
    results.append(soup.find("p", class_="text-small text-break text-readable p1em").text.strip())

[print(result) for result in results]   

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。

  • 2018/07/24 16:22

    大変参考になりました!!ありがとうございます(^^♪

    キャンセル

  • 2018/07/24 16:50

    書き忘れていたのですが、すべての新着ユーザーレヴューページに対してリクエストしてスクレイピングをする場合、time.sleep()を使うなどしてアクセスの間隔を数秒程度空けるようにしてくださいね。

    キャンセル

  • 2018/07/25 22:25

    ありがとうございます!
    引き続きがんばって勉強していきます。

    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 90.34%
  • 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

同じタグがついた質問を見る

  • Python

    9285questions

    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

    7451questions

    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

    384questions

    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。