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%
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。

selenium

Selenium(セレニウム)は、ブラウザをプログラムで作動させるフレームワークです。この原理を使うことにより、ブラウザのユーザーテストなどを自動化にすることができます。

Q&A

解決済

2回答

367閲覧

任意のサイトが更新されたら情報を取得する

renren643

総合スコア279

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。

selenium

Selenium(セレニウム)は、ブラウザをプログラムで作動させるフレームワークです。この原理を使うことにより、ブラウザのユーザーテストなどを自動化にすることができます。

0グッド

0クリップ

投稿2018/08/15 13:57

任意のサイトが更新されたら情報を取得しに行くようなクローラーを作りたいんですが、どのようにやるのでしょうか?

一つ考えたのは、(例えばツイッターなら)
1、現時点までにされたツイートを全て取得し、DBに保存
2,cronで定期実行できるようにし、(例えば1分間隔で)ツイートを取得
3,そのツイートがDBにあれば最新ツイートとして保存、なければまだ更新されていないとする

というのがあるかと思うのですが、
この方法以外に考えられる方法はあるでしょうか?

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2

0

RSS等を配信しているサイトなら、それを見るという手もありますね。

DBに何を入れるか等は工夫のしどころですね。まずはwebページからほしいコンテンツだけうまく取り出す方法を考えてみれば良いと思います(まるごとドバっと保存する、というのも一つの考え方ですが)。


twitter社はその手のスクレイピングを許可なく行うことを禁じています。

同様の規約はいろいろなサービスに存在しているので、ご注意ください。

投稿2018/08/15 15:09

hayataka2049

総合スコア30933

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。

renren643

2018/08/16 19:06

ありがとうございます。 気をつけます
guest

0

ベストアンサー

すべて取得しなくとも、1画面分取得してMD5でも算出しておいてこれをハッシュ値として、次回サンプリングのハッシュ値と比較すればいいんでないかと。

たまたまハッシュ値が一緒になってたとしても、その次回、次次回のハッシュ値比較で必ず拾えるでしょ。

#絶対にサンプル時に検出しなければならないという要求仕様なら、全取得、全比較しかないだろうけど

投稿2018/08/15 14:54

y_waiwai

総合スコア87719

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。

renren643

2018/08/16 19:06

なるほど、そういった手法もあるのですね
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