SeleniumでURLを取得したいがエラーがでる

Question

PythonでSeleniumを用いてWebスクレイピングの勉強をしています。
"serch word"をメルカリで検索をかけて、出てきた商品それぞれのURLを取得したいのですが、下記のようにエラーが出力され思い通りにプログラムが動きません。

どこか間違えているところや解決策が思い浮かんだ方がいらっしゃればご回答宜しくお願い致します。

import pandas as pd
from selenium import webdriver
import time
import sys
import os
import csv

driver = webdriver.Chrome(executable_path=r'C:\Selenium_re\chromedriver.exe') # ブラウザを起動

serch_word = "ルンバ"  #検索ワードを設定
words = serch_word.split(" ")
serch_words = words[0]
for i in range(1,len(words)):
    serch_words = serch_words + "+" + words[i]

#URLを設定する
url = "https://www.mercari.com/jp/search/?keyword=" + serch_words #メルカリのURLを設定

page = 1

#リストを作成
columns = ["Name","price","sold","URL"]
df = pd.DataFrame(columns=columns)

#設定したURLを開く
driver.get(url)       # urlを開く

'''
try:
'''
while page <= 100:
        #商品ごとのページ情報を取得(CSSの情報で選択している)
        posts = driver.find_elements_by_css_selector("body > div.default-container > main > div.l-content > section > div.items-box-content.clearfix > section:nth-child(1) > a")  #例ではitem-boxの前にピリオドある
        #何ページの情報を取得しているか表示
        print(str(page) + "ページを取得中")

        #商品ごとの名前や価格、購入済みかどうか、URLを取得
        for post in posts:
            #商品名
            title =  post.find_element_by_css_selector("body > div.default-container > main > div.l-content > section > div.items-box-content.clearfix > section:nth-child(1) > a > div > h3").text

            #商品価格
            price =  post.find_element_by_css_selector("body > div.default-container > main > div.l-content > section > div.items-box-content.clearfix > section:nth-child(1) > a > div > div > div.items-box-price.font-5").text

            #余計なものを削除
            price = price.replace('¥', '')
            price = price.replace(',', '')

            #購入済み = 1, 未購入 = 0
            sold = 0
            if len(post.find_elements_by_css_selector("item-sold-out-badge")) > 0:
                sold = 1

            #URLを取得
            URL = post.find_element_by_css_selector("a").get_attribute("href")
            se = pd.series([title, price, sold, URL],columns)
            df = df.append(se, columns)

        page += 1
        #次のページに進むためのURLを取得
        url = driver.find_element_by_css_selector('body > div.default-container > main > div.l-content > ul > li.pager-next.visible-pc > ul > li:nth-child(1)').get_attribute('href')
        print("Morving to next page.....")
'''
except:
'''
print("Next page is nothing")

driver.quit

filename = "mercari" + serch_word + ".csv"
df.to_csv(filename, encoding = 'utf-8-sig')

1ページを取得中
Traceback (most recent call last):
  File "C:\Python\test0.py", line 55, in <module>
    URL = post.find_element_by_css_selector("a").get_attribute("href")
  File "C:\Users\user\AppData\Local\Programs\Python\Python37-32\lib\site-packages\selenium\webdriver\remote\webelement.py", line 430, in find_element_by_css_selector
    return self.find_element(by=By.CSS_SELECTOR, value=css_selector)
  File "C:\Users\user\AppData\Local\Programs\Python\Python37-32\lib\site-packages\selenium\webdriver\remote\webelement.py", line 659, in find_element
    {"using": by, "value": value})['value']
  File "C:\Users\user\AppData\Local\Programs\Python\Python37-32\lib\site-packages\selenium\webdriver\remote\webelement.py", line 633, in _execute
    return self._parent.execute(command, params)
  File "C:\Users\user\AppData\Local\Programs\Python\Python37-32\lib\site-packages\selenium\webdriver\remote\webdriver.py", line 321, in execute
    self.error_handler.check_response(response)
  File "C:\Users\user\AppData\Local\Programs\Python\Python37-32\lib\site-packages\selenium\webdriver\remote\errorhandler.py", line 242, in check_response
    raise exception_class(message, screen, stacktrace)
selenium.common.exceptions.NoSuchElementException: Message: no such element: Unable to locate element: {"method":"css selector","selector":"a"}
  (Session info: chrome=77.0.3865.120)

Comments

[meg_]

メルカリはスクレイピング禁止のようです。
コードとしてはページ読み込み完了を待って処理する必要があるかと思います。

Answer 1

全体的にCSSセレクタに頼り過ぎています。
このDOMはclass属性が豊富なのでそちらをメインにしてあげるといいでしょう。

page = 1
while page < 100:
    print(str(page) + 'page now')
    for post in driver.find_elements_by_class_name('items-box'):

        # 4要素取得
        title = post.find_element_by_class_name('items-box-name').text
        price = post.find_element_by_class_name('items-box-price').text.replace('¥','').replace(',','')
        sold = 1 if len(post.find_elements_by_class_name('item-sold-out-badge')) > 0 else 0
        url = post.find_element_by_tag_name('a').get_attribute('href')

        # ここでパンダ処理

    # 次のページへ
    try:
        if page == 1:
            driver.find_elements_by_class_name('pager-cell')[5].post.find_element_by_tag_name('a').click()
        else:
            driver.find_elements_by_class_name('pager-cell')[7].post.find_element_by_tag_name('a').click()
        sleep(5)
    except IndexError:
        break
    page = page + 1
    print('go to next page')

print('done!')
driver.quit()
exit()

Answer 2

エラーメッセージとコードが合わないので、思っているのと違うファイルを実行しています。

Comments

[Yuu412]

試行錯誤していた別のファイルを間違えて投稿していました。
差し替えましたので再度宜しくお願い致します。

[otn]

エラーメッセージは、
Message: no such element: Unable to locate element: {"method":"css selector","selector":"a"}
です。
行番号が合いませんが、
> URL = post.find_element_by_css_selector("a").get_attribute("href")
が該当行のようなので、postの中にaタグがないのでしょう。
おそらく、
posts = driver.find_elements_by_css_selector("body > div.default-container > main > div.l-content > section > div.items-box-content.clearfix > section:nth-child(1) > a")
が間違えているんでしょうね。