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

88.80%

Phthonのurllibで取得できるHTMLについて

解決済

回答 2

投稿

  • 評価
  • クリップ 0
  • VIEW 290

NOK0227

score 7

Python初学者でHTMLにもあまり詳しくないのですが、ご質問にご回答いただけるとありがたいです。

前提・実現したいこと

PythonのurllibとBeautihulSoupを用いて、スクレイピングを行いたいです。

発生している問題・エラーメッセージ

JupyterNotebookを使用して作業を行っております。

私は以下のコードを実行すると、Chromeでデベロッパーツールのelementsパネルで表示されるHTML全文が獲得できると思っておりました。

ですが、実際アクセスはできるのですが、print()で表示されたHTMLは、elementsパネルのものではなく、部分部分かけたようなものになっておりました。

私は、以下のどれかなのかと思っているのですが、

  • 取得できているHTMLがあまりに長いので隠れてる(outputに表示されてないだけ)
  • 機械的にPythonで取得しているため、相手側のセキュリティで一部のみしか取得できていない。
  • そもそもelementsパネルに表示されているものはHTMLだけじゃない(私の勘違い)。

elementsパネルの全てのHTMLを展開した状態で取得する方法が知りたいです。
もしくは、表示されていないだけだとすれば、BeautifulSoupの.findもしくはselectでclassから入れ子のタグを検索する方法を知りたいです。

宜しくお願い致します。

該当のソースコード

import urllib
import bs4 

PROXIES = {
    'http': 'xxx',
    'https':  'xxx',
    'ftp':  'xxx'
}

def setup_proxy():
    proxy = urllib.request.ProxyHandler(PROXIES)
    opener = urllib.request.build_opener(proxy)
    urllib.request.install_opener(opener)
    opener.addheaders =  [('User-agent', 'Mozilla/5.0 (Windows; U; Windows NT 5.1; ja; rv:1.9.2.3) Gecko/20100401 Firefox/3.6.3 ( .NET CLR 3.5.30729)')]



url = 'xxx'
setup_proxy()
res = urllib.request.urlopen(url)

#インスタンスの作成
soup = bs4.BeautifulSoup(res, 'html.parser')


print(soup)

試したこと

上記のコードがすでに試した状態ですが、ユーザーエージェントの問題なのかと思い、

 opener.addheaders =  [('User-agent', 'Mozilla/5.0 (Windows; U; Windows NT 5.1; ja; rv:1.9.2.3) Gecko/20100401 Firefox/3.6.3 ( .NET CLR 3.5.30729)')]


を設定いたしました。

補足情報(FW/ツールのバージョンなど)

python 3.7.4

  • 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 2

checkベストアンサー

+1

elementsパネルのものではなく、部分部分かけたようなものになっておりました。

はい、あくまでPythonで取ってくるのは純粋なHTMLだけであって、ブラウザの開発ツールから見えるのはJavaScript実行後のものです。JavaScriptで構築したものは、前者では取得できません。

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。

  • 2019/11/28 09:44

    それもPythonでできるものでしょうか。
    何か参考になるサイトやコード等あったら大変ありがたいです。

    キャンセル

  • キャンセル

  • 2019/11/28 09:51

    ありがとうございます。
    参考にしてためしてみます。

    キャンセル

+1

JavaScriptが組み込まれてて、DOMをいじってHTMLを動的変更しているのかもしれませんね。
HTML取得しただけだとJavaScriptは動きません。

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。

  • 2019/11/28 09:37

    JavaScriptを実行させたうえでHTMLを取得する方法があるのでしょうか。
    あれば、お聞きしたいです。

    宜しくお願い致します。。。

    キャンセル

  • 2019/11/28 09:52

    selenium使えばJavaScript実行後のHTMLが取得できると思うけど、やったことはないです。
    ググってみたところ、説明記事がいろいろ見つかりました。
    https://www.google.com/search?q=selenium+javascript%E5%AE%9F%E8%A1%8C%E6%B8%88%E3%81%BFHTML

    キャンセル

  • 2019/11/28 11:57

    回答有難うございます。

    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 88.80%
  • 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