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。
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。