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

87.91%

python3 / beautifulsoup / 特定サイト内スクレイピングにおける対象ページ設定

解決済

回答 1

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 1,414

score 18

特定サイト(iタウンページ)の検索結果をスクレイピングで収集したいです
「指定したページ」の結果を全て収集できるようにしたいのですが、本コードをどのように変更することで成せましょうでしょうか?

import time
import csv
import re
import requests
import bs4

# 5ページ分だけ取得して、配列に保持する。
base_url = 'https://itp.ne.jp/genre_dir/syaken/pg/{page_no}/'
urls = [base_url.format(page_no=i) for i in range(100)]
print(urls)

# 配列を一個づつ回して、htmlを解析して、メールアドレスだけ取得
addrs = []
for url in urls:
    print('fetching... ' + url)
    res = requests.get(url)
    soup = bs4.BeautifulSoup(res.text, 'html.parser')
    for a_tag in soup.find_all('a', class_='boxedLink emailLink'):
        match = re.search(r'[\w\.-]+@[\w\.-]+', a_tag['onclick'])
        addrs.append([match.group(0)])

    time.sleep(1)  # アクセス間隔
print(addrs)

with open('test.csv', 'w', encoding='utf8') as f:
    writer = csv.writer(f)
    writer.writerows(addrs)
  • 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。

質問への追記・修正、ベストアンサー選択の依頼

  • tiitoi

    2018/10/23 12:34 編集

    「指定したページ」の結果とは具体的にはどのような情報がほしいのでしょうか?現状のコードの問題点も追記してください。
    あとタイトルに入っている Google はこの件では関係ありませんよね。

    キャンセル

  • sadie

    2018/10/23 12:43

    titoisさん、いつもありがとうございます。googleは間違いです、すみません。https://itp.ne.jp/genre_dir/syaken/?ngr=1&sr=1 この検索結果にある事業者のアドレスをスクレイピングしていて、この検索結果のページを「1から50ページまで」「20から50ページまで」というように任意に指定したく考えています

    キャンセル

回答 1

checkベストアンサー

0

既存のコードの [base_url.format(page_no=i) for i in range(100)] の部分を変えればいいかと思います。

サンプルコードを以下に貼ります。

import time
import csv
import re
import requests
import bs4

# 取得ページ分だけURLを生成して、配列に保持する。
begin = 5  # 取得開始ページ
end = 10  # 取得終了ページ
base_url = 'https://itp.ne.jp/genre_dir/syaken/pg/{page_no}/'
urls = [base_url.format(page_no=i) for i in range(begin, end)]
print(urls)

# 配列を一個づつ回して、htmlを解析して、メールアドレスだけ取得
addrs = []
for url in urls:
    print('fetching... ' + url)
    res = requests.get(url)
    soup = bs4.BeautifulSoup(res.text, 'html.parser')
    for a_tag in soup.find_all('a', class_='boxedLink emailLink'):
        match = re.search(r'[\w\.-]+@[\w\.-]+', a_tag['onclick'])
        if match:
            addrs.append([match.group(0)])

    time.sleep(1)  # アクセス間隔
print(addrs)

with open('test.csv', 'w', encoding='utf8') as f:
    writer = csv.writer(f)
    writer.writerows(addrs)

投稿

  • 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。

  • 2018/10/23 13:44

    ありがとうございます
    いつもありがとうございます
    titoiさんにいつもご教授いただいていますが、今後直接個別回答依頼にてお伺いをしたほうがよろしいでしょうか?

    キャンセル

  • 2018/10/23 14:07 編集

    たまたま回答できる質問を見かけたら、回答しているだけなので、個別依頼でなく普通の質問で大丈夫ですよ。
    いつも回答できるとは限らないので。

    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 87.91%
  • 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

同じタグがついた質問を見る