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
85.50%
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。

Anaconda

Anacondaは、Python本体とPythonで利用されるライブラリを一括でインストールできるパッケージです。環境構築が容易になるため、Python開発者間ではよく利用されており、商用目的としても利用できます。

Python

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。

Q&A

解決済

1回答

629閲覧

Pythonのrequestsを使った画像スクレイピングについて

KokiInoue

総合スコア16

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。

Anaconda

Anacondaは、Python本体とPythonで利用されるライブラリを一括でインストールできるパッケージです。環境構築が容易になるため、Python開発者間ではよく利用されており、商用目的としても利用できます。

Python

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。

0グッド

1クリップ

投稿2018/08/13 08:46

Pythonのライブラリのrequestsを使って画像スクレイピングを行おうとしているのですが、srcタグの中身をうまく読み取ってくれず困っております。

python

1from bs4 import BeautifulSoup 2import requests 3 4url = "http://www.apple.com/jp/itunes/charts/free-apps/" 5images = [] # 画像リストの配列 6 7soup = BeautifulSoup(requests.get(url).content, 'lxml') # beautifulsoupでURL内解析 8 9for link in soup.find_all("img"): 10 if link.get("src").endswith(".jpg"): # imgタグ内の.jpgで終わるsrcタグを取得 11 images.append(link.get("src")) # imagesリストに格納 12 elif link.get("src").endswith(".png"): # imgタグ無いの.pngで終わるsrcタグを取得 13 images.append(link.get("src")) # imagesリストに格納 14 15for target in images: #imegesからtargetに入れる 16 re = requests.get(target) 17 with open("img/" + target.split('/')[-1], "wb") as f: #imgフォルダに格納(imgフォルダをあらかじめ作成しておく) 18 f.write(re.content) # .contentにて画像データとして書き込む 19 20print("finished")

ソースコードはこのようになっております。

python

1re = requests.get(target)

この行でエラーが発生しており、エラーコードは

MissingSchema: Invalid URL '/autopush/jp/itunes/charts/free-apps/images/2018/8/2318f495237310ba4905a4fbf07a7ab3fa2073f0f0559963092414d22acaa292.jpg': No schema supplied. Perhaps you meant http:///autopush/jp/itunes/charts/free-apps/images/2018/8/2318f495237310ba4905a4fbf07a7ab3fa2073f0f0559963092414d22acaa292.jpg?

このようになっております。srcタグの中身を取り出すことはできているのですが、それをrequestsが処理をしてくれていないように思われます。
画像スクレイピングは初めてで対処の仕方がまったく分からず困っております。
対処法ご存知の方がいらっしゃいましたらご教示いただきたいです。よろしくお願い致します。


ソフトウェア情報
Python3-anaconda custom
requests-2.19.1
Jupyter notebook使用

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

ベストアンサー

urljoinを使って相対URLから絶対URLに正規化してくださいな。

■参考情報
Anacondaで画像収集

投稿2018/08/13 12:53

umyu

総合スコア5846

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。

KokiInoue

2018/08/14 03:05

まったく同様の質問があったのですね。調査不足でした。 ご回答ありがとうございます。
guest

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

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
85.50%

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