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

87.33%

Googleの検索はスクレイピングできないようになっていますか?

解決済

回答 2

投稿

  • 評価
  • クリップ 1
  • VIEW 7,842

score 14

前提・実現したいこと

現在pythonでスクレイピングの勉強をしているのですが、一般的なサイトとgoogleページで同様の処理をやっているのですが、googleだけエラーが発生します。
なにか抜け道のような方法もあると思いますが、このコードでは取得できないような処理がされているのでしょうか?

発生している問題・エラーメッセージ

/url?q=http://career-theory.net/dont-want-to-go-to-work-5628&sa=U&ved=2ahUKEwiV1beCnfriAhWB51QKHXrqDeoQFjAAegQIBRAB&usg=AOvVaw1UOSDgboTy6yCM-RLRY8ZG
---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-95-c91cb8ae4bf0> in <module>()
      1 for tag in tags:
----> 2   print(tag.a.get("href"))

AttributeError: 'NoneType' object has no attribute 'get'

該当のソースコード

from bs4 import BeautifulSoup
import requests
import pandas as pd
from google.colab import files

columns = ['rank','title','url', 'affiliate_url']
df = pd.DataFrame(columns=columns)
df.head() #配列の最初を取得,tail()は末尾

keyword = '会社 行きたくない'
html_doc = requests.get('https://www.google.co.jp/search?num=10&q=' +keyword).text
soup = BeautifulSoup(html_doc, 'html.parser') # BeautifulSoupの初期化
print(soup.prettify())

tags = soup.find_all("div",{"class":"jfp3ef"})
print (tags)

↑ここまでは取得できる

for tag in tags:
  print(tag.a.get("href"))

↑ここでエラー
import pandas as pd # pandasのインポート
from bs4 import BeautifulSoup # BeautifulSoupのインポート
import requests # requestsのインポート
from google.colab import files

url = "https://review-of-my-life.blogspot.com"

# TODO1 requestsで、指定されたURLのHTMLを取得してください。
response = requests.get(url).text
print(response)

soup = BeautifulSoup(response,'html.parser')
print(soup.prettify())

tags = soup.find_all("h3",{"class":"post-title"})
print(tags)

for tag in tags:
  print(tag.a.get("href"))

試したこと

対象クラスを代えたり、aタグだけを直接指定したりしましたが、
getメソッドがきかず、リンクが容易に取得できないようになっているのかな?という印象です

補足情報(FW/ツールのバージョンなど)

Colab Notebooksで作成しています。

また、参考にしている記事は、下記の記事で、この記事の時点では検索結果に、h3などのタグがあったようですが、今はない?のか、上記コードでhtmlを開いてもでてこず、ただ、googleページで直接開発ツールを開いた場合は出てくるので、スクレイピング対策なのかな?と思いました。
https://note.mu/daikawai/n/n7cb363531396

参考記事では当時は、下記コードで

html_doc = requests.get('https://www.google.co.jp/search?num=10&q=' +keyword).text
soup = BeautifulSoup(html_doc, 'html.parser') # BeautifulSoupの初期化
print(soup.prettify())


下記のように取得できたようです。今は、h3が出てきませんでした。

<ol>
          <div class="g">
           <h3 class="r">
            <a href="/url?q=http://career-theory.net/dont-want-to-go-to-work-5628&amp;sa=U&amp;ved=0ahUKEwiNk9LHldfdAhUowFkKHe1JDc4QFggUMAA&amp;usg=AOvVaw2bQgJNPO5k35th4cb-eW8A">
             <b>
              会社
             </b><b>
              行きたくない
             </b>
             5つの原因を対処・解決するための全知識
            </a>
           </h3>
  • 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
    • 過去に投稿した質問と同じ内容の質問
    • 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

+4

他の方の回答を引用しますが、Googleは無許可のスクレイピングを禁止しています。

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。

  • 2019/06/25 07:47

    もちろんそのことは承知しており、スクレイピング自体を対策しているサイトもあるようですね。その対策としてこういう書き方をすると、スクレイピングができなくなるのかが知りたかったです。

    キャンセル

checkベストアンサー

+1

a["href"]を使うのはどうでしょうか。
tagの中にaタグがない場合もある(tag.a=Noneとなりエラーの原因となる)ので、try-except構文を使うとおすすめです。

for tag in tags:
 print(type(tag.a))
 #hrefの中身を出力
  try:
    print(tag.a["href"])
 #aタグがない場合
  except:
    print('エラー発生、続行')
  print('タグ終了')

print('終了')

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。

  • 2019/06/25 07:45

    たしかにtry構文をつかえばできますね!pirnt(type(tag.a))がなぜかエラーになってしまいましたが、対応策わかりました!ありがとうございます!

    キャンセル

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 87.33%
  • 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

同じタグがついた質問を見る