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
85.49%
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。

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。

Scrapy

Scrapyは、Pythonで開発されたオープンソースソフトウェアです。スクレイピングという、Webサービスから必要な情報を取り出したり自動操作をしたりする技術を使うものです。

Q&A

解決済

1回答

1757閲覧

Scrapy(スパイダー)でのfor文で何をキーにループをすればいいのかがわからない。

Otoro

総合スコア36

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。

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。

Scrapy

Scrapyは、Pythonで開発されたオープンソースソフトウェアです。スクレイピングという、Webサービスから必要な情報を取り出したり自動操作をしたりする技術を使うものです。

0グッド

0クリップ

投稿2019/03/31 15:57

編集2019/04/03 01:02

質問(悩み):

独学で初めてPythonを勉強中です。

まずは、scrapyの勉強のため、以下のURLから
「タイトル」と「社名」と「勤務場所」(※画像参照)だけをクローリング(スクレイピング)しようと
ググりながらプログラミングしていますが、
記述方法がわからず、手が止まっている状況です(汗)

以下に、途中までのソースを記述しました。

https://www.python.org/jobs/
イメージ説明

ソース:
pyjob/pyjob/items.py

import scrapy class PyjobItem(scrapy.Item): title = scrapy.Field() # タイトル company = scrapy.Field() # 社名 location = scrapy.Field() # 勤務場所

ソース:
pyjob/pyjob/spiders/pyjob_spider.py

import scrapy from ..items import PyjobItem class PyjobSpider(scrapy.Spider): name = 'pyjob_spider' allowed_domains = ['python.org'] start_urls = ['https://www.python.org/jobs/'] def parse(self, response):

↓↓ ここから先がどのように書いたら良いのかがわかりません。
↓↓ 手が止まっている状態です、ご教授下さい。

for jobs in response.css(''): item = PyjobItem() item['title'] = jobs.css('').extract_first() item['company'] = jobs.css('').extract_first() item['location'] = jobs.css('').extract_first() yield item

・for文のループ処理をどうやって書けばいいのかが苦戦中。

・要は、何をキーにループをすればいいのかがわからない。

・「NEXT」ページにもデータがあるので、それも最後まで取得したい。

・「社名」を抽出する際、以下のような\nや\tなどが入っていて、文字列だけを抽出する方法がわからない。

['\n ', '\n \n ', '\n\t\t Stiftelsen Flowminder\n ']

実現したいこと:

例えば、
pyjob_list.json
に以下のように吐き出したいです。

[
{
"title": "Senior Python Developer",
"company": "Stiftelsen Flowminder",
"location": "Southampton, Hampshire, United Kingdom"
},
{
"title": "Senior Software Engineer (BACKEND)",
"company": "CB Insights",
"location": "New York, New York, USA"
},



最後のページまで
]

以上、ご教授お願い致します。

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1

0

自己解決

自力で解決しました。
無事JSONファイルも吐き出せました。

詳細(ソース)は、GitHubを参照下さい。

投稿2019/04/08 11:35

編集2019/04/08 11:39
Otoro

総合スコア36

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。

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
85.49%

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