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。

Go

Go(golang)は、Googleで開発されたオープンソースのプログラミング言語です。

JavaScript

JavaScriptは、プログラミング言語のひとつです。ネットスケープコミュニケーションズで開発されました。 開発当初はLiveScriptと呼ばれていましたが、業務提携していたサン・マイクロシステムズが開発したJavaが脚光を浴びていたことから、JavaScriptと改名されました。 動きのあるWebページを作ることを目的に開発されたもので、主要なWebブラウザのほとんどに搭載されています。

HTML

HTMLとは、ウェブ上の文書を記述・作成するためのマークアップ言語のことです。文章の中に記述することで、文書の論理構造などを設定することができます。ハイパーリンクを設定できるハイパーテキストであり、画像・リスト・表などのデータファイルをリンクする情報に結びつけて情報を整理します。現在あるネットワーク上のほとんどのウェブページはHTMLで作成されています。

Q&A

2回答

2575閲覧

Go言語とPhantomJSを用いて動的サイトを取得したい

nomi

総合スコア32

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。

Go

Go(golang)は、Googleで開発されたオープンソースのプログラミング言語です。

JavaScript

JavaScriptは、プログラミング言語のひとつです。ネットスケープコミュニケーションズで開発されました。 開発当初はLiveScriptと呼ばれていましたが、業務提携していたサン・マイクロシステムズが開発したJavaが脚光を浴びていたことから、JavaScriptと改名されました。 動きのあるWebページを作ることを目的に開発されたもので、主要なWebブラウザのほとんどに搭載されています。

HTML

HTMLとは、ウェブ上の文書を記述・作成するためのマークアップ言語のことです。文章の中に記述することで、文書の論理構造などを設定することができます。ハイパーリンクを設定できるハイパーテキストであり、画像・リスト・表などのデータファイルをリンクする情報に結びつけて情報を整理します。現在あるネットワーク上のほとんどのウェブページはHTMLで作成されています。

0グッド

0クリップ

投稿2018/08/17 02:21

編集2018/08/17 02:24

質問

PhantomJSを使えばJavascriptで動的に生成されたHTMLを取得できるという情報を見ました。そこで、Go言語とPhantomJSを使用してページのHTMLを取得しました。ですが、JavaScriptを実行する前のような状態のHTMLが取得されてしまいました。どうすればJavaScript実行後の状態を取得できるのでしょうか?

使用サイトは CSAcademyというサイトのコンテスト一覧ページです

ソースコード

Go

1package main 2 3import ( 4 "fmt" 5 "log" 6 7 "github.com/sclevine/agouti" 8) 9 10func main() { 11 // PhantomJSを使うための処理 12 driver := agouti.PhantomJS() 13 if err := driver.Start(); err != nil { 14 log.Fatalf("Failed to start driver:%v", err) 15 } 16 defer driver.Stop() 17 18 page, err := driver.NewPage(agouti.Browser("phantomjs")) 19 if err != nil { 20 log.Fatalf("Failed to open page:%v", err) 21 } 22 23 // URLにアクセス 24 url := "https://csacademy.com/contests/" 25 if err := page.Navigate(url); err != nil { 26 log.Fatalf("Failed to navigate:%v", err) 27 } 28 29 // HTMLを取得する 30 content, err := page.HTML() 31 if err != nil { 32 log.Fatalf("Faild to get html:%v", err) 33 } 34 35 // 取得したHTMLを表示する 36 fmt.Println(content) 37} 38

実行コマンド

bash

1go run file.go > result.txt

実行結果(result.txt)

<!DOCTYPE html><html xmlns="http://www.w3.org/1999/xhtml" xmlns:fb="http://ogp.me/ns/fb#"><head> <title>CS Academy</title> <meta charset="utf-8"> <meta name="description" content="CSAcademy is a next generation educational platform. Discover computer science with interactive lessons and a seamless online code editor."> <script type="text/javascript" charset="utf-8" async="" data-requirecontext="_" data-requiremodule="Bundle" src="/static/js/bundle.js?cachebust=57"></script></head><body> <meta property="og:image" content="/static/icon.png"> <link rel="image_src" href="/static/icon.png"> <link rel="icon" type="image/png" href="/static/favicon.png"> <link rel="stylesheet" href="/static/katex/katex.min.css"> <link rel="stylesheet" href="/static/css/lato-font.css"> <link rel="stylesheet" href="/static/css/ext/font-awesome.min.css"> <link rel="stylesheet" href="/static/css/csacademy.css?v=1"> <script> var JS_VERSION = 57; var SERVER_PAGE_LOAD = 1534471523.5276768; var SERVER_TIME_OFFSET = Date.now() / 1000.0 - SERVER_PAGE_LOAD; var WEBSOCKET_URL = ["wss://ws3.csacademy.com", "wss://ws1.csacademy.com", "wss://ws2.csacademy.com"]; var USER = {"isAuthenticated": false}; </script> <script src="/static/js/ext/min/polyfill.min.js"></script> <script src="/static/js/ext/require.js"></script> <script src="/static/require_config.js?v=57"></script> <script src="/static/js/PublicState.js?v=57"></script> <script src="/static/js/EmojiMini.js?v=57"></script> <script src="/static/js/bundle.js?v=57"></script> <script> require(["Bundle"], function (bundle) { window.bundle = bundle; }); </script> <noscript>You have javascript turned off. Any functionality on our website needs javascript turned on.</noscript> <script> require(["Bundle", "Bundle"], function (Bundle, WidgetRequire) { Bundle.GlobalState.importState({}); window.currentWidget = WidgetRequire.CSAApp.create(document.body, {}); }); </script> </body></html>

環境など

  • OS: Windows10
  • Go言語のバージョン: 1.10.3
  • 取得したいサイト:CSAcademy

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

agoutiで非同期処理をするにはgomegaと組み合わせて使うと良いようです。

agoutiのgithub repoでもgomegaのEventuallyを使ってるテストがあるので、参考になるかと思います。

投稿2018/08/18 05:20

編集2018/08/18 05:20
takahashim

総合スコア1877

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。

0

サイト側のJavaScriptが完全に動作し終わったことを向こうから通知してくれない限り、動作し終わったことを確認する手段はないと思います。非同期処理だったり外部へのリクエストだったりいろいろあると思うので。
動作し終わるであろう時間を予測して一定時間待つような処理を挟むしかないのでは。

投稿2018/08/18 01:48

spookybird

総合スコア1803

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