pythonスクレイピング　URLがデバッグに出力されない

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。

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。

meg_

2019/09/21 06:00

「https://news.google.com/」はスクレイピング禁止のようですが。

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