pythonウェブスクレイピング

Question

日経ＢＰコーリー・アルソフ著　「独学プログラマー」で独習中です。

第20章p243に記載の以下のコードを実行しましたが、動作しません。
pythonを使ったウェブスクレイピングのコードになります。
原因が分かれば教えていただきたいです。
なお、BeautifulSoup4-4.6.0を正常にインストールした後に実行しました。

###該当のソースコード
（実際にはインデントを正常に記載しています）
import urllib.request
from bs4 import BeautifulSoup

class Scraper:
def init(self,site):
self.site=site
def scrape(self):
r=urllib.request.urlopen(self.site)
html=r.read()
parser="html.parser"
sp=BeautifulSoup(html,parser)
for tag in sp.find_all("a"):
url=tag.get("href")
if url is None:
continue
if "html" in url:
print("\n"+url)

news="https://news.google.com/"

実行結果

Scraper(news).scrape()
＃何も表示されない、エラーもなし
print(Scraper(news).scrape())
＃None

Answer 1

_init_ ⇒ __init__ アンダースコアは両側に二つずつです。
ただ、エラーが表示されないことは妙に思えます。AttributeErrorが起きそうなものですが。

コードの書き方について

実際にはインデントを正常に記載しています

コードブロックを用いれば、インデントを保ったまま投稿可能です。

Comments

[banquet_kuma]

早速の回答ありがとうございます！
_init_の箇所は実際のコードでは__init__と書いています。プレビューで斜体になったので、1つ省いて
しまいました。注意書き忘れておりました、申し訳ありません。。
コードの書き方についても大変ためになりました。

[LouiS0616]

手元で試してみましたが、落としてきたhtmlソースの中に文字列"html"を含むものはありませんでした。
当てずっぽうですけど、書籍のコードだと 'http' in url になっていたりしませんか？

[banquet_kuma]

検証・コメントありがとうございます。
書籍ではやはり"html" in url となっています。ただ、ご指摘のとおり、htmlをhttpに変えたら、実行できました。。
https://news.google.com/　のページでCtrl+Uで表示される文字列の中に「html」は存在しますが、
探索している対象が違うということでしょうか？

[LouiS0616]

えーと、ちょっと語弊がありました。すみません。
『aタグのhref属性にhtmlという文字列が含まれているものがありませんでした』、が正確です。

[LouiS0616]

同様のトラブルを発見しました。
https://teratail.com/questions/150749

出版当時とhtmlの構造が変わってしまったのかもしれませんね。

[banquet_kuma]

なるほど、コードを見返して理解しました。
hrefインスタンス変数の値として、「html」が入っている必要があるのですね。

全く同じ質問をしている人がいましたか。。すみません
教えていただきありがとうございました。いろいろ勉強になりました。