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。

URL

URL(ユニフォームリソースロケータ)とは、インターネット上のリソース(Webページや電子メールの宛先等)を特定するための形式的な記号の並びの事を言う。

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。

Google

Googleは、アメリカ合衆国に位置する、インターネット関連のサービスや製品を提供している企業です。検索エンジンからアプリケーションの提供まで、多岐にわたるサービスを提供しています。

HTML

HTMLとは、ウェブ上の文書を記述・作成するためのマークアップ言語のことです。文章の中に記述することで、文書の論理構造などを設定することができます。ハイパーリンクを設定できるハイパーテキストであり、画像・リスト・表などのデータファイルをリンクする情報に結びつけて情報を整理します。現在あるネットワーク上のほとんどのウェブページはHTMLで作成されています。

Q&A

解決済

1回答

1971閲覧

pythonスクレイピング URLがデバッグに出力されない

applepine

総合スコア6

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。

URL

URL(ユニフォームリソースロケータ)とは、インターネット上のリソース(Webページや電子メールの宛先等)を特定するための形式的な記号の並びの事を言う。

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。

Google

Googleは、アメリカ合衆国に位置する、インターネット関連のサービスや製品を提供している企業です。検索エンジンからアプリケーションの提供まで、多岐にわたるサービスを提供しています。

HTML

HTMLとは、ウェブ上の文書を記述・作成するためのマークアップ言語のことです。文章の中に記述することで、文書の論理構造などを設定することができます。ハイパーリンクを設定できるハイパーテキストであり、画像・リスト・表などのデータファイルをリンクする情報に結びつけて情報を整理します。現在あるネットワーク上のほとんどのウェブページはHTMLで作成されています。

0グッド

0クリップ

投稿2019/09/21 02:55

前提・実現したいこと

googleニュースのスクレイピング

発生している問題

vscodeで以下のソースコードをデバッグした結果、ターミナルには以下のような結果が出力され、デバッグコンソールにはスクレイピングしたURLが出力されて欲しいのですが、何も出力されていません。

bash-3.2$ /Library/Frameworks/Python.framework/Versions/3.7/bin/python3/Users /username/.vscode/extensions/ms-python.python-2019.9.34911/pythonFiles/ptvsd_launcher.py --default --client --host localhost --port 62284 /Users/username/Desktop/python_test_file/scraper.py bash-3.2$

該当のソースコード

python

1import urllib.request 2from bs4 import BeautifulSoup 3 4 5class Scraper: 6 def __init__(self, site): 7 self.site = site 8 9 def scrape(self): 10 r = urllib.request.urlopen(self.site) 11 html = r.read() 12 parser = "html.parser" 13 sp = BeautifulSoup(html,parser) 14 for tag in sp.find_all("a"): 15 url = tag.get("href") 16 if url is None: 17 continue 18 if "html" in url: 19 print("\n" + url) 20 21news = "https://news.google.com/" 22Scraper(news).scrape()

