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

89.63%

Pythonスクレイピングをご教示頂きたい。

解決済

回答 1

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 179

LBciel.

score 3

前提・実現したいこと(すべて解決するまで更新し続けます。)

【URL】【画像】【商品名】【発売日】【値段】を抜き出して出力する。(CSV、テキストなど)
その後、tkinterでExcelのinputboxのようなものを作成する。

▾
 ▾<div id="Main"><a href="URL1" class"s d a">
  ▾<div class="img">
      <img src="https://...jpg?" Srcset="https://...jpg? x1, https://...jpg? x2">
     </div>
  ▾<div class="one"><div class="two">
       <span class="title">商品名</span>
      </div>
      <div class="three">発売日</div><div class=""></div><div class="four"><div class="five"><span style="color: #888888;">
         <strike>¥1,520</strike>
        </span>
        <br>
        "¥1,140   "
       </div>
      </div>
     </div>
     <div style="clear: left;"></div>
   </a><a href="URL2" class"s d a"></a><a href="URL3" class"s d a"></a><a href="URL4" class"s d a"></a>
 </div>


※必要でないような部分は記述していません。classはそのまま表示するわけにもいきませんので英数字を入れています。出来ない部分は無理に出力も必要ありません。
(<a href>内のclassは一部商品を除き同一でした。)
もし上記だけでは情報不足という事であれば、その前後も追記致します。

<a>タグの中に欲しい情報が全て収まっており、ブラウザ上は横並びで一行になっています。
<a>タグ1つが1行で、その下URL2,3,4…と下に続いています。その全てをページを変えて抽出が目標となっております。
値段の部分では割引されている場合改行が入ります。VBAで試した際にそのままCSV出力すると改行された為、「vbCrLf」で削除し解決しました。

一度下記質問内で同じページをVBAスクレイピングしております。
https://teratail.com/questions/237676

解決済み(一部)2/15更新

※実際のサイトのclass名等を一部変更し記載しています。
【URL】【画像】【商品名】【発売日】【値段】の抜き出しは一応出来ております。(問題あり)

import requests
import urllib.request
from bs4 import BeautifulSoup

r = requests.get("https://store.com/search/?term=japanese")

soup = BeautifulSoup(r.content, "html.parser")

main = soup.find('div', id='search_resultsRows')
m2a = main.find_all('a', class_='search_result_row')
a2trph = []
for item in m2a:
    a2t = item.select_one("[class='title']").text
    a2r = item.select_one('div.search_released').text
    a2p = item.select_one('div.search_price').text
    a2h = item.get('href')
    a2trph.append(a2t)
    a2trph.append(a2r)
    a2trph.append(a2p)
    a2trph.append(a2h)
print(a2trph)

with open("test.txt", "w", encoding="utf-8") as f:
    f.write(str(a2trph))


【画像】保存は終了し、現状困ったところはありません。問題があればその時にコードを記載致します。

現状の問題 2/15更新

上部「解決済み」2つ目のコードで下記の様に出力されます。(一部変更)
一行での記載で見づらいと思いますが実際に表示されている状態の方が良いと思いこの様に表現しています。

※コード内【値段】の部分で問題が生じております。
csvやテキストファイルに出力する際に、\n\r空白部分が邪魔になる事と存じます。
所感ですが、HTMLのdivタグなどの部分で\nや\rが出力され、値段の部分に空白が入れられていると思われます。
 → 何故かstripで解決 理由が知りたい・・・

※すべてのコードで問題が生じております。

  • 各項目「'」で囲まれている。例:下記コード参照
    純粋にテキストだけ欲しいのですが、何故「'」に囲まれているのでしょうか。
  • 又、Excelにした際に【発売日】に「,」が入っており区切り文字として使用できません。どういった解決策がありますでしょうか。
['Sampletitle1 (Japanese Ver.)', '27 Nov, 2019', 'Free To Play', 'https://store.com/app/1175730/Japanese_Ver/?snr=1_7_7_151_150_1', "Sampletitle2 (Japanese version)", '10 Dec, 2014',  10,162', 'https://store.com/app/288390/Japanese_version/?snr=1_7_7_151_150_1', 'Sampletitle3', '22 Aug, 2019',  1,320¥ 1,056', 'https://store.com/app/662960/?snr=1_7_7_151_150_1', ...以下ヒット数同文]


この問題をどの様に解決すればよいかご教示頂ければ幸いです。コードを一から作り直しでも構いません。

補足情報(FW/ツールのバージョンなど)

Python3.8.1 64-bit
イメージ説明
当方のPython知識は、
・独学プログラマー Python言語の基本から仕事のやり方まで
・Excel×Python最速仕事術
こちらの2冊を読んだだけの知識で御座います。

  • 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。

質問への追記・修正、ベストアンサー選択の依頼

  • LBciel.

    2020/02/03 18:25 編集

    上記「試したこと」内で出来た部分までの説明をした方が良いでしょうか。

    inputで入力したキーワード入力 → Chromeを起動 → 検索ボックスにキーワード入力 → Enter → スクレイピングしたいページに到着(1ページ目)

    現状はここまでとなっております。止まった理由に関しましては、seleniumを使用したため、移動後のURL取得方法がわからなくなった?のだと思われます。完全に混乱しており、説明が出来ない現状にあります。

    また、抽出する為にどのモジュールとどういうコードを書けばよいのかがわかりかねております。

    実際にやりたい事
    ・GUI(pythonでの言葉がわかりません。)を表示し、キーワード入力させる
    ・検索ボックスにキーワード入力
    ・スクレイピングしたいページに移動
    ・必要項目を抽出
    ・ページ移動
    ・必要項目を抽出
    ・CSVやテキストファイルにデータを出力

    この様な流れを希望しております。こちらでご理解頂ければよいのですが・・・

    キャンセル

  • t_obara

    2020/02/03 18:25

    クリックしたかのようにしてデータを取得したい場合はSelenium、HTMLをパースしてURLを取得し、そのURLを指定してページデータを取得してパースするのがBeautifulSoupといったイメージでしょう。

    キャンセル

  • LBciel.

    2020/02/03 18:37

    有難う御座います。BeautifulSoupに絞って再度調べ、いろいろと試してみたいと思います。

    キャンセル

回答 1

check解決した方法

0

リストから1つずつ表示すれば「'」の出力が無くなった。
stripで解決した理由はわかりかねますがすべての項目を出力することが出来たため、終了とします。

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 89.63%
  • 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