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

87.37%

【python・エクセル操作】データを、法則に沿って複数シートに書き込みたい

解決済

回答 1

投稿

  • 評価
  • クリップ 1
  • VIEW 719

score 20

実現したいこと

お世話になっております。

pythonで『スクレイピングし、そのデータをKWに沿って、シート毎に格納する方法』を探しております。
1つのKWをスクレイピングし、シートに格納するところまでは行けたのですが、2つ以上のKWを検索した際のURLをそれぞれのシートに記入するところで一週間近く作業が止まっております、、。

何卒、ご教授頂けますと幸いです。

以下が、試行錯誤したコードとなります。

ソースコード

前提:エクセル内に『Sheet1』というシートが存在する。

結果:『犬』『猫』でGoogle検索した際のURLが、『Sheet1』のシート内にA列・B列の間に列追加し、新しくできたB2以降に書き込みされる。
(『犬』『猫』のシートは作成されるも、そこに書き込みがされない。)

理想:検索したKWに応じて、『犬』『猫』の各シートにA列・B列の間に列追加し、新しくできたB2以降に書き込みされる。

import openpyxl
import datetime
import os
from urllib import request as req
from urllib import error
from urllib import parse
import bs4
from time import sleep

#KWを入力すると、そのKWでのGoogleの文字検索結果を表示。range(0,50,10)で5ページ目までをスクレイピング。range(0,40,10)だと4ページ目までをスクレイピング。
keyword = ["犬","猫"]
urls = []
sleepCounter = 0
for keywords in keyword:
    if not os.path.exists(keywords):
        os.mkdir(keywords)
    urlKeyword = parse.quote(keywords)
    x=0
    for x in range(0,21,10):
        url = "https://www.google.com/search?q="+ urlKeyword +"&rlz=1C1GCEA_enJP788JP788&ei=gI5NXN2uHYvBoATW1JPACQ&start="+ str(x) +"&sa=N&ved=0ahUKEwjd7p_d5o3gAhWLIIgKHVbqBJgQ8tMDCIEC&biw=1920&bih=969"
        headers = {"User-Agent": "Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:47.0) Gecko/20100101 Firefox/47.0",}
        request = req.Request(url=url, headers=headers)
        page = req.urlopen(request)
#Google検索結果のタイトル直下にある緑色のURLを取得し、変数urlsに格納
        html = page.read().decode('utf-8')
        htmls = bs4.BeautifulSoup(html, "html.parser")
        for k in htmls.find_all("cite",class_="iUh30"):
            sleepCounter += 1
            if sleepCounter > 1:
                sleep(1)
                sleepCounter = 0
                urls.append(k.string)

# ==================================================================================================

# ブックを取得
book = openpyxl.load_workbook('~~~Excel名~~~')
# keywordを変数newsheetにコピー
newsheet = keyword
# シートを取得(現在、『犬』『猫』が存在している)
removesheet = book.sheetnames
# newsheetから、現在シートにあるシート名を削除する
for a in removesheet:
    try:
        newsheet.remove(a)
    except ValueError:
        pass
# newsheetにある要素のシート名を、エクセル内に作成する
for b in newsheet:
    book.create_sheet(str(b))
# シートを取得
sheet = book['Sheet1']
# シートのA,B列の間に行を追加
sheet.insert_cols(2,1)
# シートのB1に書き込み
sheet["B1"] = datetime.date.today()
# シートのB2から書き込み
for i,s in enumerate(urls):
    cell = 'B{}'.format(i+2)
    sheet[cell] = s
# 保存する
book.save('~~~Excel名~~~')

試したこと

◆スクレイピングしたURLの先頭にKWをつけて分別し、シート毎に記入
◆変数を動的生成にし、変数毎にデータを格納し、シート毎に記入

  • 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。

質問への追記・修正、ベストアンサー選択の依頼

  • meg_

    2019/07/29 22:20

    下記部分で「Sheet1」を指定しているのが原因ではないでしょうか?

    # シートを取得
    sheet = book['Sheet1']

    キャンセル

回答 1

checkベストアンサー

0

問題の根本としては、meg_さんのコメントにある通り、書き込み先(sheet)にSheet1をしているためです。

ただ、これを単純にsheet = book['犬']と変えても、書き込み先が変わるだけで「犬のシートに犬に関するURL、猫のシートに猫に関するURLを書き込む」ことはできません。

解決策として、urlsリストを各KW用に分割・格納するのが良いかと思います。

以下、提案コードになります。

import openpyxl
import datetime
import os
from urllib import request as req
from urllib import error
from urllib import parse
import bs4
from time import sleep

#KWを入力すると、そのKWでのGoogleの文字検索結果を表示。range(0,50,10)で5ページ目までをスクレイピング。range(0,40,10)だと4ページ目までをスクレイピング。
keywords = ["犬","猫"]

#URLを格納するためのリストをKW毎に作成
urls = []
for k in keywords:
    urls.append([])

sleepCounter = 0

#KW毎にスクレイピング&リストへ格納
for i,keyword in enumerate(keywords):
    if not os.path.exists(keyword):
        os.mkdir(keyword)
    urlKeyword = parse.quote(keyword)
    x=0
    for x in range(0,21,10):
        url = "https://www.google.com/search?q="+ urlKeyword +"&rlz=1C1GCEA_enJP788JP788&ei=gI5NXN2uHYvBoATW1JPACQ&start="+ str(x) +"&sa=N&ved=0ahUKEwjd7p_d5o3gAhWLIIgKHVbqBJgQ8tMDCIEC&biw=1920&bih=969"
        headers = {"User-Agent": "Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:47.0) Gecko/20100101 Firefox/47.0",}
        request = req.Request(url=url, headers=headers)
        page = req.urlopen(request)
#Google検索結果のタイトル直下にある緑色のURLを取得し、変数urlsに格納
        html = page.read().decode('utf-8')
        htmls = bs4.BeautifulSoup(html, "html.parser")
        for k in htmls.find_all("cite",class_="iUh30"):
            sleepCounter += 1
            if sleepCounter > 1:
                sleep(1)
                sleepCounter = 0
                #犬のリストには犬に関するURL、猫のリストには猫に関するURLが入る
                urls[i].append(k.string)


# ==================================================================================================

# ブックを取得
book = openpyxl.load_workbook('Excel1.xlsx')
# keywordを変数newsheetにコピー
newsheet = keywords
# シートを取得(現在、『犬』『猫』が存在している)
removesheet = book.sheetnames
# newsheetから、現在シートにあるシート名を削除する
for a in removesheet:
    try:
        newsheet.remove(a)
    except ValueError:
        pass
# newsheetにある要素のシート名を、エクセル内に作成する
for b in newsheet:
    book.create_sheet(str(b))
#各KWのリスト内容を、各KWに関するシートに書き込み
for index,name in enumerate(keywords):
    # KWに関するシートを取得
    sheet = book[name]
    # シートのA,B列の間に行を追加
    sheet.insert_cols(2,1)
    # シートのB1に書き込み
    sheet["B1"] = datetime.date.today()
    # シートのB2から書き込み
    for i,s in enumerate(urls[index]):
        try:
            cell = 'B{}'.format(i+2)
            #私の環境ではそのまま書き込むとエラーが発生したので、とりあえず文字列にして書き込み
            sheet[cell] = str(s)
        except:
            print('error')
            pass
    # 保存する
book.save('Excel2.xlsx')

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 87.37%
  • 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

同じタグがついた質問を見る