python スクレイピング 'NoneType' object is not subscriptableの解決

Question

前提・実現したいこと

pythonで、ファッションサイトから情報をスクレイピングするシステムを作っています。
bs4オブジェクトから名前を取得中にエラーが起きていると思うんですが。。。
修正するべき場所がわからず。。。力をお貸しいただければと思います。
実行コマンドは
$ python main.py
です。

発生している問題・エラーメッセージ

'''PS C:\brandrecommend\brand_recommend> python main.py
C:\brandrecommend\brand_recommend\scrayping.py:17: UserWarning: No parser was explicitly specified, so I'm using the best available HTML parser for this system ("lxml"). This usually isn't a problem, but if you run this code on another system, or in a different virtual environment, it may use a different parser and behave differently.

The code that caused this warning is on line 17 of the file C:\brandrecommend\brand_recommend\scrayping.py. To get rid of this warning, pass the additional argument 'features="lxml"' to the BeautifulSoup constructor.

return BeautifulSoup(res.text)
Traceback (most recent call last):
File "main.py", line 19, in <module>
NameList.extend(getNameList(snaps))
File "C:\brandrecommend\brand_recommend\scrayping.py", line 33, in getNameList
NameList.append(snap.find('a')['title'])
TypeError: 'NoneType' object is not subscriptable'''

###該当のソースコード

scrayping.py

# -*- coding: utf-8 -*-

import re

import numpy as np
from bs4 import BeautifulSoup
import requests
import pandas as pd
import collections

# URLからbs4オブジェクトを生成
def openURL(URL: int):
    res = requests.get(URL)
    if res.status_code != requests.codes.ok:
        print('Error')
        return(False)
    return BeautifulSoup(res.text)


# bs4オブジェクトから着用ブランドのリストを取得
def getBrandList(snaps):
    BrandList = []
    for snap in snaps:
        BrandList.append(list(set(map(lambda x: x.text, snap.find_all(
            'a', attrs={'href': re.compile('^/snaps/brand')})))))
    return BrandList


# bs4オブジェクトから名前を取得
def getNameList(snaps):
    NameList = []
    for snap in snaps:
        NameList.append(snap.find('a')['title'])
    return NameList


def getuniqueList(df):
    uniqueList = []

    for columns in df.columns.values:
        uniqueList.extend(df[columns])

    return collections.Counter(uniqueList)

main.py

from scrayping import *
from predict import *
from predict2 import *

if __name__ == '__main__':
    flag = True
    page = 1
    BrandList = []
    NameList = []

    while flag:
        URL = 'https://www.fashion-press.net/snaps/sex/mens?page=' + str(page)
        soup = openURL(URL)
        snaps = soup.find_all(attrs={'class': 'fp_media_tile'})

        if len(snaps) != 0:  # 写真がある場合はブランドを取得
            tmpBrandList = getBrandList(snaps)
            BrandList.extend(tmpBrandList)
            NameList.extend(getNameList(snaps))
            print('get page' + str(page))
            page += 1

        else:  # 写真がない場合は終了
            flag = False
            print('END')

    df = pd.DataFrame(data=BrandList, index=NameList)  # pandasのDataFrame型に
    df.to_csv('StreetSnapMen.csv')
    # df = pd.read_csv('StreetSnapMen.csv', index_col = 0)

    brand = getuniqueList(df)
    brand_df = pd.DataFrame(index=list(brand.keys()),
                            data=list(brand.values()))
    brand_df = brand_df.drop(np.nan) # NAN　を削除

predict.py

# -*- coding: utf-8 -*-

import re

import numpy as np
from bs4 import BeautifulSoup
import requests
import pandas as pd
import collections


def bays(model, A, B=None):
    pB = (model == B).sum().sum()
    pAB = (((model == A) | (model == B)).sum(axis=1) > 1).sum()
    return pAB / pB


def predict(df, brand_df, wear, k=3):
    prob = []

    for brand in brand_df.index:
        prob.append(bays(df, brand, wear))

    best_k = sorted(range(len(prob)), key=lambda i: prob[i], reverse=True)[:k]
    return list(map(lambda k: brand_df.index[k], best_k))

試したこと

補足情報（FW/ツールのバージョンなど）

windows10
python 3.8.2

Comments

[meg_]

エラーが発生したときの「snap.find('a')」が「None」になってませんか？

[rururan]

「snap.find('a')」では値が存在しますが、「snap.find('a')['title']」でnoneになりました。

Answer 1

ファッション画像を挿入する div と広告枠の div のどちらもクラス fp_media_tile なのが原因ではないでしょうか。
ファション画像の div は <div class="fp_media_tile snap_media col_3">
広告枠の div は <div class="fp_media_tile advertisement_media col_3">
となっているので、CSS セレクタ .fp_media_tile.snap_media で絞ればいいと思います。

問題箇所

<div class="fp_media_tile advertisement_media col_3">
<!-- /8505930/FP_News_Index -->
<div id="div-gpt-ad-1516356120429-0" style="margin: 0 auto;">
<script>
        googletag.cmd.push(function() { googletag.display('div-gpt-ad-1516356120429-0'); });
        </script>
</div>
</div>

修正箇所

- snaps = soup.find_all(attrs={"class": "fp_media_tile"})
+ snaps = soup.select(".fp_media_tile.snap_media")

---

find() した結果は print() すると、HTML で表示できるので、それでデバッグしましょう。

Comments

[rururan]

回答いただきありがとうございます！おっしゃる通りでした。
snaps を取得するときに、divタグの指定、及びclass名に漏れがあったのでそれを修正したところ無事にaタグ内のtitleの値を取得できました！

Answer 2

下記でどうでしょうか？

def getNameList(snaps):
    NameList = []
    for snap in snaps:
        NameList.append(snap.find('a').get('title')
    return NameList

---

【追記】

エラーが発生したときの「snap.find('a')」が「None」になってませんか？

質問への質問で上記を書きましたが、やはりエラーが発生する直前にNoneになっています。
aタグを取得できないsnapがあるのでしょう。確認してください。

Comments

[rururan]

そのパターンもやってみましたが、同じエラーでした…
aタグだけのスクレイピングをしたところ、aタグ内にtitle属性は存在したのですが、title属性を指定したスクレイピングをするとnoneが帰りました。ちなみにhref属性もtitle属性同様、noneでした。

Answer 3

そのパターンもやってみましたが、同じエラーでした…
aタグだけのスクレイピングをしたところ、aタグ内にtitle属性は存在したのですが、title属性を指定したスクレイピングをするとnoneが帰りました。ちなみにhref属性もtitle属性同様、noneでした。