🎄teratailクリスマスプレゼントキャンペーン2024🎄』開催中!

\teratail特別グッズやAmazonギフトカード最大2,000円分が当たる!/

詳細はこちら
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。

Scrapy

Scrapyは、Pythonで開発されたオープンソースソフトウェアです。スクレイピングという、Webサービスから必要な情報を取り出したり自動操作をしたりする技術を使うものです。

Q&A

解決済

1回答

539閲覧

Scrapy、抽出したリンク先の特定HTML要素を隣の列に配置してCSV出力したい

fukazume

総合スコア78

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。

Scrapy

Scrapyは、Pythonで開発されたオープンソースソフトウェアです。スクレイピングという、Webサービスから必要な情報を取り出したり自動操作をしたりする技術を使うものです。

0グッド

0クリップ

投稿2019/10/24 04:53

編集2019/10/24 05:12

##■やりたいこと
こちらのデモサイト(http://books.toscrape.com/)で列挙されている書籍リスト項目から
①書籍単品のURL/aタグhref属性(図1赤枠)
②そのリンク先のh1タグ文字列(図2赤枠)

を取得し、以下レイアウトのCSVファイルとして出力したいです。サンプルコードをご教示いただけると誠にありがたく存じます。

#####<CSV出力時の理想レイアウト>

書籍URL(図1)書籍URLリンク先のh1タグ文字列(図2)
http://books.toscrape.com/catalogue/a-light-in-the-attic_1000/index.htmlA Light in the Attic
http://books.toscrape.com/catalogue/tipping-the-velvet_999/index.htmlTipping the Velvet
(ページ内の書籍リスト分続く)(ページ内の書籍リスト分続く)

#####<図1>
図1

#####<図2>
イメージ説明

##■現状
下の記述サンプルなどのitemやscrapy.Request周辺を編集したりして各項目を個別に取得できたりまではするのですが、以下失敗イメージのように行列を揃えての出力ができていません。for文やyieldによる出力の流れ/制御の理解も足りていないんだと想像しています。

どうぞよろしくお願い申し上げます。

######<失敗イメージ>

書籍URL(図1)書籍URLリンク先のh1タグ文字列(図2)
http://books.toscrape.com/catalogue/a-light-in-the-attic_1000/index.html,
http://books.toscrape.com/catalogue/tipping-the-velvet_999/index.html,
,A Light in the Attic
,Tipping the Velvet

#####<記述サンプル>

Scrapy

1# -*- coding: utf-8 -*- 2import scrapy 3 4 5class BooksSpider(scrapy.Spider): 6 name = "books" 7 allowed_domains = ["books.toscrape.com"] 8 start_urls = [ 9 'http://books.toscrape.com/', 10 ] 11 12 def parse(self, response): 13 for book_url in response.css("article.product_pod > h3 > a ::attr(href)").extract(): 14 yield scrapy.Request(response.urljoin(book_url), callback=self.parse_book_page) 15 next_page = response.css("li.next > a ::attr(href)").extract_first() 16 if next_page: 17 yield scrapy.Request(response.urljoin(next_page), callback=self.parse) 18 19 def parse_book_page(self, response): 20 item = {} 21 product = response.css("div.product_main") 22 item["title"] = product.css("h1 ::text").extract_first() 23 yield item 24

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。

guest

回答1

0

ベストアンサー

タイトル取得するときに現在のURLも一緒に取得すればいいのでは
item["url"]の名前は変更してください

python

1def parse_book_page(self, response): 2 item = {} 3 product = response.css("div.product_main") 4 item["title"] = product.css("h1 ::text").extract_first() 5 # 追加 6 item["url"] = response.url 7 yield item

投稿2019/10/24 05:22

barobaro

総合スコア1286

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。

fukazume

2019/10/24 09:16

ご回答、誠にありがとうございます。その手がありました!
guest

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
85.36%

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