試したこと

"html"を"htmls"に変えたりして実行してみてもうまくいきませんでした。

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。

shirai

2019/09/21 03:59

url = tag.get("href")の後にprint(url)と打ってみてはいかがでしょうか。
applepine

2019/09/21 05:05

回答ありがとうございます。ご指摘のように実行致しましたところ以下のような結果がデバッグコンソールに出力されました。 URLも出力されているのですが、None〜とURL以外のものも出力されているような気がするのですがこれでよろしいのでしょうか? ./?hl=en-US&gl=US&ceid=US%3Aen https://www.google.com/intl/en/about/products https://myaccount.google.com/?utm_source=OGB&utm_medium=app https://www.google.com/webhp https://maps.google.com/maps?hl=en https://www.youtube.com/?gl=US https://play.google.com/?hl=en https://news.google.com/nwshp?hl=en https://mail.google.com/mail/ https://contacts.google.com/?hl=en https://drive.google.com/ https://www.google.com/calendar https://translate.google.com/?hl=en https://photos.google.com/?pageId=none https://www.google.com/shopping?hl=en&source=og https://www.google.com/intl/en/about/products https://www.google.com/finance https://docs.google.com/document/?usp=docs_alc https://books.google.com/bkshp?hl=en https://www.blogger.com/ https://duo.google.com/?usp=duo_ald https://hangouts.google.com/ https://keep.google.com/ https://jamboard.google.com/?usp=jam_ald https://www.google.com/save https://www.google.com/intl/en/about/products https://accounts.google.com/ServiceLogin?passive=1209600&continue=https://news.google.com/?hl%3Den-US%26gl%3DUS%26ceid%3DUS:en&followup=https://news.google.com/?hl%3Den-US%26gl%3DUS%26ceid%3DUS:en&hl=en-US ./?hl=en-US&gl=US&ceid=US%3Aen ./?hl=en-US&gl=US&ceid=US%3Aen ./topics/CAAqIggKIhxDQkFTRHdvSkwyMHZNRGxqTjNjd0VnSmxiaWdBUAE?hl=en-US&gl=US&ceid=US%3Aen ./topics/CAAqJggKIiBDQkFTRWdvSUwyMHZNRGx1YlY4U0FtVnVHZ0pWVXlnQVAB?hl=en-US&gl=US&ceid=US%3Aen ./topics/CAAqJggKIiBDQkFTRWdvSUwyMHZNRGx6TVdZU0FtVnVHZ0pWVXlnQVAB?hl=en-US&gl=US&ceid=US%3Aen ./topics/CAAqJggKIiBDQkFTRWdvSUwyMHZNRGRqTVhZU0FtVnVHZ0pWVXlnQVAB?hl=en-US&gl=US&ceid=US%3Aen ./topics/CAAqJggKIiBDQkFTRWdvSUwyMHZNREpxYW5RU0FtVnVHZ0pWVXlnQVAB?hl=en-US&gl=US&ceid=US%3Aen ./topics/CAAqJggKIiBDQkFTRWdvSUwyMHZNRFp1ZEdvU0FtVnVHZ0pWVXlnQVAB?hl=en-US&gl=US&ceid=US%3Aen ./topics/CAAqJggKIiBDQkFTRWdvSUwyMHZNRFp0Y1RjU0FtVnVHZ0pWVXlnQVAB?hl=en-US&gl=US&ceid=US%3Aen ./topics/CAAqIQgKIhtDQkFTRGdvSUwyMHZNR3QwTlRFU0FtVnVLQUFQAQ?hl=en-US&gl=US&ceid=US%3Aen https://play.google.com/store/apps/details?id=com.google.android.apps.magazines&referrer=news.google.com?utm_source=web&utm_medium=menu&utm_campaign=side_menu_promotion https://itunes.apple.com/US/app/apple-store/id459182288?pt=9008&ct=Web%20Side%20Promotion&mt=8&l=en-US https://support.google.com/googlenews?p=web&hl=en-US&authuser=0 https://www.google.com/producer/app/privacy https://www.google.com/producer/app/tos https://www.google.com/about ./topics/CAAqJggKIiBDQkFTRWdvSUwyMHZNRFZxYUdjU0FtVnVHZ0pWVXlnQVAB?hl=en-US&gl=US&ceid=US%3Aen ./topics/CAAqJggKIiBDQkFTRWdvSUwyMHZNRFZxYUdjU0FtVnVHZ0pWVXlnQVAB?hl=en-US&gl=US&ceid=US%3Aen ./articles/CAIiEHWaoeE4zFtJXm-ka0LkzPIqGAgEKg8IACoHCAowjtSUCjC30XQw36e5AQ?hl=en-US&gl=US&ceid=US%3Aen ./articles/CAIiEHWaoeE4zFtJXm-ka0LkzPIqGAgEKg8IACoHCAowjtSUCjC30XQw36e5AQ?hl=en-US&gl=US&ceid=US%3Aen ./articles/CAIiEHWaoeE4zFtJXm-ka0LkzPIqGAgEKg8IACoHCAowjtSUCjC30XQw36e5AQ?hl=en-US&gl=US&ceid=US%3Aen ./publications/CAAqBwgKMI7UlAowt9F0?hl=en-US&gl=US&ceid=US%3Aen ./articles/CAIiEEcfNtKUFohhMEQk_6f4pD4qGQgEKhAIACoHCAow2Nb3CjDivdcCMJ_d7gU?hl=en-US&gl=US&ceid=US%3Aen ./articles/CAIiEEcfNtKUFohhMEQk_6f4pD4qGQgEKhAIACoHCAow2Nb3CjDivdcCMJ_d7gU?hl=en-US&gl=US&ceid=US%3Aen ./publications/CAAqBwgKMNjW9wow4r3XAg?hl=en-US&gl=US&ceid=US%3Aen ./articles/CAIiEIO9hyGJ1HOx-JG81M4OWIQqGQgEKhAIACoHCAowjsP7CjCSpPQCMM_b5QU?hl=en-US&gl=US&ceid=US%3Aen ./articles/CAIiEIO9hyGJ1HOx-JG81M4OWIQqGQgEKhAIACoHCAowjsP7CjCSpPQCMM_b5QU?hl=en-US&gl=US&ceid=US%3Aen ./publications/CAAqBwgKMI7D-wowkqT0Ag?hl=en-US&gl=US&ceid=US%3Aen ./articles/CAIiEI721KazfvxGD363rGo6E84qGQgEKhAIACoHCAowjMqjCjCJhZwBMKHUywM?hl=en-US&gl=US&ceid=US%3Aen ./articles/CAIiEI721KazfvxGD363rGo6E84qGQgEKhAIACoHCAowjMqjCjCJhZwBMKHUywM?hl=en-US&gl=US&ceid=US%3Aen ./publications/CAAqBwgKMIzKowowiYWcAQ?hl=en-US&gl=US&ceid=US%3Aen ./articles/CBMib2h0dHBzOi8vd3d3Lndhc2hpbmd0b25leGFtaW5lci5jb20vb3Bpbmlvbi90cnVtcC11a3JhaW5lLXN1c3BpY2lvbnMtcmFpc2Utc3BlY3RlcnMtb2YtY29sbHVzaW9uLWFuZC1pbXBlYWNobWVudNIBAA?hl=en-US&gl=US&ceid=US%3Aen ./articles/CBMib2h0dHBzOi8vd3d3Lndhc2hpbmd0b25leGFtaW5lci5jb20vb3Bpbmlvbi90cnVtcC11a3JhaW5lLXN1c3BpY2lvbnMtcmFpc2Utc3BlY3RlcnMtb2YtY29sbHVzaW9uLWFuZC1pbXBlYWNobWVudNIBAA?hl=en-US&gl=US&ceid=US%3Aen None ./stories/CAAqOQgKIjNDQklTSURvSmMzUnZjbmt0TXpZd1NoTUtFUWlvenZHaWpvQU1FUWpJdzVsbkxNY0VLQUFQAQ?hl=en-US&gl=US&ceid=US%3Aen ./articles/CAIiEOQTGtZc175CYH1KZbRLKfgqFggEKg4IACoGCAow9vBNMK3UCDCvpUk?hl=en-US&gl=US&ceid=US%3Aen ./articles/CAIiEOQTGtZc175CYH1KZbRLKfgqFggEKg4IACoGCAow9vBNMK3UCDCvpUk?hl=en-US&gl=US&ceid=US%3Aen ./articles/CAIiEOQTGtZc175CYH1KZbRLKfgqFggEKg4IACoGCAow9vBNMK3UCDCvpUk?hl=en-US&gl=US&ceid=US%3Aen ./publications/CAAqBggKMPbwTTCt1Ag?hl=en-US&gl=US&ceid=US%3Aen ./articles/CCAiC1pwVWxwNXRhSUd3mAEB?hl=en-US&gl=US&ceid=US%3Aen ./articles/CCAiC1pwVWxwNXRhSUd3mAEB?hl=en-US&gl=US&ceid=US%3Aen None ./articles/CBMid2h0dHBzOi8vd3d3LmZveG5ld3MuY29tL3dvcmxkL2F0dGFjay1vbi1zYXVkaS1hcmFiaWEtb2lsLWZpZWxkLXdvdWxkLWxpa2VseS1ub3QtaGF2ZS1iZWVuLXN0b3BwZWQtYnktYW55LWNvdW50cnktZXhwZXJ00gF7aHR0cHM6Ly93d3cuZm94bmV3cy5jb20vd29ybGQvYXR0YWNrLW9uLXNhdWRpLWFyYWJpYS1vaWwtZmllbGQtd291bGQtbGlrZWx5LW5vdC1oYXZlLWJlZW4tc3RvcHBlZC1ieS1hbnktY291bnRyeS1leHBlcnQuYW1w?hl=en-US&gl=US&ceid=US%3Aen ./articles/CBMid2h0dHBzOi8vd3d3LmZveG5ld3MuY29tL3dvcmxkL2F0dGFjay1vbi1zYXVkaS1hcmFiaWEtb2lsLWZpZWxkLXdvdWxkLWxpa2VseS1ub3QtaGF2ZS1iZWVuLXN0b3BwZWQtYnktYW55LWNvdW50cnktZXhwZXJ00gF7aHR0cHM6Ly93d3cuZm94bmV3cy5jb20vd29ybGQvYXR0YWNrLW9uLXNhdWRpLWFyYWJpYS1vaWwtZmllbGQtd291bGQtbGlrZWx5LW5vdC1oYXZlLWJlZW4tc3RvcHBlZC1ieS1hbnktY291bnRyeS None .... 以下Noneが同様に続いていきます。
shirai

2019/09/21 16:26

if "html" in urlが判定条件なのに追加でいただいた 出力されているものの中には1つも当てはまるものがなさそうですね。 これが何も出力されずに正常終了した原因ではないでしょうか。 試しにif "http" in urlなどに変えてみて下さい。いくつか出力されるはずです。 あとサイトのスクレイピング禁止には気をつけて下さい。
applepine

2019/09/22 02:13

ご指摘のように行うといくつか出力されました。ありがとうございます。 スクレイピング自体が初めてだったので、禁止されている場合もあるのですね…。 今度からスクレイピング可能か調べてから行うように気をつけます。 ありがとうございました。 差し出がましいかもしれませんが、同様の質問がみつかったので添付しておきます。 https://teratail.com/questions/150749
guest

回答1

0

自己解決

if "html" in url という箇所を、if "http" in url に変えるか、
あるいはprint(url)とすることでいくつかのURLが出力されます。

投稿2019/09/22 02:17

applepine

総合スコア6

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
85.50%

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