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

90.39%

  • Ruby

    9904questions

    Rubyはプログラミング言語のひとつで、オープンソース、オブジェクト指向のプログラミング開発に対応しています。

効率がわるいのか?処理が間に合わない。mechanizeを用いてのRubyスクレイピング,CSVで保存

受付中

回答 2

投稿

  • 評価
  • クリップ 1
  • VIEW 1,213

famlwrem

score 4

原因は#ほんとは上記コメントアウトの2行を加えたいのですが、処理が追いつかないのかな?下に記しました
のコード辺りだと思うのですが、効率のいい書き方(全体的に)がありましたらご教授お願いします。

エラー概要
 xmlXPathCompOpEval: function content not found (RuntimeError)
            
#coding : utf-8
require 'kconv'
require 'open-uri'
require 'mechanize'
require 'csv'
 
agent = Mechanize.new
header = ["会社名","メールアドレス","代表者名","所在地","TEL","FAX"]
CSV.open("XXX.csv","w", :headers => header, :write_headers => true) do |csv|
  #47都道府県
  for num in 1..47 do
        if num < 2 then
              pi = 1
          elsif num < 8 then
              pi = 2
          elsif num < 15 then
              pi = 3
          elsif num < 25 then
              pi = 4
          elsif num < 31 then
              pi = 5
          elsif num < 36 then
              pi = 6
          elsif num < 40 then
              pi = 7
          else num < 48
              pi = 8
      end
      url = "http://XXXXXXXXXXXXX" + pi.to_s + "&pref_id=" + num.to_s  
 
    html = open(url,"r:EUC-JP")
    page = Nokogiri.HTML(html,nil,"EUC-JP")
    count = 0
    @company = []
    #1ページに30社
    while count < 30 do
      #個別会社ページの要素を1つずつ取得
      page.search(".mini2+ .mini2 a").each do |kaisya_search| 
          sleep(1)
          count += 1
          kaisya_url = kaisya_search[:href] 
          kaisya_html = open(kaisya_url,"r:EUC-JP")    
          kaisya_page = Nokogiri.HTML(kaisya_html,nil,"EUC-JP")
            #tr:nth-child(1)もしくはtr:nth-child(3)のCSS3にメールアドレス
            valid_address = /[\w\d_-]+@[\w\d_-]+\.[\w\d._-]+/
            mail_address = kaisya_page.search('tr:nth-child(1) a').text
            if valid_address =~ mail_address
            @company.push(kaisya_search.text.toutf8)
            @company.push(kaisya_page.search('tr:nth-child(1) a').to_s.scan(/[\w\d_-]+@[\w\d_-]+\.[\w\d._-]+/)[1])
            @company.push(kaisya_page.search('.grid-7 tr:nth-child(2) td').text)
            @company.push(kaisya_page.search('.grid-7 tr:nth-child(3) td').text)
            #@company.push(kaisya_page.search('.grid-7 tr:nth-child(4) td').text)
            #@company.push(kaisya_page.search(':content("ファックス")+ td').text)
            
            #ほんとは上記コメントアウトの2行を加えたいのですが、処理が追いつかないのかな?下に記しました
            
            else
            @company.push(kaisya_search.text.toutf8)
            @company.push(kaisya_page.search('tr:nth-child(3) a').to_s.scan(/[\w\d_-]+@[\w\d_-]+\.[\w\d._-]+/)[1])
            @company.push(kaisya_page.search('tr:nth-child(4) .standard').text)
            @company.push(kaisya_page.search('tr:nth-child(6) .standard').text)
            #@company.push(kaisya_page.search('td td tr:nth-child(8) .standard').text)
            #@company.push(kaisya_page.search('tr:nth-child(10) .standard').text)
            
            #同上
            
            end 
            csv << @company.to_a.pop(4)#daihyousya,syozaichi,tel,fax,
        #次のページに移動、 
        if count == 30
          unless page.search("span+ a").empty?          
          next_30_url = page.search("span+ a")[0][:href] 
          next_30_html = "http://www.akabou.ne.jp/" + next_30_url
          next_html = open(next_30_html,"r:EUC-JP")
          page = Nokogiri.HTML(next_html,nil,"EUC-JP")
          count = 0
          sleep(1)
          end 
        end     
      end
    end
  end
end
  • 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 2

+1

xmlXPathCompOpEval: function content not found (RuntimeError) 
というエラーで検索してもズバリのものが見付からなかったのですが、パーサ Nokogiri が内部で使っているライブラリ libxml2 に関連するエラーのようです。
想像するに、 Nokogiri でパースするために kaisya_page.search で指定しておられる css が正しくないのでは、と思います。
(クロール対象のサイトが分からないですし、おそらく認証が必要なサイトなのでは、と想像していますので指摘も出来ませんが。また agent が宣言されつつ内部で全く使われていないのは、公開できないところで使っているのかなと思ったりしました。)
その他ですが、
  • 都道府県コードと思われる num を if 節で分岐しておられますが、case〜when〜else〜end を使う方が見やすいかなと思います。
  • ローカル変数 csv に代入するときに @company に push したものをまとめて pop しておられますが、余計に読みづらいのではないかと思いました。コメントに #daihyousya,syozaichi,tel,fax, と書くのであれば、 @company の代わりにそれらを変数名にして使えばいいのではないかと。
  • インデントレベルが乱れてますので誤読しかねません。
あまり回答になってない気もしますが、公開情報が限られていますのでこれぐらいになりました。
お役に立てば幸いです。

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

例示されたコードですが、すこし読みづらいとおもったので、書き換えてみました。(本題と関係なくてゴメンナサイ)

https://gist.github.com/gouf/ec880c381d4b606b522e

* 処理の塊に名前を付けてあげる(関数に書き出す)
* 重複を排除する
* インデントレベルが深くなっているのところを浅くする
* for やwhile はなるべく使用しない

このあたりを意識して書くと、読み易いコードが書けるように思います。

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。

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 90.39%
  • 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

同じタグがついた質問を見る

  • Ruby

    9904questions

    Rubyはプログラミング言語のひとつで、オープンソース、オブジェクト指向のプログラミング開発に対応しています。