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

89.89%

【Ruby】Selemiumでサイトマップを作るプロセス

受付中

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 33

kaori_oka

score 124

やりたいこと

サイト管理・保守のため自作クローラーを回したいサイトがあります。

  • 公開前でベーシック認証がかかっている
  • 非同期のページネーションがある
    上記の2点でウェブサイトエクスプローラーのような既存のクローラーソフトでカバーできない範囲がありました。
①該当ページにアクセス
 ↓
【ここからループ】
②全てのaタグのhrel属性を取得して配列(変数名はget_urlとする)に入れる
入れるものがなくなったら④に移動
 ↓
③get_url内を該当ドメインのもののみに精査する(精査したURL群をget_url_aとする)
【ここまでループ】
 ↓
④get_url_a[num]にアクセス
【ここからループ】へ移動
 ↓
⑤すべてのページを回遊し、重複のないget_url_aをcsv(sitemap.csv)に書き込む

上記のようなプロセスでサイト全体のURLを取得しようと思っています。

また、下記のような要素を盛り込みたいですが、どこで行うのが最適でしょうか。

  • 一度アクセスしたURLは訪れないようにする処理
  • 取得した外部のドメインを別の配列で保持し、別のcsv(external_site.csv)に保存する

コード書き始めることはまだしてないのですが、
先に流れを考えておきたいのと、有識者の添削があったらありがたいと思い質問してみました。

  • 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
    • 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 1

0

「一度アクセスしたURLは訪れないようにする処理」
これは ① の直前でしょう。URLを配列に溜めておいて、一致するものが有ったら次のページヘ

「取得した外部のドメインを別の配列で保持し、」
は ③ で行うのでしょう

「別のcsv(external_site.csv)に保存する」
は二つ考えがあります。
途中でこけたら無くなっても良いなら、最後に
こけてもそれまでに集めたものを取り出したいなら、都度書き出す

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。

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 89.89%
  • 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