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!

ただいまの
回答率

88.60%

python BeautifulSoupでのURLを収集にあたり、ドメインまでに指定するコードは

解決済

回答 1

投稿

  • 評価
  • クリップ 1
  • VIEW 1,363

sadie

score 18

表題の件、ご教示いただきたく投稿します

import requests as web
import bs4
import csv

list_keywd = ['検索語①','検索語②','検索語③']
resp = web.get('https://www.google.co.jp/search?num=100&q=' + ' '.join(list_keywd))
resp.raise_for_status()

soup = bs4.BeautifulSoup(resp.text, "html.parser")

link_elem01 = soup.select('.r > a')

link_elem02 = soup.select('.s > .st')

if(len(link_elem02) <= len(link_elem01)):
    leng = len(link_elem02)
else:
    leng = len(link_elem01)    

with open('vvv.csv','w',newline='',encoding='utf8') as outcsv:
    csvwriter = csv.writer(outcsv)
    csvwriter.writerow(['タイトル・説明','URL'])
    for i in range(leng):

        url_text = link_elem01[i].get('href').replace('/url?q=','')

        title_text = link_elem01[i].get_text()

        t01 = link_elem02[i].get_text()
        t02 = t01.replace('\n','')
        disc_text = t02.replace('\r','')
        csvwriter.writerow([title_text + disc_text,url_text])
    outcsv.close()

webスクレイピングをするため
このコードで収集できるURLをドメインまでの情報になるよう組みたいです
よろしくお願いします

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイ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。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

checkベストアンサー

0

urllib.parse で URL を解析し、ドメイン名部分だけ取り出しましょう。

 変更箇所

from urllib.parse import urlparse
parsed_url = urlparse(url_text)
base_url = '{0.scheme}://{0.netloc}/'.format(parsed_url)

 コード全体

import requests as web
import bs4
import csv

list_keywd = ['検索語①','検索語②','検索語③']
resp = web.get('https://www.google.co.jp/search?num=100&q=' + ' '.join(list_keywd))
resp.raise_for_status()

soup = bs4.BeautifulSoup(resp.text, "html.parser")

link_elem01 = soup.select('.r > a')

link_elem02 = soup.select('.s > .st')

if(len(link_elem02) <= len(link_elem01)):
    leng = len(link_elem02)
else:
    leng = len(link_elem01)    

with open('vvv.csv','w',newline='',encoding='utf8') as outcsv:
    csvwriter = csv.writer(outcsv)
    csvwriter.writerow(['タイトル・説明','URL'])
    for i in range(leng):

        url_text = link_elem01[i].get('href').replace('/url?q=','')

        from urllib.parse import urlparse
        parsed_url = urlparse(url_text)
        base_url = '{0.scheme}://{0.netloc}/'.format(parsed_url)

        title_text = link_elem01[i].get_text()

        t01 = link_elem02[i].get_text()
        t02 = t01.replace('\n','')
        disc_text = t02.replace('\r','')
        csvwriter.writerow([title_text + disc_text, base_url])
    outcsv.close()

 結果

https://www.ginzametrics.jp/
https://www.seohacks.net/
http://www.xlisting.co.jp/
https://teratail.com/
https://www.synergy-marketing.co.jp/
https://books.google.co.jp/
https://books.google.co.jp/
http://aramakijake.jp/
http://ahrefs.jp/
https://books.google.co.jp/
https://books.google.co.jp/
https://seopack.jp/
https://www.cyber-records.co.jp/
http://www2.dent.nihon-u.ac.jp/
https://liskul.com/
https://www.allegro-inc.com/

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2018/10/15 16:40

    早速のご教示、ありがとうございます
    出したい出力を得ることができました
    感謝いたします
    ありがとうございました

    キャンセル

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 88.60%
  • 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られる

関連した質問

同じタグがついた質問を見る