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!

新規登録して質問してみよう
ただいま回答率
85.50%
スクレイピング

スクレイピングとは、公開されているWebサイトからページ内の情報を抽出する技術です。

Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

クロージャ

クロージャは、プログラミング言語における関数オブジェクトの一種です。 引数以外の変数を実行時の環境ではなく、 自身が定義された環境において解決することを特徴とします。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

Q&A

解決済

2回答

611閲覧

正規表現によるスクレイピング

退会済みユーザー

退会済みユーザー

総合スコア0

スクレイピング

スクレイピングとは、公開されているWebサイトからページ内の情報を抽出する技術です。

Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

クロージャ

クロージャは、プログラミング言語における関数オブジェクトの一種です。 引数以外の変数を実行時の環境ではなく、 自身が定義された環境において解決することを特徴とします。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

0グッド

0クリップ

投稿2019/02/24 14:14

編集2019/02/24 14:16

『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のためのガイド』
p49で与えられたサンプルコードで正規表現によるスクレイピングをしようとしたところエラーが起きました。

コード import re  from html import unescape with open ('dp.html') as f: html = f.read for partial_html in re.findall(r'<a itemprop="url".*?</ul>\s*</a></li>', html, re.DOTALL): url = re.search(r'<a itemprop="url" href="(.*?)">', partial_html).group(1) url = 'http://sample.scraping-book.com/dp' + url title = re.search(r'<p itemprop="name".*?</p>', partial_html).group(0) title = title.replace('<br/>', ' ') title = re.sub(r'<.*?>', '', title) title = unescape(title) print(url, title) `` 上記コードをscrape_re_py として保存してターミナルで実行したところ以下のようなエラーが出ました。  $ python Documents/scrape_re_py Traceback (most recent call last): File "Documents/scrape_re_py", line 9, in <module> for partial_html in re.findall(r'<a itemprop="url".*?</ul>\s*</a></li>', html, re.DOTALL): File "/Users/kobayashitakashi/anaconda3/lib/python3.7/re.py", line 223, in findall return _compile(pattern, flags).findall(string) TypeError: expected string or bytes-like object

どのように対処したらよいか教えてください。

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MY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。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

guest

回答2

0

関数の呼び出し忘れです。

Python

with open ('dp.html') as f:
html = f.read

↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓

Python

1with open ('dp.html') as f: 2 html = f.read()

投稿2019/02/24 14:19

編集2019/02/24 14:26
LouiS0616

総合スコア35658

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

退会済みユーザー

退会済みユーザー

2019/02/24 14:27

ありがとうございます。 エラーは発生しなくなったのですが、実行すると書籍のURLとタイトルの一覧が表示されるはずですが、結果が表示されません・・・
LouiS0616

2019/02/24 14:39

手元で試してみましたが、書籍のURLとタイトルがきちんと表示されました。 dp.htmlの中身が空になっているとか、そのような凡ミスはしていないでしょうか。
退会済みユーザー

退会済みユーザー

2019/02/24 15:08

解決しました! 教えていただきありがとうございます!
guest

0

ベストアンサー

python

1with open ('dp.html') as f: 2 html = f.read

このコードでは変数htmlにはf.readというメソッドオブジェクトが代入されます。

pythonでは関数・メソッド呼び出しのかっこは省略できません。かっこをつけることでcallされるので、ちゃんとかっこをつけてください。

投稿2019/02/24 14:19

hayataka2049

総合スコア30933

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

退会済みユーザー

退会済みユーザー

2019/02/24 14:28

ありがとうございます。 エラーは発生しなくなったのですが、実行すると書籍のURLとタイトルの一覧が表示されるはずですが、結果が表示されません・・・
hayataka2049

2019/02/24 14:30

re.findall(r'<a itemprop="url".*?</ul>\s*</a></li>', html, re.DOTALL)が空になってループが回っていないのだろうと思いますが、データがないので検証できません。dp.htmlはどこかからダウンロードできますか?
退会済みユーザー

退会済みユーザー

2019/02/24 15:07

おっしゃる通り空でした。 解決しました! ありがとうございます
guest

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

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
85.50%

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る

質問する

関連した質問