前提・実現したいこと
ここに質問の内容を詳しく書いてください。
Google Cloud PlatformでNTT itownpage をスクレイピングするシステムを作っています。
スクレイピングしたデータをBigQueryに書き込む機能を実装中に以下のエラーメッセージが発生しました。
エラーメッセージ
UnicodeEncodeError: 'latin-1' codec can't encode characters in position 14-30: Body ('尚道館・西郷派大東流合気武術総本部') is not valid Latin-1. Use body.encode('utf-8') if you want to send it encoded in UTF-8.
該当のソースコード
Python3.5
ソースコード
!gpg -a --export 04EE7237B7D453EC | apt-key add -
!gpg -a --export 648ACFD622F3D138 | apt-key add -
!apt-get update
!apt-get -y install libnss3
!apt-get -y install libx11-dev
!pip install chromedriver-binary==80.0.3987.106
!pip install selenium
!sh -c 'echo "deb http://dl.google.com/linux/chrome/deb/ stable main" >> /etc/apt/sources.list.d/google.list'
!wget -q -O - https://dl-ssl.google.com/linux/linux_signing_key.pub | apt-key add -
!apt-get update
!apt-get -y install google-chrome-stable
import sys
sys.path.append('/usr/local/envs/py3env/lib/python3.5/site-packages/chromedriver-binary')
from selenium import webdriver
from selenium.webdriver.chrome.options import Options
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.common.by import By
from datalab.context import Context
from time import sleep
import pandas as pd
import chromedriver_binary
import datetime
options = Options()
options.add_argument('--headless')
options.add_argument('--no-sandbox')
driver = webdriver.Chrome(options=options)
url = 'https://itp.ne.jp/keyword/?keyword=合気道&areaword=北九州市&area=40&sort=01&sbmap=false'
driver.get(url)
while True:
try:
driver.find_element_by_class_name('m-read-more__text').click()
except:
#print('☆「さらにに表示」連打終了☆')
break
elems = driver.find_elements_by_class_name("o-result-article-list__item")
data_rows = []
for e in elems:
data = e.text
data_row = data.splitlines()
data_row.append(datetime.datetime.now())
if len(data_row) == 6:
data_row[0] = data_row[0].replace(' ','')
data_row[0] = data_row[0].replace(' ','')
data_row[1] = data_row[1].replace(' ','')
data_row[1] = data_row[1].replace(' ','')
data_row[2] = data_row[2].replace(' ','')
data_row[2] = data_row[2].replace(' ','')
data_row[3] = data_row[3].replace(' ','')
data_row[3] = data_row[3].replace(' ','')
data_row[4] = data_row[4].replace(' ','')
data_row[4] = data_row[4].replace(' ','')
data_row[2] = data_row[2].replace('【最寄駅】','')
data_row[3] = data_row[3].replace('【電話番号】','')
data_row[4] = data_row[4].replace('【住所】','')
data_row[0] = data_row[0].encode('utf-8')
data_row[1] = data_row[1].encode('utf-8')
data_row[2] = data_row[2].encode('utf-8')
data_row[3] = data_row[3].encode('utf-8')
data_row[4] = data_row[4].encode('utf-8')
data_rows.append(data_row)
driver.quit()
sample_dataframe = pd.DataFrame(data_rows,columns=['shop_name','category','nearest_station','telephone_number','address','DL_time'])
print(sample_dataframe)
sample_dataframe.to_gbq('NTT.aikidou2024', 'robotic-column-270803',if_exists = 'replace')
試したこと
str.encode('utf-8')を使って、各文字列データをutf8に変換しました。
補足情報(FW/ツールのバージョンなど)
print文で中身を確認した所、確実にutf8に変換できているようです。
そのためなぜこのエラーがでるのかわかりません。
ここにより詳細な情報を記載してください。
回答1件
あなたの回答
tips
プレビュー
バッドをするには、ログインかつ
こちらの条件を満たす必要があります。