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

87.49%

指定したURL内のリンク先リストを取得して、リンク先のリストからもリンク先をリストとして取得したい。

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 491

score 62

前提・実現したいこと

urlsまでは取得出来ていますが、
for文の途中で何か起きているようです。

発生している問題・エラーメッセージ

InvalidSchema                             Traceback (most recent call last)
<ipython-input-35-c6e5e3cfb049> in <module>
     10 links = []
     11 for url in urls:
---> 12     r = requests.get(url)
     13     bs= BeautifulSoup(r.text,'html.parser')
     14     link = bs.find('a')

/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages/requests/api.py in get(url, params, **kwargs)
     73 
     74     kwargs.setdefault('allow_redirects', True)
---> 75     return request('get', url, params=params, **kwargs)
     76 
     77 

/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages/requests/api.py in request(method, url, **kwargs)
     58     # cases, and look like a memory leak in others.
     59     with sessions.Session() as session:
---> 60         return session.request(method=method, url=url, **kwargs)
     61 
     62 

/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages/requests/sessions.py in request(self, method, url, params, data, headers, cookies, files, auth, timeout, allow_redirects, proxies, hooks, stream, verify, cert, json)
    531         }
    532         send_kwargs.update(settings)
--> 533         resp = self.send(prep, **send_kwargs)
    534 
    535         return resp

/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages/requests/sessions.py in send(self, request, **kwargs)
    638 
    639         # Get the appropriate adapter to use
--> 640         adapter = self.get_adapter(url=request.url)
    641 
    642         # Start time (approximately) of the request

/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages/requests/sessions.py in get_adapter(self, url)
    729 
    730         # Nothing matches :-/
--> 731         raise InvalidSchema("No connection adapters were found for '%s'" % url)
    732 
    733     def close(self):

InvalidSchema: No connection adapters were found for '<a aria-current="page" class="logo" href="https://www.oreilly.com" title="home page"><img alt="O'Reilly home" onerror="this.src='https://cdn.oreillystatic.com/images/sitewide-headers/oreilly_logo_mark_red_@2x.png'; this.onerror=null;" src="https://cdn.oreillystatic.com/images/sitewide-headers/oreilly_logo_mark_red.svg"/></a>'

該当のソースコード

import requests
from bs4 import BeautifulSoup
import re

url = 'https://www.oreilly.com/'

r = requests.get(url)
bs = BeautifulSoup(r.text,'html.parser')
urls = bs.find_all('a',{'href':re.compile('^(http).+')})

links = []
for url in urls:
    r = requests.get(url)
    bs= BeautifulSoup(r.text,'html.parser')
    link = bs.find('a')
    links.append(link)
    print(links)
  • 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 1

checkベストアンサー

0

urlsはaタグのリストとなっています。 ※bs.find_allで取得しているのは要素オブジェクトです

ここから「href」の中身を取得してrequests.getすれば良いです。

for url in urls:
    r = requests.get(url.get('href'))
    bs= BeautifulSoup(r.text,'html.parser')
    link = bs.find('a') #ここで取得しているのも<a>でありリンク先アドレスではない
    links.append(link)
    print(links)

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。

  • 2019/08/06 21:24

    """
    import requests
    from bs4 import BeautifulSoup
    import re

    url = 'https://www.oreilly.com/&#039;

    r = requests.get(url)
    bs = BeautifulSoup(r.text,'html.parser')
    urls = bs.find_all('a',{'href':re.compile('^http.+')})

    links = []
    for url in urls:
    url = url.attrs['href']
    r = requests.get(url)
    bs = BeautifulSoup(r.text,'html.parser')
    _links = bs.find_all('a')
    links.append(_links)

    """
    回答ありがとうございます。
    これでよろしいのでしょうか?
    処理がいつまでたっても終わらないのですが、、、

    キャンセル

  • 2019/08/06 21:26

    処理が終わりました。ありがとうございます。重かっただけのようです。

    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 87.49%
  • 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られる

関連した質問

同じタグがついた質問を見る

  • トップ
  • Python 3.xに関する質問
  • 指定したURL内のリンク先リストを取得して、リンク先のリストからもリンク先をリストとして取得したい。