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

88.59%

python スクレイピングの処理時間が長いのでアドバイスが欲しいです。

解決済

回答 3

投稿

  • 評価
  • クリップ 1
  • VIEW 801

monkey0-0

score 7

株式情報(1400銘柄)をcsvデータに保存しています。
処理自体はしっかり動くのですが、処理時間がすごく長いです。
プログラミングの勉強を始めたばかりで、無駄なことを書いている可能性があると思います。

from selenium import webdriver
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.common.by import By
from selenium.webdriver.chrome.options import Options
from selenium.webdriver.common.action_chains import ActionChains
import chromedriver_binary
import time
import traceback
import pandas as pd

stratTime = time.time() #プログラムの開始時刻

options = Options()
options.binary_location = '/Applications/Chromium.app/Contents/MacOS/Chromium'
options.add_argument('--headless')
driver = webdriver.Chrome(options=options)


for i in range(1,70):
    driver.get("https://minkabu.jp/financial_item_ranking/market_capitalization?order=asc&page=" + str(i))#&page=2
    class_name = driver.find_element_by_tag_name("tbody").find_elements_by_tag_name("tr")[1:]

    for souse in class_name:
        driver = webdriver.Chrome(options=options)
        number = souse.find_elements_by_class_name("md_sub")[0].text
        print("取得する銘柄は"+number+"です")
        driver.get("https://kabuoji3.com/stock/"+number+"/")
        time.sleep(5)
        all_price = driver.find_elements_by_tag_name("tbody")
        print(driver.current_url)
        a_df = pd.DataFrame(columns=['日付','始値','終値','出来高'])

        for data in all_price:
            date = data.find_element_by_tag_name("tr").find_elements_by_tag_name("td")[0].text
            time.sleep(1)
            opening_price = data.find_element_by_tag_name("tr").find_elements_by_tag_name("td")[1].text
            time.sleep(1)
            closing_price = data.find_element_by_tag_name("tr").find_elements_by_tag_name("td")[4].text
            time.sleep(1)
            Volume = data.find_element_by_tag_name("tr").find_elements_by_tag_name("td")[5].text
            time.sleep(1)        
            tmp_se = pd.Series( [ date, opening_price, closing_price, Volume ], index=a_df.columns )
            a_df = a_df.append( tmp_se, ignore_index=True )
        mycsv = a_df.sort_values('日付')
        a_df.to_csv(number + "_stockPriceData.csv",index=False)
endTime = time.time() #プログラムの終了時刻
runTime = endTime - stratTime #処理時間
print(runTime)


可能な限り処理時間を短くするための具体的なアドバイスが欲しいです。
ちなみに今の処理時間は二日以上かかります。途中で下記のようなエラーが出るため処理が完了したことはありません。(200銘柄がマックス取得です。)

selenium.common.exceptions.WebDriverException: Message: unknown error


そのほかに考えられる問題があればそちらも兼ねてお答えいただければと思います。
何卒よろしくお願い申し上げます。

  • 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 3

checkベストアンサー

+2

一番問題なのはプログラムの最終行にdriver.quit()が打たれておらず
実行の度にメモリにガベージがたまっていくことです。
実行の度にどんどん遅くなっていきます。

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。

+2

単に不要な time.sleep を減らせばいいのでは。

for data in all_price:

このループの中で time.sleep(1) を何度も実行していますが、スリープする必要性を感じません。

ただし、それによってアクセス過多等でアクセス元に迷惑をかけたとしても私は責任を取りません。
スリープを削除する場合は、スリープが必要かどうかをよく考えて、質問者ご自身の責任の元で行ってください。

ちなみに、現在のコードが適切な手法かどうかもチェックしてませんのであしからず。

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。

+2

cProfileモジュールを使うと、各命令での実行時間がわかりますので、どこで時間がかかっているのか調べましょう。
Python プロファイラ

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。

  • 2019/12/15 03:18

    > 処理が完了したことはありません。
    あ、当然ですが、実行が終わらないと結果が出ないので、銘柄数を絞るなりなんなり。

    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 88.59%
  • 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