Pythonスクレイピングで楽天市場から商品レビューと参考になった人数を自動で取得しようとしています。
以前はPhantomJSを使っていたのですが、seleniumでのサポートが終わったのでheadless Chromeで代用しようとしています。
やっている流れ
1.楽天市場のレビューを取得したいページに行きます。
2.そのページのURLをコピーします。
3.pageはページ数で最初は1にしておきます。pathは楽天レビューの「次の15件」のボタンのXpathです。
4.「次の15件」がそのページにあったらループ、なかったらbreakです
※なぜか「次の15件」のXpathが最初のページ以外違ったので、最後の方でpathを更新しています。
5.CSVに保存します。
csvには、参考になった人数,レビュー本文といった形式で保存します。
※参考になった人数が空の場合は0とする。
実行すると1ページ目はうまく取得できるのですが、2ページ目以降になると取得できません。
Pythonのバージョンは3.6.5です。
Windouws10,jupyter notebookで作成しました。
実行結果
---------------------------page: 1 -----------------------------
Starting to get reviews...
score text
0 39 この商品は色違いで3点目の購入です。今回はブラックを購入しました。\nよく伸びるので曲げ伸ば...
1 23 2016年10月にツイル&デニムのL、11月にデニムLLを。ツイル(ボルドー)は着衣の繊維が...
2 19 ずっと気になっていてやっと買えました。\n2592円(税抜)が24時間限定50%ポイント還元...
3 6 今年の冬は特に寒かったけどこのパンツで温かく過ごせました。何本も購入したのでほぼ毎日のように...
4 9 この冬大活躍しました。\n結局何回もリピ買いして計6本。穿くときのヒヤッと感が無いのも◎だし...
5 6 167cm、56kgでお肉は下半身に付く方です。\n以前ボルドーのLを購入してウェストも丈も...
6 6 レビューがいいので安心して購入しました。\n155センチ48キロ、サイズはSかMで、モノによ...
7 6 裏フリースの物を買っといてなんですが、あんまり足が太く見えたら嫌だなぁ~と思いワインのSサイ...
8 4 ⇒身長163cm 体重55kgでLを選びました。\n最初はMをお願いしたのですが、\nウエス...
9 4 本日届きました。\nレビューを見ると 「サイズにばらつきが有る」「生地が伸びる 伸びない」不...
10 4 165センチ、48キロ。普段のパンツはMで、ベージュとオリーブのMを購入。暖かいのに、シルエ...
11 3 161センチ52キロでMサイズを購入しました。\n骨盤が張っていてお尻も大きく太ももも太めな...
12 3 170cm55キロ、お尻が大き目なのでサイズLを購入。\nコーデュロイ ブラックです。\nス...
13 4 2018verのツイルの黒を購入しました。2年前に買ったMはちょうど良かったのですが、今回の...
14 3 168cm、55kg、トップスはM、ボトムスは物によりけりで、デニムは普段24インチです。\...
next url:https://review.rakuten.co.jp/item/1/200612_10056893/2.1/
Moving to next page......
---------------------------page: 2 -----------------------------
Starting to get reviews...
