(Rails)Youtubeの再生時間のスクレイピングについて
解決済
回答 2
投稿
- 評価
- クリップ 0
- VIEW 1,922
Rails,スクレイピング初心者のものです。
前提・実現したいこと
Youtubeをスクレイピングした動画まとめサイトを作っています。
再生時間の取得をしたいのですがうまく動きません。
発生している問題・エラーメッセージ
エラーメッセージは発生していません。ただ、再生時間だけ結果が返ってきません。
一応ソースコード内の、dog.duration=...の部分で取得しているつもりです。
ソースコード
# encoding: utf-8
# URLにアクセスするためのライブラリの読み込み
require 'open-uri'
# Nokogiriライブラリの読み込み
require 'nokogiri'
require 'uri'
# 前半部では、検索ワードに関連するリンクの一覧を取得する。
urls = []
# 配列の宣言
search_q="柴犬"
search_term = URI.encode(search_q)
# サーチタームを定義。URIオブジェクトのencodeメソッドでutf-8に対応している?
url="https://www.youtube.com/results?search_query=#{search_term}"
# urlは普通に、YouTubeの検索した時のurl。
doc=Nokogiri::HTML(open(url))
# ノコギリで、urlを開いてdocという変数へ入れる。
elements=doc.xpath("//h3[@class='yt-lockup-title ']/a")
# 要素の切り出しをxpathを使って行う。 h3タグでyt-lookup-title(注意:末尾に半角スペース1つ入ります!)というクラスが付与された要素下のa要素を取得。
elements.each do |a|
# その中のリンク要素それぞれを取り出す。
code = a.attributes['href'].value
# そして、その要素が持つhref属性、すなわちアドレスを取得する。
urls << "https://www.youtube.com" + code if code.include?('watch')
# 配列宣言しておいたurlsにそれぞれのアドレスをお尻に付加した、youtubeのアドレスをぶっこんでいく。
end
# 後半部では、各リンクの中の要素を取得していく。
urls.each do |url|
# それぞれのurlについて情報を吐き出させる。
doc =Nokogiri::HTML(open(url),nil,"UTF-8")
dog =Dog.new
dog.genre=search_q
dog.name=doc.xpath("//*[@id='watch7-user-header']/div/a").text
dog.title = doc.xpath("//h1['watch-headline-title']/span").text.gsub(/¥n/,'')
imageid=url.match(/\?([^&]+)/).to_s.sub("?v=","")
# mvid="//i.ytimg.com/vi_webp/#{imageid}/mqdefault.webp"
dog.mvid="http://i.ytimg.com/vi_webp/#{imageid}/mqdefault.webp"
dog.duration=doc.xpath("//*[@id='movie_player']/div[12]/div[1]/div").text
dog.description = doc.xpath("//p[@id='eow-description']").text
dog.watch = doc.xpath("//*[@id='watch7-views-info']/div[1]").text
dog.fav = doc.xpath("//*[@id='watch8-sentiment-actions']/span/span[1]/button/span").text
dog.url = url
dog.save
end
補足情報(言語/FW/ツール等のバージョンなど)
Rails 4.2
Ruby 2.2.2
MySQL
ご指導宜しくお願いします。
-
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
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。
- 質問回答など一定の行動
-
メールアドレスの認証
メールアドレスの認証
-
質問評価に関するヘルプページの閲覧
質問評価に関するヘルプページの閲覧
checkベストアンサー
+1
doc.xpath("//*[@id='movie_player']/div[12]/div[1]/div").text
これでdurationを取得されようとしていますが、
このXPathはJavaScriptによってHTMLが生成された状態でのXPathとなります。
Chromeなどで適当なYoutubeの動画を開いてCtrl + UしてHTMLのソースを見て下さい。
その状態のHTMLがRubyには見えています。
JavaScriptは動きませんので上記のXPathは無効です。
HTMLの
<meta itemprop="duration" content="PT3M42S">
これが使えると思います。
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。
0
<meta itemprop="duration" content="PT3M42S">
の"3M42S"は、3分42秒を表しており、
それをXpathで解析したのち、subメソッドで置き換え整形すれば完了です。
ありがとうございました。
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。
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 88.34%
- 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
2015/12/25 16:32
ご回答ありがとうございます。
<meta itemprop="duration" content="PT3M42S">が使えるとのことでしたが、
これまたmetaタグの取得がうまくできません。
以下のようなコードで実行してみても中身が返ってこないです・・・。
試したコードは以下のとおり。
①cssによる解析
dog.duration=doc.css('meta[@itemprop="duration"]').attr('content')
②xpathによる解析
dog.duration=doc.xpath('/html/head/meta[@itemprop="duration"]').to_s
ご指導宜しくお願いします。
2015/12/25 16:47
①cssによる解析
dog.duration=doc.css('meta[@itemprop="duration"]').attr('content')
を実行するとエラーにはなりませんが、カラムには
--- !ruby/object:Nokogiri::XML::Attr {}
という文字列が入っています。
②Xpathによる解析の場合には、エラーメッセージも中身もありませんでした。
2015/12/26 20:17
ご回答ありがとうございました。
<meta itemprop="duration" content="PT3M42S">
の"3M42S"は、3分42秒を表しており、
それをXpathで解析したのち、subメソッドで置き換え整形し、取得成功しました。
ありがとうございました。