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。

Ruby

Rubyはプログラミング言語のひとつで、オープンソース、オブジェクト指向のプログラミング開発に対応しています。

Q&A

解決済

2回答

1527閲覧

大学のシラバスをスクレイピング したい

trrn2011

総合スコア28

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。

Ruby

Rubyはプログラミング言語のひとつで、オープンソース、オブジェクト指向のプログラミング開発に対応しています。

0グッド

0クリップ

投稿2018/08/27 07:22

現在こちらの大学のシラバスをスクレイピングしたいです
一橋大学 mercas
ログインしなければ見れないのですが一般の方は何も入力せずにログインすれば見れるようになります
その後シラバスのページに進むとシラバスが検索できるようになります

やったこと
rubyのライブラリであるmechanizeを使ってログインしようとしたのですがうまくいきません
具体的には

require 'rubygems' require 'nokogiri' require 'mechanize' agent = Mechanize.new agent.get('https://mercas.hit-u.ac.jp/Campus/Web/UniversityPortal/UserAttestation/WFU06010.aspx') do |page| login_result = page.form_with(:action => 'WFU06010.aspx') do |login| login.field_with(:name => 'txbID').value = "" login.field_with(:name => 'txbPassword').value = "" end.submit end agent.get('https://mercas.hit-u.ac.jp/Campus/Web/UniversityPortal/WFC00010.aspx') do |page| p page end

というコードでログインしたあとサイトのページの情報表示させようとしたのですが

#<Mechanize::Page {url #<URI::HTTPS https://mercas.hit-u.ac.jp/Campus/Web/UniversityPortal/WFC00010.aspx>} {meta_refresh} {title "一橋大学 学務情報システム・学生ポータル Mercas(MERCURY CAMPUS SYSTEM)"} {iframes} {frames} {links #<Mechanize::Page::Link "利用マニュアル(教員用)" "/manual-teacher-N.pdf"> #<Mechanize::Page::Link "利用マニュアル(学生用)" "/manual-student.pdf"> #<Mechanize::Page::Link "ログアウト" "javascript:__doPostBack('UC00050$linkLogOut','')"> #<Mechanize::Page::Link "ウインドウを閉じる" "javascript:__doPostBack('UC00050$linkClose','')">} {forms #<Mechanize::Form {name "WFC01010"} {method "POST"} {action "WFC01010.aspx"} {fields [hidden:0x3fcf3e123e80 type: hidden name: __VIEWSTATE value: /wEPDwUKLTExNjY1ODMyMA8WCB4STWVzc2FnZUluZm9ybWF0aW9uFgEy/QIAAQAAAP////8BAAAAAA~中省略~6m0yE2u2Y=] [hidden:0x3fcf3e123a70 type: hidden name: __VIEWSTATEGENERATOR value: 0B535023] [hidden:0x3fcf3e12369c type: hidden name: __EVENTVALIDATION value: /wEWAwKSoqUuAuegiskIAvrV7/IH6dgLY2bsu9wzjA4YEZUT7CSPO1Y=]} {radiobuttons} {checkboxes} {file_uploads} {buttons}>}>

となりメニューバーの部分しか表示されません

とりあえずシラバスの検索結果のテキストを取り出したいです
よろしくおねがいします

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

ベストアンサー

前置き
スクレイピングは相手のサイトに迷惑をかけない範囲で行いましょう。

本題
今回スクレイピングをしようとしているサイトは動的にページが
生成されるようなのでmechanizeではできないはずです。

SeleniumでもCapybaraでも動的に変化するページを扱えますが
私は使い慣れているWatirを選びました。

以下のコードを実行するとFirefoxが立ち上がり、シラバスの
授業科目一覧が一ページずつ切り替わっていくと思います。

Ruby

1require 'watir' 2require 'nokogiri' 3 4# 動かすのに必要なもの 5# watir http://watir.com/ 6# nokogiri https://github.com/sparklemotion/nokogiri 7# Firefox https://www.mozilla.org/ja/firefox/ 8# geckodriver https://github.com/mozilla/geckodriver/releases 9 10# timeoutの設定 11client = Selenium::WebDriver::Remote::Http::Default.new 12client.open_timeout = 480 13client.read_timeout = 480 14Watir.default_timeout = 600 15 16browser = Watir::Browser.new :firefox 17browser.goto('https://mercas.hit-u.ac.jp/Campus/Web/UniversityPortal/UserAttestation/WFU06010.aspx') 18browser.div(xpath: '/html/body/form/div/div/div/div[2]').wait_until(&:present?) 19 20# Loginをクリック 21browser.element(xpath: '//*[@id="btnLogin"]').click 22 23# シラバス・ゼミをクリック 24browser.element(xpath: '//*[@id="UC00050_S_0"]').click 25 26# シラバス検索をクリック 27browser.element(xpath: '//*[@id="UC00060_S_02"]').click 28 29# 検索をクリック 30browser.element(xpath: '//*[@id="searchButton"]').click 31 32# 授業科目一覧の表示を待機 33browser.span(xpath: '//*[@id="lblGamenTitle"]').wait_until(&:present?) 34 35 36doc = Nokogiri::HTML.parse(browser.execute_script('return document.documentElement.innerHTML')) 37 38last_page = doc.xpath('//*[@id="lblAllPage"]').text.to_i 39current_page = doc.xpath('//*[@id="lblCurrentPage"]').text.to_i 40 41while current_page < last_page 42 sleep(3) 43 browser.element(text: '次のページへ>').click 44 current_page += 1 45end 46 47browser.close 48

投稿2018/08/27 11:23

編集2018/08/27 11:28
退会済みユーザー

退会済みユーザー

総合スコア0

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

結果にも現れていますが、該当のページ内には <iframe> があるようですね。
そちらを取得しないとスクレイピングはできませんね。

投稿2018/08/27 08:16

mather

総合スコア6753

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。

trrn2011

2018/08/27 08:37

ありがとうございます 調べてみます
trrn2011

2018/08/27 08:43

iframeについて調べてみたのですがページのソースにはiframeの記述が見つかりません汗 iframeってどの部分に書かれているものなのでしょうか?
mather

2018/08/27 08:49

Mechanize::Page を表示している結果のところにすでに出てきていますよね。 シラバスページのHTMLソースを表示して、検索してみてはいかがですか?
trrn2011

2018/08/27 08:53

シラバスページのHTMLソースにiframeが見つかりません汗という意味です。 伝わりづらくてすいません、、、
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