NoSuchElementException Traceback (most recent call last)
#追加部分↓
<ipython-input-14-43bd36a04d9d> in <module>()
25 #dfつくる
26 for review in reviews:
---> 27 score=review.find_element_by_css_selector("span.revEntryAnsNum").text
28 text=review.find_element_by_css_selector("dd.revRvwUserEntryCmt.description").text
29 se=pd.Series([score,text],columns)
~\Anaconda3\lib\site-packages\selenium\webdriver\remote\webelement.py in find_element_by_css_selector(self, css_selector)
428 element = element.find_element_by_css_selector('#foo')
429 """
--> 430 return self.find_element(by=By.CSS_SELECTOR, value=css_selector)
431
432 def find_elements_by_css_selector(self, css_selector):
~\Anaconda3\lib\site-packages\selenium\webdriver\remote\webelement.py in find_element(self, by, value)
657
658 return self._execute(Command.FIND_CHILD_ELEMENT,
--> 659 {"using": by, "value": value})['value']
660
661 def find_elements(self, by=By.ID, value=None):
~\Anaconda3\lib\site-packages\selenium\webdriver\remote\webelement.py in _execute(self, command, params)
631 params = {}
632 params['id'] = self._id
--> 633 return self._parent.execute(command, params)
634
635 def find_element(self, by=By.ID, value=None):
~\Anaconda3\lib\site-packages\selenium\webdriver\remote\webdriver.py in execute(self, driver_command, params)
319 response = self.command_executor.execute(driver_command, params)
320 if response:
--> 321 self.error_handler.check_response(response)
322 response['value'] = self._unwrap_value(
323 response.get('value', None))
~\Anaconda3\lib\site-packages\selenium\webdriver\remote\errorhandler.py in check_response(self, response)
240 alert_text = value['alert'].get('text')
241 raise exception_class(message, screen, stacktrace, alert_text)
--> 242 raise exception_class(message, screen, stacktrace)
243
244 def _value_or_default(self, obj, key, default):
NoSuchElementException: Message: no such element: Unable to locate element: {"method":"css selector","selector":"span.revEntryAnsNum"}
(Session info: headless chrome=70.0.3538.110)
(Driver info: chromedriver=2.44.609538 (b655c5a60b0b544917107a59d4153d4bf78e1b90),platform=Windows NT 10.0.17134 x86_64)
このように2ページ目以降は取得できません。 この状況の解決方法を教えていただきたいです。 よろしくお願いします。
from selenium import webdriver
from selenium.webdriver.chrome.options import Options
import chromedriver_binary
import pandas as pd
import time
options = Options()
options.add_argument('--headless')
driver = webdriver.Chrome(options=options)
url="https://review.rakuten.co.jp/item/1/200612_10056893/1.1/" #URLをはる
driver.get(url)
page=1
columns=["score","text"] #列の作成
df=pd.DataFrame(columns=columns)
path="//*[@id='revRvwSec']/div[1]/div/div[3]/div[16]/div/div/a[5]"
while True:
print(" ")
print("---------------------------page: {} -----------------------------".format(page))
print(" ")
print("Starting to get reviews...")
print(" ")
reviews=driver.find_elements_by_css_selector("div.revRvwUserMain")
#dfつくる
for review in reviews:
score=review.find_element_by_css_selector("span.revEntryAnsNum").text
text=review.find_element_by_css_selector("dd.revRvwUserEntryCmt.description").text
se=pd.Series([score,text],columns)
df=df.append(se,columns)
print(df)
if len(driver.find_elements_by_xpath(path))>0:
next_page=driver.find_element_by_xpath(path).get_attribute("href")
print("next url:{}".format(next_page))
driver.get(next_page)
page+=1
driver.implicitly_wait(10)
print("Moving to next page......")
time.sleep(10)
path="//*[@id='revRvwSec']/div[1]/div/div[2]/div[16]/div/div/a[6]" #「次の15件」のXpathが最初のページ以外違ったので、最後の行でpathを更新しています。
else:
break
#CSVに保存
print(" ")
print("Saving as csv.....")
print("")
df.to_csv("review.csv", encoding = 'utf_8_sig')
print("Processing Exit")
-
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
- 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
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。
- 質問回答など一定の行動
-
メールアドレスの認証
メールアドレスの認証
-
質問評価に関するヘルプページの閲覧
質問評価に関するヘルプページの閲覧
checkベストアンサー
+1
span.revEntryAnsNum
が存在しない、というエラーだと思います。
そこで、https://review.rakuten.co.jp/item/1/200612_10056893/2.1/を見てみたところ、みくりや。さんのレビューにはspan.revEntryAnsNum
がありませんでした。
ですので、
1ページ目はうまく取得できるのですが、2ページ目以降になると取得できません。
というのは、ご質問者の勘違いで、ページ数とは全然関係がなく「1ページ目はたまたまうまく取得できていた」というのが正しいようです。
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。
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 89.98%
- 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
質問への追記・修正、ベストアンサー選択の依頼
Lhankor_Mhy
2018/12/04 20:49
エラーメッセージはそれだけですか?
menuett
2018/12/04 21:19
いいえ 質問が見づらくなると考え省略しました。編集で追加しておきます。