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!

新規登録して質問してみよう
ただいま回答率
85.48%
スクレイピング

スクレイピングとは、公開されているWebサイトからページ内の情報を抽出する技術です。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

pandas

Pandasは、PythonでRにおけるデータフレームに似た型を持たせることができるライブラリです。 行列計算の負担が大幅に軽減されるため、Rで行っていた集計作業をPythonでも比較的簡単に行えます。 データ構造を変更したりデータ分析したりするときにも便利です。

Q&A

1回答

1587閲覧

スクレイピングしたニュースをエクセルに保存するプログラムを作成したい

shout

総合スコア7

スクレイピング

スクレイピングとは、公開されているWebサイトからページ内の情報を抽出する技術です。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

pandas

Pandasは、PythonでRにおけるデータフレームに似た型を持たせることができるライブラリです。 行列計算の負担が大幅に軽減されるため、Rで行っていた集計作業をPythonでも比較的簡単に行えます。 データ構造を変更したりデータ分析したりするときにも便利です。

0グッド

0クリップ

投稿2020/04/21 09:57

前提・実現したいこと

pythonでスクレイピングしたニュースをエクセルに保存していきたい。
保存するものは取得の日時、タイトル、url
プログラムを実行するたびに、新しいニュースを追加していきたい。
ただし、過去に保存したことのあるニュースは保存しない
(同じニュースが被らないようにしたい)

ここに質問の内容を詳しく書いてください。
ニュースの取得、保存はできたが想定通りに動かない。
if文でタイトル被りの場合は保存しないようにしているつもりが、保存されてしまう。

発生している問題・エラーメッセージ

同じニュースが保存されてしまう。

該当のソースコード

python

1import requests, datetime, os, openpyxl 2from bs4 import BeautifulSoup 3import pandas as pd 4 5#時刻取得 6now = datetime.datetime.now() 7now = now.strftime('%Y年%m月%d日 %H:%M:%S') 8 9#ニュースへアクセス 10target = 'https://news.yahoo.co.jp' 11html = requests.get(target) 12soup = BeautifulSoup(html.content, 'html.parser', from_encoding='utf-8') 13 14#過去のニュースをpandasに読み込む 15df = pd.read_excel('Desktop/test.xlsx') 16#過去のタイトル一覧を読み込んだデータフレームから取得 17title_list = df['タイトル'] 18 19#新規ニュース取得 20news_list = soup.find(class_='topicsList_main') 21#新規ニュースを保存するリスト 22save_list = [] 23 24#新規ニュースのタイトル、urlを代入 25for news in news_list.find_all("a"): 26 news_title = news.text 27 news_url = news.get('href') 28 29 #過去のニュースと同じものがないか確認 30 if news_title in title_list: 31 pass 32 33 #過去にないニュースの場合 34 else: 35 #新規ニュースをリストに保存。データフレーム作成 36 save_list.append([now, news_title, news_url]) 37 new_df = pd.DataFrame(data=save_list, columns=['日付', 'タイトル', 'URL']) 38 39#読み込んだ過去ニュースと新ニュースを結合 40df_concat = pd.concat([df, new_df]) 41 42#エクセルへ保存 43df_concat.to_excel('Desktop/test.xlsx', index=False) 44

補足情報(FW/ツールのバージョンなど)

初心者です。
質問のしかたに不備があったらすいません。

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MY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。

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。

guest

回答1

0

おそらく下記で常に「False」になっているかと思われます。

Python

1if news_title in title_list:

下記の様にしてはどうでしょうか?

Python

1if news_title in title_list.tolist():

投稿2020/04/21 10:45

meg_

総合スコア10580

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。

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

まだベストアンサーが選ばれていません

会員登録して回答してみよう

アカウントをお持ちの方は

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
85.48%

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る

質問する

関連した質問