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%
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。

Scrapy

Scrapyは、Pythonで開発されたオープンソースソフトウェアです。スクレイピングという、Webサービスから必要な情報を取り出したり自動操作をしたりする技術を使うものです。

Q&A

2回答

1413閲覧

スクレイピングでデータを抽出したいのに、HPの構造上できません

takano1709

総合スコア10

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。

Scrapy

Scrapyは、Pythonで開発されたオープンソースソフトウェアです。スクレイピングという、Webサービスから必要な情報を取り出したり自動操作をしたりする技術を使うものです。

0グッド

0クリップ

投稿2018/09/25 11:32

編集2018/09/25 15:41

下記のホームページから各項目をスクレイピングしたいのですが
、方法がわかりません。
前任者がやめてしまったため、まったく方法がわかりません。
会社のパソコンには「octoparse」というソフトが入っています。
チュートリアルなど見ながらやってみましたが、できませんでした。

【抽出したいサイト】
https://fitness.geomedian.com/area/
https://movie.walkerplus.com/theater/

【抽出したい項目】
各店舗の名称・住所・設備など、一番下の階層に書いてあるデータを抽出したい。

【今の状態】
1ページごとの抽出はチュートリアルを見ながらやると何回かに1回成功します。
そもそもHPの構造がリスト上になっていないため、チュートリアルの方法では何ともならず、ほしい情報は全部リンクがとんだ最後の階層に情報があるので拾えません。

【追記】
ちなみに、私の仕事は広告代理店のパートの事務で、コーディングもプログラミングもやったことがない職種です。
前任者が私の入社前に辞めてしまっており、誰もわかる人がいなかったのですが、私がHTML(個人サイト作成レベル)とエクセルのマクロを組めるという理由で、上司から任されてしまいました。
HTMLの基礎(<head>、body、a href=、img src=)などは分かりますが、それ以上はあまり詳しく分かりません。
今週までに上記の2サイトの他に+3サイト、スクレイピングしないといけませんので、焦っています。

何度か自分なりにやってみたところで下記の方法を考えてみたのですが。
②はなんとかできたものの、①ができず困っています。

【方法】抽出したい要素がある各ページのURLを抽出→すべてのURLをoctoparseに貼り付けて抽出

①抽出したい情報のある各階層ページ(https://fitness.geomedian.com/tokyo/central/)の一つ手前のページで、各階層のURLを抽出
↓↓
②各階層のURLをすべてoctoprseに貼り付けて、それぞれの要素を抽出

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。

takano1709

2018/09/25 15:26

アドバイスありがとうございます。すみません、本日スクレイピングもoctoparseも始めて知ったようなレベルですので、カスタマイズモードを使う段階まで理解できておりません。チュートリアルやネットで出てくる抽出方法は、1ページにリスト化されている+複数ページがあっても1,2,3と連続したページで、階層ではないためどうプログラムを組んでいいかさえ分からない状態です。
morinatsu

2018/09/29 15:52

質問者さんの情報だけだと、この質問にPythonタグがついている理由が分かりません。どこかPythonと関連しているところがあると思われたのでしょうか
takano1709

2018/10/01 03:32 編集

ご質問ありがとうございます、すみません、タグについては何をつけたらいいかよくわからず、いろいろ調べる中で「Python」がプログラミング言語でスクレイピングにも使われているということだけわかったので、関連するものかとタグをつけてみました。前の回答にも書かせていただいた通り、先週初めてこれらのことを知ったばかりなので、まったく知識も理解も追いついていない状態です。
Zuishin

2018/10/01 05:36

ここはプログラミングをする人が集まるところなので、プログラミング不要のスクレイピングツールは使っている人も少ないと考えられ、情報は集まりにくいかもしれません。octparse のフォーラムか知恵袋などで質問するか、メーカーサポートを受ける方が早いかもしれせん。
takano1709

2018/10/04 07:01

ありがとうございます。そちらで聞いてみるようにします。
guest

回答2

0

各階層のURLを抽出したいの?octoparseを使うなら簡単です。
https://www.octoparse.jp/tutorial/capture-data-from-each-item-page/このチュートリアルご参考ください。

投稿2018/09/30 02:13

編集2019/03/12 01:56
Yuki-Sakuraba

総合スコア163

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。

takano1709

2018/10/01 03:27

ご回答ありがとうございます。 こちらもやってみたのですが、リンクを2つ選んで「Loop click each URL」を選択しても、手動でチェックしたリンクしか抽出されません。 なにかやり方が違っているのかと、いろいろやってみましたが、対象のHPではこちらの方法ではうまくいきませんでした。
Yuki-Sakuraba

2018/10/10 03:11

octoparseさんに聞いてみたら?
guest

0

新バージョンのOctoparse 8はできそうですが、新バージョンをダウンロードしてみていかがでしょうか。
https://www.octoparse.jp/Download
イメージ説明

投稿2021/04/28 02:11

Elliot

総合スコア37

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