スクレイピングで取得したデータの一部しかcsvに書き込めません
解決済
回答 2
投稿
- 評価
- クリップ 0
- VIEW 1,266
取得したデータすべてをcsvに書き込むにはどうしたら教えていただけたら幸いです。
よろしくお願いいたします。
# _*_ coding:utf-8 _*_
require 'anemone'
require 'nokogiri'
require 'open-uri'
require 'kconv'
require 'csv'
urls = ['http://www.amazon.co.jp/product-reviews/ISBNの番号/ref=cm_cr_pr_btm_link_1?ie=UTF8&showViewpoints=0&sortBy=recent&reviewerType=all_reviews&formatType=all_formats&filterByStar=all_stars&pageNumber=1']
opts = {
:depth_limit => false,
:obey_robots_txt => true,
:delay => 3
}
Anemone.crawl(urls, opts) do |anemone|
anemone.skip_links_like /next_+|prev+|unsticky/
anemone.focus_crawl do |page|
page.links.keep_if { |link|
link.to_s.match(
/product-reviews\/ISBNの番号\/ref=cm_cr_pr_btm_link_/)
}
end
PATTERN =
%r[ref=cm_cr_pr_btm_link_]
anemone.on_pages_like(PATTERN) do |page|
doc = Nokogiri::HTML.parse(page.body.toutf8)
retxt = []
tit = []
hyo = []
retim = []
renam = []
san = []
reviewtext = doc.xpath("//span[@class='a-size-base review-text']")
title = doc.xpath("//a[@class='a-size-base a-link-normal review-title a-color-base a-text-bold']")
hyoka = doc.xpath("//div[@class='a-section review']/div[2]/a[1]/i/span")
reviewtime = doc.xpath("//div[@class='a-section review']/div[3]/span[4]")
reviewname = doc.xpath("//*[@class='a-section review']/div[3]/span[1]/a")
sankou = doc.xpath("//*[@class='a-section review']/div[1]/span")
reviewtext.each do |node|
retxt << node.text
end
title.each do |node|
tit << node.text
end
hyoka.each do |node|
hyo << node.text
end
reviewtime.each do |node|
retim << node.text
end
reviewname.each do |node|
renam << node.text
end
sankou.each do |node|
san << node.text
end
puts sankou.text, reviewtext.text, title.text, hyoka.text, reviewtime.text, reviewname.text, sankou.text
File.open('hibana2.csv', 'w') do |csv|
retxt.length.times do |i|
csv << [retxt[i], tit[i], hyo[i], retim[i], renam[i], san[i]]
end
end
end
end
#sankou = doc.xpath("//div[@style='margin-left:0.5em;']/div[@style='margin-bottom:0.5em;']").text
-
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
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。
- 質問回答など一定の行動
-
メールアドレスの認証
メールアドレスの認証
-
質問評価に関するヘルプページの閲覧
質問評価に関するヘルプページの閲覧
checkベストアンサー
0
CSV.open("hibana2.csv", "wb") do |csv|
retxt.length.times do |i|
csv << [retxt[i], tit[i], hyo[i], retim[i], renam[i], san[i]]
end
end
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。
0
File.open('hibana2.csv', 'w')
しているので、ループごとにファイルを上書きして、最後のページの分しか残っていないということではないでしょうか。
openをループの外に出すのが簡単な変更ですね。
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。
2015/07/31 18:08
ご指摘のとおりに修正して試してみましたがこれまでと同じように一部しかcsvに書き込まれません。
データ取得自体はできていると思います(コマンドプロンプト上に表示されているので)。
2015/07/31 18:12
2015/07/31 18:20
一括で書き込みするなら、
結果を格納する配列(retxt,tit,hyo,retim,renam,san)の宣言部をAnemone.crawlブロックの前、CSV.openをAnemone.crawlブロックの後に出してみてください。
毎行追加するなら、CSV.openブロックの位置は変えずに、
CSV.open("hibano2.csv", 'a') do |csv|
csv << [sankou.text, reviewtext.text, title.text, hyoka.text, reviewtime.text, reviewname.text, sankou.text]
end
で行けると思います。
多分、ここだと思います。
2015/07/31 18:43
書き込みに成功したのが10件で、コマンドプロンプト上で最後に表示されていたので、最後にクローリングで取得したページに載っているレビューのデータ10件分が書き込まれていると思います。
2015/08/01 00:01