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

90.61%

  • Python 2.7

    1236questions

    Python 2.7は2.xシリーズでは最後のメジャーバージョンです。Python3.1にある機能の多くが含まれています。

python2.7 スクレイピングを行うにあたって起こる2つの問題に関して

受付中

回答 2

投稿

  • 評価
  • クリップ 0
  • VIEW 1,845

K_T_T_K

score 304

python2.7を使ってスクレイピングを行っております。
スクレイピング中に起こる2つの問題の原因がわからず困っております。

環境:
Mac OS 10.9 / Python2.7

(1)urllib2.HttpErrorに関して。
時々、次ようなエラーが出て、スクレイピングが終了してしまいます。
urllib2.HTTPError: HTTP Error 500: Internal Server Error
このエラーがどういった時に起きるのか教えて頂きたいです。

(2)クローリングが止まる。(フリーズする)
スクレイピングは20秒間隔で、Webサイトにアクセスしスクレイピングしております。
ターミナルからスクリプトを実行し、
1]取得を始めます。(という文字をターミナルにprint)
2]——取得処理---
3](取得完了後)取得を完了しました(とターミナルにprint)
これを20秒間隔で繰り返しスクレイピングしております。
ここで言う、クローリングが止まる(フリーズする)というのは、
本来1]に20秒かかり、2]で取得処理に入るのですが、
20秒以上たっても(10分ほど待ってみました。)
1]のままです。

(1)、(2)も原因が解らず困っております。
どなたか何か原因知っている方いましたらアドバイス宜しくお願い致します。
  • 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
    • 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 2

+2

(1) HTTP Error 500: Internal Server Error
500番台のエラーはサーバ側に原因があり、サーバがリクエストの処理に失敗したことを示します。
特に 500: Internal Server Error は、以下のようなケースで発生するようです。
  • たまたまサーバがメンテナンスのための再起動中などでダウンしている
  • アクセスが集中し、応答できない状態になっている
  • サーバ自体が過負荷状態にあるか、たとえばCGIプログラムに不備がある場合など
→ 一時的な不具合の場合も多いですがサーバ側の原因によりますので、しばらく経ってから再度アクセスしてみるしかありません。

(2) クローリングが止まる。(フリーズする)
こちらについては、アクセス量の関係で一時的に制限を受けている可能性もあります。
これを20秒間隔で繰り返しスクレイピングしております。 
とありますが、一回にどれほどの時間/流量のアクセスが発生しているのでしょうか?
可能であれば、
2]——取得処理---
を分割し何回かに分けて実施する方法もあるかもしれません。

もしスクレイピングする対象のサーバが複数あるのであれば、処理のアルゴリズムを工夫し、並列処理をして全体の処理速度を落とさずに個々のサーバに対しては優しいアクセス方法にすることもできると思います。

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。

0

...  500: Internal Server Error ...
接続先のサーバーがエラーを返してきているように思います。
手動でブラウザから そのエラーが起こるときの URL を指定してアクセスして、
画面表示やファイルダウンロードが行えますか?

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 90.61%
  • 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

  • 解決済

    python3スクレイピングについて

    import urllib.request from bs4 import BeautifulSoup html = urllib.request.urlopen('http:

  • 解決済

    PythonでWebスクレイピングを行うと文字化けします。

    pythonでWebスクレイピングを行おうとしているのですが、出力が文字化けします。 下記のコードが文字化けしている出力です。sucraping_naver.pyのファイルを実行

  • 解決済

    Python スクレイピング

    [実現したい事] Python/スクレイピング初心者です。毎日コツコツ勉強しています。 スクレイピングにてあるサイトからBeautifulsoupもしくは正規表現を使用して指定

  • 解決済

    Pythonクローリング&スクレイピングのサンプルコードを実行したが、エラーが発生する

    前提・実現したいこと Pythonクローリング&スクレイピング ―データ収集・解析のための実践開発ガイド― http://gihyo.jp/book/2017/978-4-7741

  • 解決済

    webスクレイピングした内容をmecabで形態素分析

    前提・実現したいこと 現在、chrome拡張機能を作っています。ユーザーが見たページのURLをサーバー側に送って、そのURL先のページの本文を抽出しそれをmecabで形態素分析した

  • 解決済

    Python スクレイピング

    Pyhtonでスクレイピングのコードを書いているのですが エラーコード : TypeError: Cannot mix str and non-str arguments が表示さ

  • 解決済

    Pythonスクレイピング

     前提・実現したいこと Yahoo画像検索を使用して画像を集めまくるプログラムを作成したいのです。※超初心者です。  発生している問題 bs4で画像のURLを取得する方法が解ら

  • 解決済

    python webスクレイピング

     前提・実現したいこと webスクレイピングをしたいと思いpythonを始めた者です。 シンプルにウェブからテキストやurlを内容別に取得したいです。  発生している問題・エラ

同じタグがついた質問を見る

  • Python 2.7

    1236questions

    Python 2.7は2.xシリーズでは最後のメジャーバージョンです。Python3.1にある機能の多くが含まれています。